一种高精度LSTM-FC大气污染物浓度预测模型

大气污染已经严重影响到人们的生活和健康,大气治理势在必行,探究大气污染物浓度变化的规律,实现污染物浓度预测,对指导大气治理工作具有重要意义.文中构建了一种基于长短期记忆神经网络(Long Short-Term Memory,LSTM)和全连接神经网络(Full Connected,FC)的混合神经网络模型,并提出了数据桶划分的训练方式来解决由于训练数据与预测数据存在较长时间间隔导致精度下降的问题,进而实现大气污染物浓度的预测.该模型具有较好的通用性和精度,充分结合了长短期记忆神经网络和全连接神经网络的优点,能够在多种污染物数据上实现精确预测.以天津市2013-2019年大气污染物数据实现模型的训练和预测,结果表明,混合神经网络模型在PM2.5,PM10,NO2,SO2,O3,CO 6种污染物浓度的预测上均可以达到R2>0.90,平均百分误差小于15％的效果,LSTM-FC模型在大气污染物预测中具有明显的优势,具有较高的实用价值.     

基于GA-GRU环境空气污染物预测研究

针对现有的环境空气污染物预测方法存在缺少输入特征相关性分析和时序信息丢失问题,提出一种将遗传算法和门控循环单元神经网络相结合的环境空气污染物PM2.5小时浓度预测模型,充分挖掘了污染物时间序列内在依赖关系,并解决了不相关因子的干扰和输入特征维度灾难的问题。最后基于绵阳市4个空气污染物监测站点的数据集进行仿真实验,与门控循环单元神经网络、深度信念网络预测比较。结果表明,基于GA-GRU的PM2.5小时浓度预测模型在训练时间、预测精度和鲁棒性上优势显著,是一种可行且有效的预测方法。     

基于多尺度时空图神经网络的污染物浓度预测

基于深度学习的细粒度污染物浓度预测是一种新兴且具有前景的方法,如何充分利用气象、空间和时间等3大信息是其关键.为了协同融合3大信息,提出一种基于多尺度时空图神经网络的污染物浓度预测模型.该模型利用空气质量模型动态构建多尺度的时空图神经网络,学习污染物之间的动态时空关系.具体为:利用图神经网络学习污染物之间的多尺度空间关系,采用空气质量模型HYSPLIT构建图的结点和边属性,通过基于注意力机制的GRU (gate recurrent unit)学习污染物浓度之间的时序关系.该模型不仅充分考虑了气象、空间和时间3大影响因素,还将3个因素联动起来统一到一个框架内协同学习.该方法与传统的机理模型方法相比具有灵活部署、易于实施的特点.实际项目数据集和公开数据集上的实验表明:与现有先进的基于图神经网络的方法相比,该方法预测的污染物浓度平均绝对误差降低了0.6左右,对称平均绝对百分比误差降低0.005左右.     

环境空气SO2和NO2浓度的GA_ANN预测模型研究

空气中污染物浓度的预测是一个复杂的非线性问题。国内外的研究表明神经网络能够比回归模型更好地预报空气污染物。设计并实现了将用于选择最优预报因子的遗传算法和神经网络算法相结合的GA_ANN空气质量预测模型,利用某市2003~2006年的数据建立神经网络空气质量预测模型,对该市2007年全年SO₂和NO₂的预测实验表明,GA_ANN模型比单纯的神经网络模型具有更高的预报精度。     

基于时空相关性的LSTM算法及PM2.5浓度预测应用

现阶段空气污染物粒子浓度演进过程模拟与预测算法忽视了粒子浓度的空间相关性,且没有实现粒子浓度的时间依赖性与空间相关性融合.对此,提出基于时空相关性的LSTM算法(TS_LSTM)并应用于PM2.5浓度预测.该算法提出空间相关性及其相关因子计算方法;将局部区域相关性因子与LSTM算法的遗忘门和记忆门融合,建立基于局部地理信息的LSTM算法(LTS_LSTM);融合LTS_LSTM算法学习结果与全局空间相关性因子,构造基于全局地理信息时空相关的LSTM算法(GTS_LSTM).模拟全局与局部的空气污染物粒子浓度演进过程,并实现离子浓度预测.在全局与局部数据集上,将该算法与回归算法、支持向量机、模糊神经网络、LSTM神经网络、GC-LSTM神经网络、DL-LSTM神经网络比较研究,结果表明:在空气粒子浓度预测上,该算法的预测性能优于各种传统预测算法,接近深度LSTM算法.     

基于BP网络的高精度信号调理系统的研制

为提高压力传感器输出信号的调理精度,研制了基于BP神经网络的高精度智能信号调理系统.设计了基于MAXl452的信号调理电路、通信接口电路,完成硬件平台的搭建.选择BP神经网络算法作为传感器补偿算法,并编程实现.通过测试系统,验证了采用神经网络算法的可行性.     

神经网络模糊推理系统在火灾探测中的应用

提出了一种用于火灾自动探测的神经网络模糊推理系统，它采用前馈神经网络对火灾探测器信号进行处理，神经网络输出的火灾概率经模糊推理系统判决，输出火灾报警信号。这种方法结合了神经网络和模糊逻辑的优点，实验表明这种系统能够准确探测火灾并减少了误报警。     

基于改进型PSO的模糊神经网络PM2.5浓度预测

为科学合理地预测大气污染物PM2.5颗粒物浓度变化规律,分析PM2.5颗粒物浓度变化历史数据,综合判断外部条件(温度、风速、天气状况)和内部条件(其它污染物的浓度)对PM2.5颗粒物浓度变化的影响.采用一种改进型PSO优化的模糊神经网络,将粒子群算法与模糊神经网络进行融合,发挥PSO算法全局寻优的特点,预测PM2.5颗粒物浓度的变化规律.对某市2013年PM2.5颗粒物浓度进行预测和验证,验证结果表明,该算法具备良好的预测精度.     

工业大气污染物浓度的复合自回归网络预测

针对工业园区大气污染管理中预测能力较弱的问题,考虑工业大气污染物的多因素耦合及非线性时序特征,提出一种工业大气污染物浓度预测方法。根据预测指标数值特征,提出复合自回归神经网络（CNAR）。对目标预测指标及影响因素进行关联分析及时序建模,实现对工业大气污染物浓度的短期预测。选用河北省某市大气网格化监测数据进行模型训练与方法验证,实验结果表明CNAR预测模型可对工业大气污染物浓度进行有效预测,效果优于传统自回归神经网络,为工业大气污染防控提供参考依据。     

基于离散双向联想记忆神经网络的多元通信系统

针对噪声导致非线性数字通信系统传输信号的差错概率增加的问题，提出一种基于离散双向联想记忆（BAM）神经网络的多元通信系统。首先，根据需要传输的信号，选取适当的神经元数量和记忆向量，计算权值矩阵，并生成BAM神经网络；然后将多元信号映射为具有调制幅度的初始输入向量并不断输入系统，通过神经网络进行循环迭代，并向各神经元添加高斯噪声，之后按照码元间隔采样输出并在无损信道中传输，接收端依据判决规则译码判决；最后在图像处理领域，利用所提系统传输图像压缩后的数据并解码恢复图像。仿真结果表明，对于码元间隔较大的弱调制信号，随着噪声强度的增加，差错概率先减后增，随机共振现象比较明显；差错概率还与信号的进制数呈正相关关系，与信号幅度、码元间隔和神经元个数呈负相关关系，某些条件下，差错概率可以达到0。以上结果表明BAM神经网络可以通过噪声改善数字通信系统的可靠性。另外，解码恢复图像的相似度显示了适量噪声对图像恢复效果的改善，扩展了BAM神经网络和随机共振在图像压缩编码中的应用。     

模糊辨识在隧道纵向式通风控制中的应用

纵向式通风是利用射流风机的推力将新鲜空气从隧道一端送入,使污染物从另一端排出,以此保证隧道内的环境质量。但由此产生的能耗使得隧道运营成本巨大,所以需要一种合适的控制策略来控制射流风机的开启台数,使得在隧道内污染物浓度不超过规定值的前提下,开启的风机数量最少,从而达到节能的目的。将模糊辨识应用到隧道通风控制中,基于模糊C均值聚类和递推最小二乘法的原理,采用T-S模型模糊辨识方法对隧道通风系统进行了辨识;采用已辨识系统来预测隧道下一采样时刻的污染物浓度;优化开启的风机台数并将其作为控制量。仿真结果表明了该方法的有效性。     

The control of highway tunnel ventilation using fuzzy logic

The purpose of tunnel ventilation control is to provide a safe and comfortable environment for users. The tunnel ventilation is optimized by controlling jet fans and dust collectors installed inside the tunnel. The jet fans blow polluted air from inside the tunnel toward air exit ports. The dust collectors remove soot and smoke so that pollutant concentration inside the tunnel can be better measured by CO (carbon monoxide) meters. Since this is a process involving many elements which are difficult to quantify exactly, the predictive fuzzy control is introduced to solve the problem. By means of this approach it was made possible to reduce electric power consumption greatly while keeping the degree of pollution within the allowable limit.     

Longitudinal tunnel ventilation control. Part 1: Modelling and dynamic feedforward control

Road tunnels exceeding a certain minimum length are equipped with a ventilation system. In case of a fire it is used to achieve a predefined air flow velocity in the tunnel by adequately controlling the installed jet fans in order to ensure sufficient visibility for persons to safely follow the escape routes. As the dynamics of the air flow in road tunnels strongly depend on the tunnel length, short tunnels with longitudinal ventilation systems pose a challenging control task. In this paper, non-linear dynamic feedforward control is proposed for longitudinal ventilation control in case of an emergency. For this purpose, an analytical non-linear zero-dimensional model of the air flow is feedback linearised. Due to its special properties, which are presented and analysed, two different versions of feedforward control are proposed: One is focused on performance, the other on robustness. Finally, the beneficial behaviour of the presented two-degrees-of-freedom control approach is demonstrated by its application to an Austrian motorway tunnel.     

线控转向系统力反馈的研究

线控转向系统取消了转向盘与转向轮的机械连接,所以必须通过电机向驾驶员实时反馈路感,从而使驾驶员感知车辆行驶状态和路面状况.首先建立了包括驾驶员在内的转向盘力反馈模型.提出的路感控制策略包括上层控制策略和下层控制策略.上层控制策略中转向盘回正力矩建模为扭杆弹簧施加的回复力矩,与转向盘转角成线性;下层控制策略对电机电流进行比例积分控制.最后研究了不同驾驶员模型比例系数,积分系数和电流比例积分控制的比例系数,积分系数对转向盘转角跟踪性能的影响.结果表明,遗传算法优化得到的这四个参数,可使得驾驶员较好跟踪转向盘转角,路感电机电流较好跟踪目标电流,实现较好的力反馈.     

嵌入式技术的智能车系统设计与实现研究

基于MC9S12XS128的智能车,通过对道路图像进行采集和处理,再利用算法控制策略、PID控制原理和PWM控制技术对智能车转向和速度进行控制,使小车能够自主行驶,通过使用CodeWarrior软件编程和BDM调试实现小车行驶控制。本文基于PID算法提出了改进的算法,经实物验证,所设计的智能车系统能有效循迹,保持在道路中间快速行驶,可以实现提前转弯,且系统具有较好的抗干扰能力。     

基于Zigbee的智能交通车辆数据采集器的设计与与实现

本文研究来自于智能交通项目车辆流量检测系统,该系统以嵌入式多任务操作系统为平台,采用Zigbee 2006协议栈组成的无线Zigbee网络车辆流量数据采集系统.该车辆数据采集系统分为上位机控制和下位机控制两大部分,通过上位机软件能对任意节点参数进行设定,所控制对象对控制结果进行反馈和发送数据;能够对每一时刻的车辆流量、...     

车辆避障驾驶控制方法研究

受机器人基于人工势场的路径控制方法的启发,在吴镜开等提出方法的基础上,提出了车辆避障控制机制。定义了基于停车视距的车辆行驶动态目标位置;依据人工势场建模原理构建道路和障碍物势场;为了平滑车辆行驶路线,采用了贝塞尔（Bezier）曲线车辆轨迹拟合的方法;针对车辆系统是典型的非完整控制系统,将车辆运动学模型转换为链式系统模型,实现相对简化系统控制设计目的。仿真控制实验说明这种方法对车辆避障控制具有较好的轨迹跟踪效果和全局稳定性。     

Model predictive control of a power-split hybrid electric vehicle system

This paper presents a model predictive control approach for the energy management problem of a power-split hybrid electric vehicle system. The model predictive control is suggested to optimally share the road load between the engine and the battery. By analyzing the configuration of the power-split hybrid electric vehicle system, we developed a simplified model for better implementation of model predictive control. The model predictive control problem is solved using numerical computation method: continuation and generalized minimum residual method. Computer simulation results showed that the fuel economy was better using the model predictive control approach than the ADVISOR rule-based approach in three cases. We conclude that the model predictive control approach is effective for the application of power-split hybrid electric vehicle systems energy management and has the potential for real-time implementation. The simplified modeling method of the power-split hybrid electric vehicle system configuration can be applied to other configurations of hybrid electric vehicle.     

线控转向系统的转向盘力反馈控制策略研究

线控转向系统取消了转向盘和转向轮之间的机械连接,因而可以根据车况主动提供路感,提高车辆的操纵稳定性.首先研究了转向刚度力矩、由侧向加速度确定的转向盘回正力矩、由轮胎回正力矩确定的转向盘回正力矩、转向阻尼力矩等进行转向盘力反馈的四种力矩.然后,研究了四种组合的转向盘力反馈控制策略及其进行双纽线试验、蛇行试验的性能.结果表明,调整各种力反馈方案的相应参数可以获得低速时的转向轻便性和高速时的良好路感.     

协同自适应巡航控制车队仿真

如何评估道路环境等外部条件变化对协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）车队行驶安全性的影响,对于保障道路交通安全尤为重要。为此,结合Matlab/Simulink和CarSim搭建车辆-环境仿真平台研究道路环境对车队行驶安全性的影响。利用美国NGSIM车辆轨迹数据对平台采用的校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型的控制器进行验证;利用平台开展红灯状态、隧道行驶和匝道行驶三种道路环境对车队行驶状态影响的仿真实验。仿真结果表明：车队可以顺利通过路口红绿灯;在安全车速范围内车队进出隧道口时方向控制良好;匝道坡度主要影响车辆加速度和车间距,坡度分别为3%和5%时,车队均保持稳定车间距安全行驶。