State estimation of connected vehicles using a nonlinear ensemble filter

The concept of connected vehicles is with great potentials for enhancing the road transportation systems in the future. To support the functions and applications under the connected vehicles frame, the estimation of dynamic states of the vehicles under the cooperative environments is a fundamental issue. By integrating multiple sensors, localization modules in OBUs(on-board units) require effective estimation solutions to cope with various operation conditions. Based on the filtering estimation framework for sensor fusion, an ensemble Kalman filter(En KF) is introduced to estimate the vehicle's state with observations from navigation satellites and neighborhood vehicles, and the original En KF solution is improved by using the cubature transformation to fulfill the requirements of the nonlinearity approximation capability, where the conventional ensemble analysis operation in En KF is modified to enhance the estimation performance without increasing the computational burden significantly. Simulation results from a nonlinear case and the cooperative vehicle localization scenario illustrate the capability of the proposed filter, which is crucial to realize the active safety of connected vehicles in future intelligent transportation.     

一种HTML文档的朴素贝叶斯分类算法

针对WWW的HTML(HyperTextMarkupLanguage)结构采用TFE表示,给出一种新的TFE实现方法,进而提出了一种改进的朴素贝叶斯分类算法,然后对该算法的准确性和有效性进行讨论.     

BP神经网络在远洋船舶远程监控中的应用研究

为了满足公司对于远洋船舶更加有效监控的要求,应用BP神经网络对监控系统加以改进,使船舶远程监控系统发出预警信号,并能在船舶上报警.相应参数识别码第一时间到达岸上公司,岸上公司可以在最佳时间协助船舶对设备进行维修.BP神经网络在远程监控系统的应用分析过程中,以6缸柴油主机排气温度变化趋势为模型,利用BP神经网络良好的学习特性,建立了排气温度变化的持续升高预警模型及其他非预警模型.模拟结论经验证表明,模拟结果与样本之间的误差小于5%,能够准确判断故障趋势并能预报警,改进了远洋船舶的远程故障监测系统.     

基于遗传BP算法的高斯基函数网络的非线性系统辨识

针对ＢＰ算法收敛速度慢而且可能陷入局部极小值的特点,提出了基于遗传ＢＰ算法的高斯基函数网络的辨识方法,并将它应用于非线性系统进行辨识,仿真实验结果表明该方法比基于传统的ＢＰ算法具有更快的收敛速度和精度。     

基于BP神经网络的单层钢筋混凝土柱工业厂房震害预测

将人工神经网络理论应用于等高单层钢筋混凝土柱工业厂房的震害预测.在分析震害特点的基础上,将震害影响因子分为精确性和规律性两大类,提出以地震反应指标、天窗类型、支撑情况、建筑材料作为主要的影响因子,并给出了相应的量化取值范围,然后将震害等级作为输出结果,构造了震害预测的BP人工神经网络.通过对52个实际震害实例的检验,网络的准确率超过80%.计算结果证明了该人工神经网络的有效性.     

基于遗传-BP神经网络预测单桩竖向承载力

在遗传算法改进BP神经网络的基础上,利用遗传算法的全局优化能力和BP神经网络的较强的高次非线性能力和自学习能力,建立预测单桩竖向承载力的遗传-BP神经网络模型.通过利用济南地区现场试桩资料对该模型进行训练和检验,证明本文所建立的遗传-BP 神经网络预测模型预测精度高,适用性强,可以作为桩基工程设计和理论研究的参考计算工具.     

Auto recognition of carbonate microfacies based on an improved back propagation neural network

Though traditional methods could recognize some facies, e.g. lagoon facies, backshoal facies and foreshoal facies, they couldn't recognize reef facies and shoal facies well. To solve this problem, back propagation neural network(BP-ANN) and an improved BP-ANN with better stability and suitability, optimized by a particle swarm optimizer(PSO) algorithm(PSO-BP-ANN) were proposed to solve the microfacies' auto discrimination of M formation from the R oil field in Iraq. Fourteen wells with complete core, borehole and log data were chosen as the standard wells and 120 microfacies samples were inferred from these 14 wells. Besides, the average value of gamma, neutron and density logs as well as the sum of squares of deviations of gamma were extracted as key parameters to build log facies(facies from log measurements)-microfacies transforming model. The total 120 log facies samples were divided into 12 kinds of log facies and 6 kinds of microfacies, e.g. lagoon bioclasts micrite limestone microfacies, shoal bioclasts grainstone microfacies, backshoal bioclasts packstone microfacies, foreshoal bioclasts micrite limestone microfacies, shallow continental micrite limestone microfacies and reef limestone microfacies. Furthermore, 68 samples of these 120 log facies samples were chosen as training samples and another 52 samples were gotten as testing samples to test the predicting ability of the discrimination template. Compared with conventional methods, like Bayes stepwise discrimination, both the BP-ANN and PSO-BP-ANN can integrate more log details with a correct rate higher than 85%. Furthermore, PSO-BP-ANN has more simple structure, smaller amount of weight and threshold and less iteration time.     

基于遗传-BP神经网络预测单桩竖向承载力

在遗传算法改进BP神经网络的基础上,利用遗传算法的全局优化能力和BP神经网络的较强的高次非线性能力和自学习能力,建立预测单桩竖向承载力的遗传—BP神经网络模型。通过利用济南地区现场试桩资料对该模型进行训练和检验,证明本文所建立的遗传—BP神经网络预测模型预测精度高,适用性强,可以作为桩基工程设计和理论研究的参考计算工具。     

网联车混合交通流渐进稳定性解析方法

针对网联车与普通车构成的混合交通流不稳定性问题,提出一种网联车混合交通流渐进稳定性解析方法.基于传递函数理论,应用跟驰模型推导扰动在交通流中传播时的传递函数,并建立不同网联车比例下的混合交通流渐进稳定性解析框架.选取智能驾驶模型(intelligent driver model, IDM)与优化速度模型(optimal velocity model,OVM)分别作为网联车与普通车的跟驰模型,进行混合交通流渐进稳定性案例分析,并进行小扰动下的数值仿真.研究结果表明:所建立的混合交通流渐进稳定性解析框架可计算得到关于网联车比例与平衡态速度的混合交通流稳定域;当平衡态速度大于21.5 m/s时,混合交通流可在任意网联车比例下稳定,当网联车比例大于0.63时,混合交通流可在任意平衡态速度下稳定;混合交通流稳定性数值仿真实验验证了理论解析的正确性.所建立的网联车混合交通流渐进稳定性解析框架适用于不同跟驰模型的选取,能够用于分析真车实验条件下网联车对交通流稳定性的影响.     

车辆用内控可调速的液压优先阀设计

常规的液压优先阀在工作负载流量突变时,阀的动态响应存在一定的滞后现象,阀芯开启和关闭的响应速度均较慢,受限于保证压力稳定性和开启的响应速度在设计范围内,固定阻尼孔的设计尺寸较小,使得工况切换时,阀芯关闭速度慢,流经阻尼孔的补充油液流量小,无法满足系统快速补油的需求。为解决上述问题,在液压优先阀的主阀阀芯内部设计并集成了一个速度调节微阀,该微阀利用不同油液流动方向下阻尼孔不同的原理调节主阀的启闭响应速度,实现阀芯的缓开快关,根据阀内动力学方程,利用仿真对设计的微阀进行建模和优化,确定了最佳匹配参数并初步证明了设计的有效性。实验结果表明:通过合理匹配阻尼孔过流面积,当转向或换挡回路急需大流量时,速度调节微阀能够加快主阀的关闭速度,及时将辅路油液补充到主路,集成微阀相比传统主阀芯采用固定阻尼孔时的关闭速度提升了1倍;当转向或换挡完成后,速度调节阀能够实现主阀的开启速度比关闭速度慢,抑制压力冲击。速度调节微阀的设计解决了优先阀切换时主阀芯关闭速度慢的问题,有助于辅泵快速向主泵补油,满足系统工况改变的大流量需求,提升了系统的响应速度。     

基于遗传算法的BP网络优化研究

提出了一种改进的自适应遗传算法(IAGA),它利用网络结构的特点,采用前向自适应技术,实现对神经网络的有效训练.仿真实验表明,该算法优于BP算法和标准遗传算法(BGA),网络训练质量和效率都有很大提高.     

基于遗传算法的BP网络优化研究

提出了一种改进的自适应遗传算法(IAGA)，它利用网络结构的特点，采用前向自适应技术，实现对神经网络的有效训练．仿真实验表明，该算法优于BP算法和标准遗传算法(BGA)，网络训练质量和效率都有很大提高．     

Application of artificial neural networks for operating speed prediction at horizontal curves: a case study in Egypt

Railway Engineering Science - Horizontal alignment greatly affects the speed of vehicles at rural roads. Therefore, it is necessary to analyze and predict vehicles speed on curve sections. Numerous...     

智能网联混行环境下交叉口时空资源配置优化

在网联自动车辆（CAVs）与人工驾驶车辆混行环境下,构建混合整数线性规划（MILP）模型,以优化交叉口时空资源配置. 该模型以交叉口通行能力最大化为目标,约束条件主要包括车道渠化、流量分配和信号配时等相关约束. 以典型四车道十字交叉口为例,在网联自动车不同驾驶行为和不同渗透比例的条件下,优化交叉口渠化方案和信号配时方案. 结果表明,随着网联自动车占比和跟驰行为的改变,交叉口最优渠化方案和信号配时方案须相应调整. 网联自动车占比增大和跟车时距减小,均有利于提高交叉口的通行能力,且当网联自动车跟车时距不受前车类型的影响时,交叉口通行能力提高更多.     

基于改进遗传算法的零航速减摇鳍自适应控制系统设计

为了提高零航速减摇鳍在不同风浪强度下驱动能量的利用效率,对随机海浪的频谱特性进行了分析,在此基础上对系统状态方程进行扩展,设计了基于二次型指标的随机最优控制器.为实现能量消耗与减摇效果之间的最佳匹配,采用遗传算法对二次型指标的加权矩阵进行优化,优化过程中根据系统的特点对基本遗传算法进行了改进.为了在不同海况下实现随机最优控制,提出了加权矩阵的自适应准则.仿真结果表明,只要根据外部环境正确选择加权矩阵参数,就可以用尽可能少的能量达到预定减摇效果.     

基于神经网络的连铸坯表面纵裂预测

针对铸坯质量预报问题,利用人工神经网络中的BP算法建立原始化学成分和连铸生产的主要工艺参数与产品最终质量之间的关系,并开发出专门的应用软件．软件共分3部分：数据处理部分、人工神经网络训练部分、运用成熟网络预报部分．该预测方法的特点是直观、方便、稳定．数据均从稳定生产的现场取得．采用神经网络对D32—1钢的铸坯质量进行预报,经过上千次训练后,产品质量的预报值与实际值拟合良好,预报结果的相对误差很小．     

基于反相传播神经网络的黑启动三相合闸统计过电压快速预测

在黑启动方案制定的过程中,需要对方案进行反复的空充输电线路操作过电压统计计算和校验,带来沉重的工作负担。提出利用人工神经网络快速预测黑启动空载合闸统计过电压的方法。通过选择一组有效的输入特征并采用过电压时域仿真程序建立训练样本集,误差反向传播神经网络被用来构造输入特征和最大统计过电压之间的映射关系,从而实现黑启动合闸统计过电压的快速预测。算例表明方法的有效性。     

Fuel efficient model predictive control strategies for a group of connected vehicles incorporating vertical vibration

This paper presents a decentralized fuel efficient model predictive control(MPC) strategy for a group of connected vehicles incorporating vertical vibration. To capture the vehicle vibration dynamics, the dynamics of the suspension system is integrated with the longitudinal dynamics of the vehicle. Furthermore, a MPC framework with finite time horizon is formulated to calculate the optimal velocity profile that compromises fuel economy, mobility and ride comfort for every individual vehicle with the safety and physical constraints considered. In the MPC framework, the target velocity is calculated using signal phase and timing(SPAT)information to reduce the number of stoppage at red lights, and the vertical acceleration is calculated parallel to the calculation of the fuel consumption. The MPC optimal problem is solved with fast-MPC approach which enhances the computational efficiency via exploiting the structure of the control system and approximate methods. Simulation studies are conducted over different SPATs and connectivity penetration rates and the results validate the advantages of the proposed control architecture.     

一种改进的HOSVD降噪的信道预测算法

基于高阶奇异值分解(High Order Singular Value Decomposition, HOSVD)降噪的信道预测算法对天线数较少引起的秩不足问题比较敏感,同时也难以应付较大多普勒频移的情况,从而引起信道估计性能和预测性能的急剧下降、损失信道容量.针对这一问题,提出了一种改进的使用HOSVD降噪的信道预测算法.该算法先利用多输入多输出(Multiple-input Multiple-Output, MIMO)信道固有的空时相关性对采样得到的信道状态信息(Channel State Information, CSI)进行矩阵重排和数据平滑处理,随后基于信道的多维结构特性,使用HOSVD降低噪声的影响,继而重构信道矩阵,最后利用递归最小二乘滤波器对未来时刻的信道状态进行预测.仿真表明,所提算法的估计误差和预测误差性能均明显优于对比算法,这是因为所提算法通过矩阵重排和空时平滑,虚拟地增加了天线数,降低了秩缺失问题对估计和预测精度的影响,从而有效补偿了因误差所致的信道容量的损失.同时,对比天线数和多普勒频移对不同算法性能的影响可见,所提算法也能在大多普勒频移和天线数较少等不利条件下提供较好预测性能和信道容量,具有一定的优越性.