基于PC104总线的航电模拟器设计与实现

针对飞行器飞控系统试验中对航电设备的仿真需求,设计了基于PC104总线架构的航电模拟器,其性能可靠,而且扩展方便,易于实现较强的航电信号仿真功能,同时其结构紧凑,适合便携式仪器设计.作为一个应用实例,详细阐述了整个系统的框架结构及相应的软、硬件设计思路,并在此基础上给出了部分原理图.     

串联混合电动车辆动力系统的实时仿真

论述了串联混合电动车辆动力系统仿真模型和实时仿真方法。基于MATLAB/Simulink平台,通过CAN通讯将dSPACE和xPC目标仿真环境集成,dSPACE模拟控制单元,xPC环境运行模型,一台个人计算机同时监控dSPACE和xPC环境,并且记录数据。实践表明,串联混合电动车辆动力系统模型的实时仿真明晰了系统过程,验证了实时控制算法的有效性,建立了车辆控制单元快速原型。     

港湾式公交停靠站的设计分析

在对南京市公交停靠站的交通调查的基础上，对港湾式车站造成的拥挤及安全问题进行分析，总结了缓解延误和减少安全隐患的一些方法和措施。并针对车站的几何设计，提出了一些建议和看法。     

大型电厂主接线可靠性评估及分析(Ⅰ)——基本模型及基本算法

在研究了现行电厂主接线可靠性评估方法的基础上,提出了多故障状态模型和改进状态空间法的新算法。通过引入“通路代码”概念处理了元件的多故障状态特性,并引入上下限法计算可靠性连续性指标,从而使我们能更深刻、更准确、更全面地分析电厂主接线的可靠性。 实际工程计算表明,本方法具有实用,方便和有效的特点。     

基于USB的鼠标扫描系统设计与实现

提出了一种基于USB总线的光电鼠标电路和扫描电路相结合的新的设计思想，并介绍了具体的实现方法以及各个部分的电路和芯片选型，该系统通过USB总线和PC机相连，扫描和鼠标的结合也增加了该系统成为PC机标准配置设备的可能。     

基于乘客感知的公交车线路服务质量评价模型

针对传统公交车服务质量评价方法的局限性,提出基于乘客感知的普适性因素权值分析方法.首先以相关乘客作为专家并分组,建立基于乘客感知视角的专家权重确定方法,得到专家权重及指标综合权重.然后以上述多组数据作为先验样本进行 BP 神经网络的训练、测试与验证,从而获得可供推广的城市公交线路服务质量评价AHP-BP神经网络模型.最后以沈阳市某条公交线路为例展开实证研究,结果表明该模型在充分反映乘客感知服务质量因素的同时,降低了主观评价的随意性,给出了特定公交线路服务质量改进方向.     

基于多层次综合评价的公交运行瓶颈诊断

运行瓶颈诊断对公交发车时刻表调整和车辆调度优化具有重要意义。从公交乘客和公交运营企业的不同关切点出发,结合公交GPS和IC卡等实时运营数据,提出一种公交运行瓶颈诊断方法。在公交企业运营效益、公交乘客出行效率等因素分析的基础上,分别从站点层面提出公交车头时距、车辆延误度等运行评价方法,在线路层面构建公交行程时间与运输效益评价方法,以及基于站点、线路评价结果的线网层面综合分析方法。最后,利用案例获取的公交车位置、行驶速度、公交乘客数量等实时数据,以及公交站点、线路、线网和调度方案等静态数据,对所提方法进行检验。结果表明,公交运行瓶颈诊断结果与公交实际运行状况具有较高符合度,能够实时、有效反应公交运行状态,具有较好的工程实用价值。     

电动公交车线路和充电设施及策略规划方法研究

针对电动公交车充电设施配置不合理的现象,对电动公交车线路和充电设施及策略规划方法进行研究。综合考虑充电站及充电桩配置与公交线路运营特征设计参数两者的相互影响,以充电等待时间和运力为约束条件,建立社会福利最大化模型。基于两种不同的充电策略,讨论其对充电站内车辆排队充电等待时间的影响。以拉格朗日函数求解算法和遗传算法对模型进行求解,并以苏州市931路纯电动公交线路为算例对模型与算法进行了验证。研究结果表明,相比于遗传算法,基于拉格朗日函数的求解算法效率更高,求解结果更稳定。根据所构建模型设计的充电桩数量及线路运营特征参数,在满足充电等待时间约束的条件下可以实现社会福利最大。该研究所提出的模型可为电动公交车线路规划提供决策依据。     

基于遗传算法的MVB周期调度表优化

提出一种基于遗传算法的多功能车辆总线（MVB）周期信息实时调度算法. 先根据IEC61375 1国际标准确定约束条件和优化目标, 再以MVB周期信息群体为操作对象, 通过调整调度表的宽度和梯度等参数, 获得优化调度表, 以解决现有调度算法在数据传输能力和总线利用 率方面存在的不足. 仿真实验表明, 该算法相比其他算法对周期调度表的构建具有更佳的优化效果, 并提高了总线利用率.     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。