通勤交通方式链适应性评价与优化导向

从通勤者视角,将通勤距离分为长、中、短3组,采用统一的出行时耗可接受度评价标准,从门到门行程速度、广义成本、可靠性、满意度和选择比例分别分析不同通勤距离分组下各方式链的行程速度、可靠性、广义成本与满意度相关性,基于相关性分析结果建立适应性好的方式链判断标准.根据这一判断原则,挑选出通勤距离分组下适应性好的方式链类型,以适应性好的方式链所具有的特征指标为参照对象、公共交通优先发展为约束条件,提出通勤距离长、中、短分组中各交通方式链优化导向,为通勤交通服务质量的改善提供决策参考.     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

一种多关节机械臂运动过程中的碰撞检测方法

针对多自由度机械臂在运动过程中自身会发生碰撞的问题,建立机器人的简化模型(关节为球体,连杆为胶囊体),进而将多自由度机械臂的碰撞检测问题转化为简化后的几何模型(碰撞检测基元)之间的干涉计算问题。将此干涉问题进一步分解,最终转化为两球体之间、两胶囊体之间、球体与胶囊体之间的最小距离求解,并针对空间两胶囊体轴线之间距离计算问题,提出一种精确并快速的碰撞检测方法。将该算法实现并应用于6R串联机器人,最终利用MATLAB和ADAMS联合仿真进行验证。仿真结果验证了该算法的有效性。     

提示距离和初始速度对高速出口驾驶行为的影响

出口提示距离和初始速度对驾驶行为的影响直接关系到高速公路出口段的交通安全.为了分析二者的不同组合对驾驶行为的影响效应,在设计速度为100 km/h的山区高速公路服务区出口路段进行了3种出口提示距离(700、500和300 m)与3种初始速度(超速状态110 km/h、达速状态100 km/h和未达速状态90 km/h)组合条件下的驾驶行为实车试验,对减速车道渐变段起点处的断面行驶速度、最大减速度、变道初始位置等驾驶行为特征参数进行了采集和分析.试验分析结果表明:出口提示距离和初始速度均会对减速车道渐变段起点处的断面行驶速度造成显著影响,各种组合下减速车道渐变段起点断面行驶速度比主线设计速度降低8～18km/h;最大减速度受初始速度的影响显著,但是受出口提示距离的影响不显著,出口提示距离为700 m时达速和超速状态下车辆会出现不同于其他组合条件下的二次减速现象;出口提示距离是影响变道起始位置的关键因素,出口提示距离为300 m时,初始速度能够影响变道起始位置,随出口提示距离增大,初始速度对变道起始位置的影响变得不明显.文中试验结果可以为深入理解高速公路出口驾驶行为变化规律和优化出口设计提供参考.     

基于粒子群优化的马氏距离模糊聚类算法

为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。     

空间数据库反向最近邻聚类方法

针对当前空间数据库聚类方法未考虑降维后的距离特征反向结果, 导致空间数据分量失真, 存在聚类精度低、 耗时长的问题, 提出一种空间数据库反向最近邻聚类方法. 首先, 通过选取训练样本集实现核矩阵的特征分解, 获得其距离特征修正值去除初始值的影响; 然后, 根据核主成分分析（KPCA）降维并结合降维后的距离特征反向结果, 利用反向最近邻聚类方法与扩展的部分失真搜索法相结合, 实现空间数据的聚类; 最后利用选定的聚类中心对数据集进行计算, 计算数据集第一维分量与聚类中心第一维分量之间的失真, 得到反向最近邻, 直至所有空间数据均找到所属类别, 最终完成空间数据库反向最近邻聚类. 实验结果表明, 该方法提高了空间数据的聚类精度, 减少了空间数据聚类所用时间.     

基于时间参数的CTCS-1级RDC设置方式的研究

既有线车站分布情况复杂,存在一站多场、多站密集分布的情况,仅依据CTCS-1级区域列控数据中心(RDC)技术规范参数设置RDC,无法满足CTCS-1级列车在RDC切换时车地通信与控车数据更新需求.深入剖析基于单电台的CTCS-1级RDC列车切换场景,采用时间有色Petri网形式化方法对控车权移交过程参与对象进行模型抽象,通过CPN-Tools环境下的模型仿真,挖掘时速200km以下CTCS-1级列车移交过程车地通信中断时间范围,并将通信中断时间约束转化为距离约束,通过分析时间与距离约束探究既有线一站多场、多站密集分布场景下RDC的设置方式,为既有线RDC管辖边界点的选定提供理论依据与数据参考.     

一种改进禁忌搜索的K-medoids聚类算法

针对传统K-medoids聚类算法初始聚类中心随机选择、聚类精度不高、全局搜索能力较差以及禁忌搜索算法对初始值随机选取等问题,提出了一种粒计算与最大距离积法相结合的初始化禁忌搜索初始值算法,将改进后的禁忌搜索算法用来优化K-medoids,以提高聚类算法的性能。通过仿真试验论证了该算法具有较高的效率和准确率以及较强的稳定性。     

基于Hausdorff距离的直觉模糊多属性决策的TOPSIS方法

传统的TOPSIS方法在考察目标方案与正、负理想方案的距离时多采用欧氏距离来度量.用Hausdorff距离替换欧氏距离,并用其来度量直觉模糊集（IFS）之间的距离,进而建立相对贴近度的概念,由此对目标方案进行排序、择优.实证分析结果表明该方法有效、实用,在直觉模糊多属性决策中,该方法比欧氏距离方法要简单,但计算结果完全一致.     

有限域上二元线性码的一个构造

在有限域F8上定义码C,证明了码C是参数为[8,4,4]的八元线性码;由线性码C构造码G,确定了码G的码长,维数和最小距离,证明码G是参数[40,20,8]的二元线性码.