数控机床故障分析与可靠性评价技术的研究

针对传统数控机床可靠性建模时只考虑故障间隔时间而忽略故障性质的现象，提出兼顾机械故障和电气故障的混合威布尔分布模型，进而提高模型准确度.利用最大似然法来确定混合威布尔分布模型参数，用皮尔逊相关系数来确定数控机床各故障时间之间的关系.并通过K-S方法对模型进行检验， 最后确定其符合混合威布尔分布，并运用可靠性评定方法得出数控机床的平均无故障时间.     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

KL油田沙三下亚段混合沉积特征及演化

针对目前莱州湾凹陷南斜坡带KL油田沙河街组三段下亚段陆源碎屑与碳酸盐岩混合沉积形成条件、沉积特征及模式认识程度较低的问题，利用该区壁芯、薄片及扫描电镜等资料，结合构造演化、古气候和古地貌背景，在层序格架约束下研究沉积环境，分析其沉积特征。结果表明，研究区发育混合沉积，形成于宽缓斜坡、亚热带湿润气候，兼具湖平面、物源、水动力条件周期性变化等条件；该混合沉积包括相缘渐变混合与原地混合两种沉积类型，互层式和组分式两种混合模式，以及4种混合样式。两种混合沉积类型沉积机理不同，混合模式及组合样式表现较大差异，因而具有不同的储层微观特征。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量，能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型，利用BP 神经网络对样本数据进行处理，再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段，利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证，并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

面向手机的云端VR三维场景立体显示与交互框架

针对手机无法渲染可交互的高质量三维场景这一弊端,提出一种面向手机的云端VR应用框架。此框架结合云渲染和VR技术在手机端实现可交互高质量三维场景的立体显示,并以手机浏览器作为客户端,利用视频块流传输图像数据、消抖算法(AJA)处理交互数据,实现Web端轻量级渲染,不仅降低了移动端数据可视化运算成本,还避免使用插件和下载安装包。实验表明本文框架的显示帧率能达到30帧每秒,带宽控制在80 kb/s以内,能稳定地在手机上实现传统App无法实现的逼真VR体验。     

基于解释结构模型和MICMAC的城市交通拥堵问题分析

通过对城市交通拥堵现状的调查研究,从管理、设施和交通参与者3个方面归纳出造成城市交通拥堵的11个主要因素,建立了解释结构模型,分析了各因素间的层级关系,通过交叉影响矩阵相乘法(matriced impacts corises-multiplication appliance classment, MICMAC)分析对影响因素进行了分类,进一步分析了各因素对交通拥堵的影响,找到了造成城市交通拥堵的表层、中层和底层影响因素,为缓解城市交通拥堵问题提供了可供借鉴的依据.     

定制公交居民出行方式选择的影响因素

掌握影响定制公交选择概率的因素,对于定制公交的运营管理具有重要作用。结合广义Logit回归模型和条件Logit回归模型的混合模型,将居民个人属性与出行方案属性同时考虑进出行方式效用函数中。根据定制公交的在旅途距离及服务水平的设置定位,选取定制公交、出租车与常规公交作为出行选择集。运用问卷调查数据进行模型参数拟合,得到不同影响因素对于出行方式的边际效用和分布概率的影响。通过拟合结果,得到出行价格变量的系数在常规公交及定制公交1的效用函数中绝对值较大,分别为0.195 4和0.117 3,而在定制公交2和出租车的效用函数中绝对值较小,分别为0.156 1和0.057 1。行程时间变量在定制公交2和出租车效用函数中的绝对值较大,分别为0.073 5和0.080 7,在常规公交和定制公交1的效用函数中绝对值较小,分别为0.020 4和0.015 0。说明定制公交的服务需根据潜在乘客的出行价格及出行时间敏感度进行设置,研究结果对设置定制公交运营策略具有重要参考意义。     

雾天高速公路交通事故的特征及与能见度的关系

 从全国雾天交通事故多发的10条高速公路路段中选取交通气象观测条件较好的4条路段作为研究对象，主要研究了雾天交通事故的特征，并通过雾天交通事故与能见度的关系分析，定量研究了交通事故在不同能见度区间的分布规律。与晴天交通事故相比，雾天交通事故后果更为严重，伤亡率明显增加。事故类型以撞固定物和刮擦为主。雾天事故中，肇事车辆为重型货车、中型货车和大型客车的比例比晴天增加。雾天事故的原因主要有在同车道行驶未按规定与前车保持安全距离、操作不当、低能见度下不按规定行驶。统计表明，雾天交通事故主要发生在秋冬季节的凌晨至早上时段，事故高峰期为早上7∶00左右，这与大雾日数的时间分布具有较高的一致性。70%~90%的雾天交通事故发生在能见度低于1 km的情况下，其中能见度低于100 m的区间内比例最高，为25%~50%。能见度低于1 km时，交通事故发生的概率密度随能见度增加而减小，尤其当能见度低于300 m时，交通事故发生的概率出现突发性增长，当能见度低于100 m，交通事故发生的概率密度增长到30%左右。根据交通事故在不同能见度区间的分布，将能见度对交通安全的影响划分为4个等级，实现了气象能见度到交通安全等级的转化，可为交管部门制定雾天交通事故防范对策，以及气象部门开展交通气象服务提供科学依据。