多源数据融合驱动的城市快速路交通状态划分

为提升交通状态划分效果,本文提出一种基于负激励项的改进模糊C均值聚类(BNITFCM)交通状态划分模型。该模型在原有FCM(Fuzzy C-Means)模型基础上考虑了交通流样本点权重以及交通流参数权重对聚类效果的影响,并引入隶属度负激励项、交通流权重负激励项、交通流样本点权重负激励项使聚类结果呈现类内高耦合、类间低耦合的特性。在此基础上,对样本点进行加权处理,用加权欧氏距离描述样本点之间的关系。通过拉格朗日乘子法得出模型的迭代公式并通过该迭代公式对模型进行求解。针对大多交通状态划分方法参数特征维度低的问题,本文以经过多源数据融合获得的速度、速度标准差、流量、密度和道路满载度构建高维特征输入。以数值仿真实验检验了BNIT-FCM模型在分类准确性方面的表现,结果表明,BNIT-FCM模型较FCM模型和改进模糊隶属度FCM模型(IFMD-FCM)的ARI(Adjusted Rand Index)分别提升了4.17%和3.56%。以深圳市北环大道卡口和浮动车数据的交通流为研究对象,实验结果表明,BNIT-FCM模型对比FCM模型以及IFMD-FCM模型的轮廓系数分别提升了4.12%和4.07%;同时,BNIT-FCM模型采用多源融合数据的速度及其标准差比单独采用卡口数据和单独采用浮动车数据的速度及其标准差的轮廓系数分别提升了29.67%和54.13%。

基于状态划分和集成学习的轴承剩余使用寿命预测模型

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。

基于爬坡方向状态划分的MCMC风电功率序列建模方法

由于电网弃风或者灵活性资源不足往往发生在风电大量发电时,故提高风电时间序列模型对大出力状态的建模-抽样精度,有助于后续的电网灵活性资源相关研究。在传统马尔科夫链蒙特卡洛(MCMC)法和持续与波动蒙特卡罗(PV-MC)法基础上,提出一种考虑爬坡方向状态划分的改进方法,以更准确地描述风电出力连续爬坡至大出力状态的过程。该方法以累积分布概率而不是以功率大小均匀划分状态区间,使各个状态区间的样本分布更均匀,提高了风电时间序列模型对大出力状态的建模-抽样精度。通过算例比较所提方法、MCMC法及PV-MC法生成风电功率序列与历史数据的分布特性和统计特性指标,结果表明,所提方法的拟合度较好,且能够有效解决MCMC法和PV-MC法高出力、样本偏少的问题。

基于ZD6转辙机电流数据的道岔转辙器健康状态划分

为了能够准确评估道岔转辙器的健康状态,进而实现道岔转辙器“状态修”,以ZD6转辙机驱动的道岔转辙器为研究对象,采集ZD6转辙机在额定牵引力的100%-120%区间内不同负载下的工作电流数据构建数据集,在此数据集上采用CNN-SVM网络进行健康状态划分。首先利用CNN对电流数据进行特征提取,然后将CNN提取的特征输入到SVM中进行训练和分类,从而实现对ZD6转辙机牵引的道岔转辙器健康状态的划分。实验结果表明,该方法的分类准确率达到93.3%,为铁路系统的安全运维提供了有力的数据支撑。

交通状态划分的参数权重聚类方法研究

由于交通流量、速度、占有率或密度等参数在交通状态划分中作用不同,本文提出了基于参数权重聚类的交通状态划分方法.根据交通参数数据的相似性,应用基于加权欧氏距离的相似性度量方法构建了交通参数评价函数,并用梯度下降法极小化评价函数对交通参数权重进行求解.将交通参数权重应用于模糊C均值聚类算法(FCM),得到基于参数权重的FCM道路交通状态划分方法.应用提出的模型对选取的实际交通参数数据进行交通状态划分,并与基于欧式距离的FCM状态划分结果对比.研究结果表明,本文提出的方法提高了交通状态划分精度,更接近交通实际运行状况.

基于统计特性的城市快速路交通流状态划分

目前交通流理论研究的主要对象为高速公路,与其相比,城市快速路交通流则具有明显不同的特点.交通科学是一门说证科学,在实证数据的基础上,首先对城市快速路交通流速度概率分布进行了研究,分析了在不同密度条件下速度概率分布的特性.在此基础上,在流—密平面中将交通流划分为自由流、谐动流、同步流和堵塞4个稳态相位,并具体讨论了各个相位的性质,定量标定了每个相位的区域范围.

城市快速道路跟车行为的状态划分

为了提出划分车辆跟驰行为状态的量化标准和划分方法,利用基于车载高精度GPS接收机的实时动态车辆跟驰数据采集方法,获得196 000对反映北京市城市快速道路实际交通流状况的前后车跟车数据,筛选出208个时间段,每个时间段仅包含1种状态的跟车数据,运用动态聚类的方法,以平均加速度为划分指标,把1个完整的车辆跟驰状态划分为加速、稳定跟车和减速3种跟车状态.

一种状态自动划分的模糊小脑模型关节控制器值函数拟合方法

在庞大离散状态空间或连续状态空间中,强化学习(RL)需要进行值函数拟合以寻找最优策略.但函数拟合器的结构往往由设计者预先设定,在学习过程中不能动态调整缺乏自适应性.为了自动构建函数拟合器的结构,提出一种可以进行状态自动划分的模糊小脑模型关节控制(FCMAC)值函数拟合方法.该方法利用Bellman误差的变化趋势实现状态自动划分,并且探讨了两种选择划分区域的机制.汽车爬坡问题和机器人足球仿真平台中的实验结果表明新算法能有效拟合值函数,而且利用所提出的函数拟合器智能体可以进行有效的强化学习.

基于多源轨迹数据的城市交通状态精细划分与识别

针对基于路段的城市交通状态分析方法的不足,本文利用公交车和出租车轨迹数据提出了城市交通状态精细划分和识别方法,实现城市交通状态分析.对两种轨迹点的速度值和空间位置值分别进行归一化处理,以此为属性数据,通过迭代计算轮廓系数确定k值完成轨迹点聚类,结合二次处理方法对类簇进行拆分和融合以划分道路交通状态;在特征级建立多源数据融合方法,实现交通状态速度值计算;以归一化后的速度值为属性数据,通过聚类将样本分为4类对应4种城市交通流状态层级.实验表明,本文方法能够实现道路交通状态精细划分,能有效地识别出道路局部位置的交通状态,进而可为城市道路交通管理提供决策支持.

飞机钣金零件多态模型状态划分方法

对飞机钣金零件多态模型作进一步研究,分析了飞机钣金零件的制造状态衍化特性和典型状态,讨论了状态划分的原则和依据,建立了基于典型状态的划分方法和基于XML的状态方案表达方法,提出了状态划分的评价流程和基于成熟度的优化方法。实现了面向制造过程的飞机钣金框肋类零件状态划分,为钣金零件多态模型数字化定义提供了依据和信息组织框架。

基于状态划分的滑坡位移预测方法研究

滑坡位移预测是滑坡灾害研究中的一个重要内容,然而现有研究将滑坡视为一个对外界响应稳定的系统,即相同的外界条件下,滑坡的位移变化是相同的。实际上,随着时间的推移,滑坡所处状态不断变化,相同的外界激励下的位移响应相差甚远。从滑坡状态与位移的响应规律出发,提出了一种基于状态划分的滑坡位移预测方法以实现更高精度的滑坡位移预测。采用K均值聚类法对滑坡变形速度和加速度进行了聚类分析,获取了表征滑坡变形程度和变形趋势的状态标签。根据状态标签对监测数据进行了划分,对每一类数据均单独构造一个BP神经网络,并依据上一时刻的状态标签选择对应的预测器来完成滑坡位移预测。将该方法运用到白水河滑坡的工程实例研究中,结果表明此方法具有较高的预测精度。

滚动轴承的退化状态划分与剩余寿命预测

为了准确预测滚动轴承剩余使用寿命,采用模糊综合评价法解决轴承退化状态难以划分的问题,并借助支持向量机在小样本数据分析方面具有的良好能力,以及差分进化方法高效的并行搜索信息的方式,提出了一种基于支持向量回归和差分进化算法混合的滚动轴承剩余寿命预测模型,该模型采用差分进化算法获得支持向量回归模型的最优参数,结合试验平台采集的加速寿命试验数据。实验结果表明:模糊综合评判方法可以较好地划分轴承退化状态,有利于预测不同退化状态下的剩余寿命。

基于多状态空间划分的风电机组非完美维修决策

对风电机组的合理维护维修是减少风电场运维成本的重要方式。同一风电场的多台风力发电机构成了一个典型的多部件系统,各风力发电机的运行性能共同决定了系统整体的运行效率和维修需求。同时,对各风力发电机的维修效果也将影响到系统后续的可利用率和维修决策。该文以同一风电场中多台风力发电机的主轴组成的同型多部件系统为对象,在考虑非完美维修的条件下制定基于周期检测的视情机会维修策略;构建考虑非完美维修的多状态退化空间划分模型,以定义系统状态与维修需求的表示及关系,并归纳推导系统维修需求概率的计算模型和非完美维修干预下的系统退化及维修恢复过程中的状态转移概率;在此基础上,建立系统平均费用率解析模型,以确定最优的检测周期和维修阈值。通过某风电场的主轴实际运行数据进行数值实验,验证策略和模型的正确性和有效性,并对参数进行灵敏度分析以说明模型的适用性。结果表明该策略能有效减少风电场的运维成本。

立管流动中流动状态的划分和流动状态图

立管流动应用于众多的化学工业过程,因而对立管中的气固流动研究早已受到关注。本文将就立管特点、流动状态的划分及流动状态图等方面作简要的评述。

基于改进Kruskal-Wallis检验的低压开关电器状态表征参数选择

由于状态数据的多属性、高维度和大数据量,以及特征参数难以满足正态性和方差齐性检验的事实,低压开关电器的状态表征参数难于选择。针对该问题,基于非参数单体多状态样本的分组状态间秩差异性,以及特征参数Kruskal-Wallis(KW)检验统计量的计算规则和变化趋势,研究论证了单体样本特征参数表征显著性鉴别机理。同时,基于状态序列斜率变化增量和子序列变异增量,提出样本状态时序分类算法,并将该算法与参数鉴别机理相结合,形成单体多状态样本改进KW检验理论。最后,基于改进理论提出低压开关电器状态表征参数选择新方法。以交流接触器为例进行验证,结果表明该文方法适用于具有非线性、非平稳、动态随机分布等特点的低压开关电器状态表征参数选择。实例证明,基于该方法获得状态表征曲线的拟合优度可达0.91,状态划分显著性P值可达8.42848×10–266,表征与分类精度较参数选择前及同类方法提升明显,为下一步研究低压开关电器状态的精确划分与识别奠定了理论基础。

岸桥起升减速箱停机散热模型构建与健康状态快速划分研究

为了进一步提升岸桥安全监测水平,采用了构建起升减速箱停机散热模型的方法,研究了减速箱的停机散热规律,实现了对其健康状态的快速划分。结合传热学原理及减速箱停机散热机理,构建出了减速箱的停机散热模型,并利用上海港某岸桥起升减速箱的现场监测数据进行了数据拟合,找出了对应于影响减速箱散热最重要因素的模型拟合参数,并给出了减速箱的散热规律;在此基础上,通过减速箱停机散热的初始温度对其进行了健康、亚健康、故障3种状态的快速划分。研究结果表明:基于起升减速箱停机散热的初始温度,可以对其健康状态进行快速而有效地划分。

考虑不同状态划分方法的马尔科夫链入库径流预测

针对传统马尔科夫链方法状态划分单一的缺点,考虑入库径流的分布特性、丰枯状态划分的模糊性及径流年内分布的不均匀性,分别采用均值-标准差法、频率法、模糊法及模糊-集对法对入库径流进行状态划分,采用一步预测与多步加权预测相结合的方式对大渡河瀑布沟水库入库径流情势进行预测,探究不同状态划分方法及预测方法对马尔科夫链径流预测结果的影响。研究表明:考虑径流年内分布的状态划分结果更为合理,常规马尔科夫链方法对径流预测准确性的影响明显。研究结果可为今后应用马尔可夫模型开展径流预测提供科学依据。

考虑非完美维修的多部件系统劣化状态空间划分建模

为了进一步深入研究考虑非完美维修效果的建模方法,利用劣化状态空间划分思想对考虑非完美维修的多部件系统视情机会维修策略进行了统一建模。针对多部件系统,考虑非完美维修效果,制定了基于周期检测的视情机会维修策略,建立了联合劣化状态空间划分模型,给出了所有维修需求组合及其概率计算通式,推导了联合稳态概率密度函数。通过数值实验验证了上述模型及联合稳态概率密度函数求解的正确性,同时定性分析了该建模方法对研究相同多部件系统维修优化建模的有效性,为后续的维修优化研究奠定了基础。

灰色马尔柯夫模型状态划分方法在物流需求量预测中的应用

在灰色马尔柯夫预测模型中,状态划分方法的选择是影响预测结果精度的一个重要因素.目前,状态划分方法还没有统一标准,文章对成都市物流需求采用三种常用的状态划分方法,分别是中心趋势线法、实际值与预测值比值法、模糊C均值聚类,比较预测结果精度,得出中心趋势法的状态划分方法应用到灰色马尔柯夫预测模型精度最高.