基于误差融合模型的地铁车站客流监测方法研究

针对城市轨道交通拥堵问题和智慧地铁发展要求,提出了一种基于误差融合的城市轨道交通短时客流预测模型。采用灰色关联分析方法对客流关键影响因素进行识别,基于线性回归模型对车站客流进行预测,并进一步利用神经网络模型对预测误差进行修正,以广州地铁十八号线某站的进、出站客流数据为例进行案例研究。研究结果表明:与传统统计模型及单一的神经网络模型对比,基于误差融合的短时客流预测模型均方根误差分别降低了38.0%与29.6%,平均绝对误差分别降低了46.4%与35.1%,证明了该模型在短时客流预测方面的准确性、可靠性,为地铁车站客流监控提供了技术支撑。

基于融合误差的直驱H型平台自适应全局滑模轮廓控制

针对直驱H型平台在跟踪非线性轨迹时,同步误差及系统负载变化影响轮廓跟踪精度的问题,提出一种基于融合误差的滑模轮廓控制器与最优位置控制器相结合的控制策略。将并联轴位置不同步引起的横梁(X轴)偏转角定义为等效同步误差。基于等效误差模型,构建适用于H型平台轮廓控制的融合误差模型,并以融合误差为状态变量设计自适应全局滑模轮廓控制器,在消除同步误差影响的同时,抑制负载变化对轮廓控制精度的影响。通过最优系统频域因子分解求解位置控制器的参数,提高单轴伺服系统的动态响应性能,减少位置超调量。最后,实验结果验证了所提出的控制策略能有效减小直驱H型平台伺服系统的轮廓误差和同步误差,增强系统的鲁棒性。