随机矩阵理论在高速路关键路径辨识中的应用

高速公路网络是我国各地区相互连接的重要纽带,高速公路网络关键路径辨识对确保高速网络的可靠运行具有重要意义。传统的关键路径分析方法基于拓扑结构,未考虑交通网络的运输量特性;而现有的基于运输量数据的分析方法只考虑部分路径的运输量特性,难以反映交通网络的实际运行情况。利用路径运输量数据,搭建运输量随机矩阵模型,针对高速公路网络异常后的运输量变化特性,定义关键路径评估指数,实现异常影响程度的量化评估,在此基础上提出一种基于数据驱动的高速公路网络关键路径辨识方法。最后,采用辽宁省高速公路网络进行分析,验证了所提方法的合理性和有效性,并将该方法应用于城市路网案例中,进一步证明该方法具有普适性。

标识线导航的智能车路径辨识方法研究

路径的正确辨识和诱导是实现标识线导航小车智能前进的基础和核心。采用跟踪边缘检测的阈值分割方法和数学形态学滤波的图像处理方法对采集的图像进行处理,实现对路径的识别。实验证明采用飞思卡尔S12单片机作为惟一控制单元,在基于OV6620图像传感芯片SCCB模式下采集图像,能有效剔除图像中的噪声点,路径辨识正确率达到约95%,系统运行稳定,能够满足智能车对路径的要求。

基于模糊控制的校园虚拟机器人路径辨识研究

机器人路径辨识的研究是机器人控制中的难点,精确建模以摸索人工智能控制非常困难。模糊控制是利用模糊算法来模拟人的思维过程,并构成模糊程序可依序对模糊指令进行解释和执行。本文通过利用某学院地图,并以简化的机器人块状模型,给出了基于模糊控制的机器人路径辨识方法。

国家助学贷款政策的变迁与路径选择

国家助学贷款制度是在高等教育实行成本补偿的背景下,出于促进教育机会均等的考虑而建立的。国家助学贷款实施十多年来,其政策虽几经变迁,但效果却不尽如人意。在对国家助学贷款政策进行全面梳理的基础上,深入考察政策设计中的现实困境及其背后的价值取向,提出基于"公平、效率"的国家助学贷款政策的路径选择。

电力电缆故障定位技术的应用研究

随着电力电缆投运数量的增多,开展故障定位技术研究是必然发展的趋势。通过深入研究电力电缆故障定位技术应用的技术条件及故障检测系统的整体构成,分析了多种电缆故障定位方法,探讨了该故障检测系统的优势及其实用性。并给出了实例分析,证实该故障检测系统在实际生产中具有一定的指导意义,对确保电网稳定可靠运行具有积极作用。

基因调控非耦联批式流加发酵切换系统的路径辨识

针对一类非耦联批式流加发酵生产1,3-丙二醇(1,3-PD)问题,综合考虑细胞内外环境、dha调节子的调控作用以及细胞内中间代谢产物3-羟基丙醛(3-HPA)对甘油脱水酶(GDHt)可能的抑制方式,建立了一个包含四条路径及四种切换模式的16维非线性切换系统模型.给出了状态变量关于参数的鲁棒性定义,并以胞外状态变量的计算值与实验值的相对误差、胞内状态变量的鲁棒性为性能指标,建立了一个非耦联批式流加发酵参数辨识模型.分析了系统状态对参数的灵敏度,基于此给出了性能指标与状态约束关于参数的梯度公式.构造了改进的并行粒子群一序列二次规划算法(PPSO-SQP).应用该算法,对辨识模型进行了数值求解,得到了数值最优的系统参数及3-HPA最可能的抑制方式.

公路联网收费站布局规划

提出了一种根据收费路网的连通性来确定联网收费范围的新方法和大型网络连通性计算机算法。分析了 3种常见的行驶车辆路径辨识方法的适用范围和局限性 ,探讨了由有向图的节点或边确定收费站和识别站位置的理想方法和基于可能路径辩识的简化方法 ,然后 ,对收费站和标识站布局原则、方法步骤进行了探讨。

一种新颖的深度因果图建模及其故障诊断方法

为了实现复杂工业过程故障检测和诊断一体化建模,提出了一种新颖的深度因果图建模方法.首先,利用循环神经网络建立深度因果图模型,将Group Lasso稀疏惩罚项引入到模型训练中,自动地检测过程变量间的因果关系.其次,利用模型学习到的条件概率预测模型对每个变量建立监测指标,并融合得到综合指标进行整体工业过程故障检测.一旦检测到故障,对故障样本构建变量贡献度指标,隔离故障相关变量,并通过深度因果图模型的局部因果有向图诊断故障根源,辨识故障传播路径.最后,通过田纳西-伊斯曼过程进行仿真验证,实验结果验证了所提方法的有效性.