基于快速随机模型预测控制的网联混合车队生态驾驶策略研究

为解决网联汽车由于驾驶员误差存在导致的速度轨迹偏移问题,本文提出一种实时的考虑驾驶员误差的网联混合车队生态驾驶策略。首先通过实车试验采集不同驾驶员的驾驶员误差数据,建立基于马尔可夫链的驾驶员误差模型,用于预测未来一段时间的驾驶员误差。然后以最小化整个车队的燃油消耗为优化目标,将车队速度轨迹优化问题描述为一个最优控制问题,采用快速随机模型预测控制(fast stochastic model predictive control,FSMPC)算法求解车队中网联汽车的最优速度轨迹。仿真和智能网联微缩车试验结果表明,相比于传统的基于快速模型预测控制(fast model predictive control,FMPC)的生态驾驶策略,本文所提出的生态驾驶策略能够有效减小车辆的速度轨迹偏移,并降低整个车队的燃油消耗,且满足实时性要求。

人的可靠性认知模型在核电站中的应用

阐述了认知模型中几种重要的、与人的可靠性模型相关的概念，描述了通用失误模型系统（ＧＥＭＳ）及其在核电站事故分析中的应用，并指出了该ＧＥＭＳ模型在人误预测中的作用，最后简要说明了ＧＥＭＳ模型的应用前景。

基于CREAM方法的人因失效概率预测模型研究

认知可靠性与差错分析方法(CREAM)是第二代人因可靠性分析方法中的代表方法之一,通过对任务环境进行分析从而直接确定人为差错发生概率。本文分析了该方法及其后续研究在人因可靠度评估时存在的主要问题,并以CREAM方法为基础建立新的人因失效概率预测模型。模型首先要求有针对性的对具体任务环境确定通用性能影响因子(CPC)权重,然后通过对CPC进行打分对任务环境进行量化,通过加权求和的方式分别计算出CPC的改进总分值G和降低总分值J,最后运用新建的预测模型计算出人因失效概率。新模型提出了三点改进:第一将任务环境设定为连续的空间;第二提出了不同的工作环境(任务环境)应该有其对应的CPC因子权重;第三考虑正影响CPC因子和负影响CPC因子的双重影响,建立双变量预测模型,预测结果更加合理。

基于人体行为模型的跌倒行为检测方法

随着移动互联网的广泛应用,智慧社区等一系列移动互联应用等得到人们的重视,特别是以居家养老的老年人防跌倒检测备受关注.针对目前老年人跌倒没有及时得到检测报警,从而无法及时救助,进而产生更严重的安全性的问题,本文提出了一种跌倒检测方法.本文提出的方法首先对特定人体进行扫描,利用人体建模工具poser构建出人体模型,在运动过程中根据关节点位置将二维坐标映射出相应的三维坐标并通过节点位置预测算法对映射后的三维坐标进行关节点位置预测,然后将预测后的子关节聚合到父类三维空间坐标轴中并预测出父类关节点的运动状态,当子关节点与父关节点预测结果同时处于跌倒状态,则判断人体所处于跌倒状态.由于所建立的运动模型在运动特征上具有较高的真实性,以此获取关节点的数据变化真实可靠.经过大量的实验数据表明,本文提出的跌倒检测方法可以精准实时反应运动状态,检测准确率为99%,由此可见本文提出的方法应用于跌倒检测是有效并可靠的.

基于改进灰色GM(1,1)马尔柯夫模型的煤矿事故百万吨死亡率预测

煤矿安全事故预防和控制是煤矿安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测GM(1,1)模型和马尔可夫链理论的优点,提出了一种改进的灰色马尔可夫GM(1,1)模型.利用改进的GM(1,1)模型进一步拟合煤矿人因失误事故的发展变化趋势,并以此为基础进行马尔柯夫预测,提高预测效果.以2000-2010年全国煤矿事故百万吨死亡率为例进行了预测分析,结果表明模型既能揭示煤矿人因失误事故百万吨死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性,并对煤矿人因失误安全事故的预测和控制有一定的实际意义.