基于PSO算法的城轨列车自动驾驶控制策略研究

由于传统的控制方法对于城轨列车运行这一非线性过程难以获得令人满意的控制结果,而粒子群算法(PSO)相较于布谷鸟搜索算法(CS)具有更快的收敛速度,更简洁易操作等优点,因此,文章尝试在此前CS算法研究的基础上,基于PSO算法对列车自动驾驶系统建立仿真模型并进行智能算法研究。通过MATLAB软件对列车运行过程中的精度、误差、节能、舒适度等目标进行仿真并比较结果。结果表明,城轨列车自动控制系统采用PSO算法是可行的。     

基于神经网络的列车自动驾驶控制算法研究

对列车自动驾驶系统的速度控制过程进行了分析,针对传统PID算法缺乏自适应能力的缺点,在传统神经网络算法的基础之上对神经元的学习算法作出改进,设计出了基于RBF网络辨识的单神经元自适应PID控制器,仿真结果表明该控制器能够满足列车自动驾驶系统速度控制要求。     

列车的自动防护和自动驾驶技术

介绍在城市轨道交通中应用的先进列车自动防护系统和列车自动驾驶系统技术。     

基于深度学习的列车门窗检测算法研究

本文分析了深度学习算法和列车门窗检测的意义,并且从目标检测技术中的图像特征、传统的分类算法、神经网络与深度学习、基于可变窗的物体检测模型四个方面研究了基于深度学习的列车门窗检测算法。希望能够通过本文的研究内容为相关工作人员提供一些参考意见,从而进一步提高铁路运输的安全性。     

基于深度学习的危险驾驶状态检测预警系统设计

危险驾驶检测系统主要作用于驾驶员在长时间驾驶过程中,因驾驶疲劳或分心造成注意力不集中能及时作出警示。文章比对目前国内外危险驾驶的检测方法,介绍了危险驾驶状态检测预警系统的设计流程及功能模块,并对系统中判断危险驾驶行为涉及的方法及关键技术作出分析,通过深度学习中人脸检测等相关算法模型以及多技术配合研究,更快速、更准确地实现驾驶员危险驾驶状态的检测和预警,有效降低交通事故发生概率。     

基于非线性PID的列车速度控制

列车自动驾驶系统能提高轨道交通的效率,而它的主要功能是对列车速度的自动控制.与其他的一些控制对象不同,列车速度的自动控制除了要控制好速度以外,还需要考虑到乘客的舒适感.为此,文章设计了一种基于非线性PID原理的控制器,并通过MATLAB软件的Simulink模块进行了仿真.仿真结果表明,该控制器能在保证乘客舒适性的情况...     

列车自动驾驶系统(ATO系统)在地铁中的应用

20世纪80年代以来,地铁的发展建设受到了国家及各大城市的普遍重视,其中实现列车自动驾驶功能成为技术发展的必然趋势,国内的几大城市(北京、上海、广州,天津等)已开始运行列车自动驾驶(ATO)设备全部是以高成本引进的国外成套设备,本文特针对三大城市的列车自动驾驶的系统特点进行比对分析。     

基于深度学习的驾驶场景数据应用

真实驾驶场景是智能网联汽车开发、测试及相关技术发展的基础条件及关键支撑,可为相关研究的开展提供重要理论依据,而目前,我国有关真实道路场景数据的相关研究比较匮乏。本文首先研究搭建Tensorflow框架用以处理视觉感知任务的深度学习平台,然后基于真实驾驶场景数据,研究智能车辆视觉感知驾驶环境所依赖的核心算法与网络模型,采用卷积神经网络Multi Net实现真实交通环境中行驶车道的分割和目标物的检测。     

基于深度学习的智能体轨迹预测文献综述

智能体的轨迹预测是人工智能领域中的热点之一,特别是在自动驾驶领域,预测智能体下一时间点的位置是自动驾驶辅助系统的关键任务。在智能体轨迹预测技术的基础上,根据建模方法的不同进行分类介绍,分别为循环神经网络(Recurrent Neural Network, RNN)、卷积神经网络(Convolutional Neural Network, CNN)、生成对抗网络(Generative Adversarial Network, GAN)和混合网络,同时分析了常见的经典模型的优缺点,归纳了当前常用公开的轨迹预测数据集和评价指标,比较了经典模型的算法性能,对智能轨迹预测方向进行了展望和总结。     

基于竞争双深度Q网络的频谱感知和接入

认知用户通过频谱感知和接入过程识别频谱状态并占用空闲频谱,可有效利用频谱资源。针对频谱感知中存在感知错误和频谱接入中存在用户碰撞的问题,首先建立多用户多信道模型,设计频谱感知和频谱接入过程;然后通过结合双深度Q网络和竞争Q网络,设计竞争双深度Q网络,解决过估计问题的同时优化网络结构;最后通过智能体与所设计模型中状态、观测、回报和策略的交互,完成使用竞争双深度Q网络解决频谱感知和接入问题的一体化研究。仿真结果表明,相比于已有深度强化学习方法,使用竞争双深度Q网络得到的数值结果更稳定且感知正确率和信道利用率都提高了4%。     

基于超级电容的列车制动能量回收控制策略

针对列车电制动回馈能量回收与利用问题,文中通过分析列车运行特性,重点探究了列车运行过程与牵引网电压波动之间的关系。结合牵引变电所供电功率与列车用电功率动态不匹配特性,采用车载式制动能量回收利用系统的方案,提出了基于列车用电功率动态变化的超级电容充放电控制策略。该方案主要由超级电容串并联储能单元和双向DC-DC变换器组成。利用MATLAB进行建模仿真分析,结果表明,该控制策略在有效回收利用列车制动能量的同时抑制了牵引网电压波动,为列车制动能量回收与利用提供了有效的解决方案。     

基于主题和表单属性的深层网络数据源分类方法

当前深层网络中蕴含着高质量的海量信息并且其数量不断地增长,由于深层网络具有分布、异构、自治等特点,用户高效、快捷地获取自己感兴趣的信息面临巨大挑战.将深层网络数据源按领域分类是解决这一挑战的基础.本文以对航空订票、图书、汽车和房地产领域的200多个数据源的统计和分析为基础,充分利用主题和表单属性信息,提出了一种新的深层网络数据源分类方法以及改进的查询接口相似性度量方法,实现深层网络数据源的自动分类.本文还提出了一种查询接口标记策略,以降低随机选择初始中心点所产生的影响.实验结果表明该方法具有较高的分类精度.     

Adaptive Data Transmission Control for Multilane‐Based Ethernet

We propose a reconciliation sublayer (RS)‐based lane and traffic control protocol for energy‐efficient 40‐G/100‐G Ethernet. The RS performs active/inactive lane control and data rate adaptation depending on active lane information received from the upper layer. This protocol does not result in a processing delay in the media access control layer, nor is an additional buffer required at the physical layer for dynamic lane control. It ensures minimal delay and no overhead for the exchange of control frames and provides a simple adaptive data rate.     

基于自适应波束天线自组网的能量效率拓扑控制

 针对自适应波束定向天线自组网,运用样方统计法推导自组网高概率连通的关键传输半径和邻居数K,提出一种基于邻居数的分布式拓扑控算法DK-Neigh,构建结点出度等于(或略小于)K的有向连通拓扑图.仿真结果表明:DK-Neigh可以保证网络连通率大于96%;当天线波束宽度小于60时,DK-Neigh的结点节能比全向天线K-Neigh算法提高15%.DK-Neigh在保证网络高概率连通的同时减少结点能耗,提高网络能量效率.     

基于深度学习的雷达自动目标识别架构研究

针对深度学习运用于雷达目标识别时存在的数据量欠缺和数据人工标注难等问题,提出将传统目标识别方法与人工智能技术结合,建立面向应用的新的目标识别架构,通过融合处理以及基于传统方法的机器自动标注,获得更优越的识别效果,大幅减少人工标注的工作量,确保系统在低数据量、低标注数据下仍可维持一定的识别效果。雷达实测数据证明了该识别框架的有效性。     

一种基于深度学习的电子商务满意度评估方法

随着电子商务的崛起,越来越多的消费者选择通过网购来获取所需的商品。消费者评论信息中包含了对商品、物流等电子商务各方面的满意程度,这就使得在线商品评论信息成为研究电子商务满意度的重要参考依据。因此充分分析商品评论中的消费者满意程度,具有巨大的商业价值和社会价值。本文从意见挖掘的角度出发,提出了一种基于深度学习的电子商务满意度评估方法,旨在为消费者进行网购决策时提供一些指导建议。     

高速列车司机室异常噪声分析与控制研究

对高速列车司机室内的噪声和振动进行了测试,分析车内的噪声与振动水平、噪声传递路径及声源特性,探寻造成司机室噪声水平过大的原因,提出通过车轮鏇修解决司机室噪声过大问题的建议,并对车轮鏇修前后的司机室噪声与振动水平进行了对比测试分析,并由此开展了高速列车司机室噪声控制措施的研究.结果表明,车轮第20阶多边形是使车内噪声和振动过大,并形成588 Hz显著频率的主要原因.车辆结构在580 Hz附近存在局部模态区,当外界激振频率落在这一区域时,会激发车辆结构的共振.通过车轮鏇修,改善车轮多边形,可以在一定程度上缓解车内噪声问题.但是,优化车辆结构,使车辆模态避开车内噪声显著频率范围,才能从根本上解决包括司机室噪声过大在内的一系列由于共振引发的车内噪声问题.另外,结构振动声辐射对司机室显著声源具有一定贡献,针对司机室噪声控制,还需要采取一定的减振措施.     

一种基于深度学习的强对抗性Android恶意代码检测方法

针对现有Android恶意代码检测方法容易被绕过的问题,提出了一种强对抗性的Android恶意代码检测方法.首先设计实现了动静态分析相结合的移动应用行为分析方法,该方法能够破除多种反分析技术的干扰,稳定可靠地提取移动应用的权限信息、防护信息和行为信息.然后,从上述信息中提取出能够抵御模拟攻击的能力特征和行为特征,并利用一个基于长短时记忆网络（Long Short-Term Memory,LSTM）的神经网络模型实现恶意代码检测.最后通过实验证明了本文所提出方法的可靠性和先进性.     

基于深度学习的miRNA与疾病相关性预测算法

大量研究表明,microRNA（miRNA）在人类复杂疾病研究中发挥着重要作用.识别miRNA与疾病之间的关系对于提高复杂疾病的治疗水平具有重要意义.然而,传统实验方式常受限于小规模和高成本,因此迫切需要计算模拟的方式快速有效地预测miRNA-疾病间的潜在关系.本文通过结合深度学习的堆叠自动编码器算法与旋转森林分类器对miRNA-疾病间关系进行预测.该方法能够有效抽取出融合了疾病语义相似性、miRNA功能相似性和miRNA序列信息的高级特征并对其进行准确分类.在交叉验证实验中,该方法在HMDD v3.0数据集上取得90.30%的预测准确率.此外,我们还在人类复杂疾病乳腺肿瘤上做了案例研究.结果,模型预测得分最高的前30个疾病关联miRNA中28个得到了证实.这些优异的结果表明,该算法是一种有效预测miRNA-疾病关系的工具,能够为生物实验提供高可靠的疾病关联miRNA候选物.