摘要：This paper addresses the problem of channel estimation in 5G-enabled vehicular-to-vehicular(V2V) channels with high-mobility environments and non-stationary feature. Considering orthogonal frequency division multiplexing(OFDM) system, we perform extended Kalman filter(EKF) for channel estimation in conjunction with Iterative Detector & Decoder(IDD) at the receiver to improve the estimation accuracy. The EKF is proposed for jointly estimating the channel frequency response and the time-varying time correlation coefficients. And the IDD structure is adopted to reduce the estimation errors in EKF. The simulation results show that, compared with traditional methods, the proposed method effectively promotes the system performance.

摘要：当高铁列车发生晚点偏离基本运行图,无法按图运行时,需要制定3~4小时阶段调整计划,以减少晚点。如何评估列车运行图的有效性,以合理地选择一个较优的阶段调整计划是行车调度的核心问题,尤其是列车运行过程中会持续受各种不确定因素的影响,形成新的晚点。针对该问题,设计开发了运控调度协同快速仿真系统,提出一种不确定扰动下列车阶段调整计划的鲁棒性评估方法。该仿真系统集成了机理和数据驱动结合的列车运行模型、数据驱动的列车延误不确定性扰动模型,以及交互式通信接口,具备了在各种延误扰动下列车阶段调整计划的仿真验证,并通过鲁棒性评估模块,对调度方案进行晚点传播情况、晚点恢复能力等性能指标的统计分析,对阶段调整计划进行全流程全场景的鲁棒性评估。以哈大高速铁路沈阳-大连北区段为例,对两种调度算法生成的调整运行图进行评估,验证了所设计的仿真器能够快速、可靠地对阶段调整计划进行评估,为未来开展智能调度,寻找晚点恢复性能和鲁棒性兼顾优化的调度算法提供准确的目标函数评估和数据支撑。

摘要：针对航空发动机涡轮盘多目标优化计算密集、案例需求大、分析费用高的问题,提出一种基于混合样本管理的人工神经网络训练方法,以辅助多目标粒子群优化算法处理这类计算密集问题。通过均匀设计的偏差控制,设计面向混合精度数值仿真的试验表;在误差分析基础上,通过联合优化“虚拟样本噪声强度—隐含层节点数—虚拟样本量”,确定混合样本集的构造方法和神经网络拓扑结构,以提高模型的精度和泛化能力;多目标优化过程中,采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性和均匀性;通过遗忘式增量学习提高寻优目标的导向性。以某型涡轮盘的多目标优化设计为例验证该体系的有效性。实验表明,所提方法在保证涡轮盘多目标优化质量的前提下,能够显著降低设计费用。

摘要：复杂产品有限元分析(Finite Element Analysis,FEA)费用很高,给多目标优化(Multi-ObjectiveOptimization,MOO)带来很大困难.提出一种人工神经网络(Artificial Neural Network,ANN)辅助的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)处理这类计算密集的设计问题:以基于噪声的虚拟样本丰富ANN的训练样本集,通过虚拟样本的控制参数和ANN模型参数的协同优化提高ANN泛化能力;以此ANN为代理模型支持多目标粒子群算法的进化,并采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性及均匀性.最后,以航空发动机高压涡轮盘(High Pressure Turbine Disc,HPTD)多目标优化案例验证该策略的有效性和可用性.试验证明,这种面向成本的MOO方法降低了复杂产品多目标优化的工程应用难度,提高了设计质量.

摘要：随着我国高速铁路(简称:高铁)通达范围和行车密度的不断提高,运行计划调整日趋复杂,利用计算机和人工智能等技术手段辅助调度员制定阶段调整计划是高铁智能调度的发展趋势。高铁运行计划调整问题是一个多阶段决策问题,具有决策链长、规模大、约束多等特点,导致传统的强化学习方法Q学习算法的学习效率低、收敛缓慢。文章提出一种基于Q(λ)学习的高铁运行计划智能调整算法,采用累积式资格迹设计多步奖励更新机制,有效解决稀疏奖励下收敛慢的问题,目标函数设计中充分考虑了股道运用计划,更适合反应行车密度增大时到发线的使用情况。仿真实验表明,Q(λ)学习算法在学习效率、收敛速度和收敛结果上均优于传统的Q学习算法。

摘要：为实现高铁列车群调度优化算法的数据支撑及可行性评估,提出一种机理模型和小数据驱动相结合的建模方法。构建限速条件下列车运行的参数化分段拟合模型,减少待辨识参数的个数;设计粒子群和最小二乘法相结合的参数辨识算法避免拟合不当的情况;得到临时限速下列车运行的"位置-时间-速度"特征曲面。在仿真平台上对所建立模型进行试验,对各种限速条件下列车运行时分进行准确快速的仿真,验证了模型及算法的有效性和可用性。

摘要：通过大庆外围特低渗透储层岩芯一维物理模拟实验，研究注水、注气、注水转注气这3种方式的驱油微观机理，对现场注水转注CO2提出可参考性建议。实验中主要利用了CO2的萃取、降黏等特点，与水驱相比，CO2驱驱油效率更高，增油效果明显。实验表明：对于低渗透储层，注水开发效果最差，约为40％；不同注水时机转气驱效果均好于水驱，而且注水时机越早采出程度越高，在10％～20％含水率转注气能有较好的经济效益；注气驱采出程度最好且采出程度都能达到67％左右。通过核磁信号测量，对比不同开发方式的剩余油分布可以得出，水驱和气驱动用的主要都是大孔隙中的油，而水驱转气驱由于CO2的波及范围更广，能对小孔隙中的部分原油进行动用。

摘要：为了培养自动化学生的新工科思维,以学生实践及设计中运动载体转速快速无静差控制为专题,基于理论教学,推导反馈控制数学模型,继而采用教学实验设备和仿真软件引导学生突破教学重点和难点,最后学生参与课外训练和科研活动,拓展和延伸教学内容。基于课程中电机转速调节控制专题,设计从理论—实验—训练递进型的教学内容,融合繁琐的理论教学与生动的实践教学为一体,以电力拖动控制为载体培养新工科学生分析问题和解决问题的能力。

摘要：主要探讨数据挖掘技术在公交IC卡信息处理方面的运用,设计了公交IC数据仓库结构,提出数据挖掘系统的框架。从公交运营决策者和公交规划者两个角度提出数据挖掘目标,并根据挖掘目标阐述数据分析过程及挖掘方法。

摘要：过程成套装备是过程装备与控制工程专业的核心主干课程,在培养学生解决复杂工程问题能力的过程中发挥了重要作用。大连理工大学在课程教学目标、教学内容、教学方法和持续改进方面进行了改革和探索,建立了"反向设计、正向支撑"的课程教学体系,并通过持续改进促进了过程装备与控制工程专业学生解决复杂工程问题能力目标的有效达成。