【摘 要】
：
电缆在使用时一般会铺设在电缆槽中,而电缆槽对铺设其中电缆之间的串扰会形成影响.针对电缆槽中电缆之间的串扰问题,提出一种结合多端口网络理论及分块级联思想的建模方法,使用基于波导格林函数的矩量法来提取电缆槽中电缆间的分布参数,并用虚拟节点理论将提取的分布参数矩阵转化为模型中的传输函数.通过与商业电磁仿真软件的仿真结果进行对比,验证了本文的模型及算法在分析电缆槽中电缆间的串扰问题时具有较好的精确度,最后运用此方法分析了电缆处于电缆槽中不同位置时的线间串扰大小,并结合铁路现场的实际情况对电缆槽中电缆的布线方式提出
【机 构】
：
北京交通大学 电子信息工程学院,北京 100044
论文部分内容阅读
电缆在使用时一般会铺设在电缆槽中,而电缆槽对铺设其中电缆之间的串扰会形成影响.针对电缆槽中电缆之间的串扰问题,提出一种结合多端口网络理论及分块级联思想的建模方法,使用基于波导格林函数的矩量法来提取电缆槽中电缆间的分布参数,并用虚拟节点理论将提取的分布参数矩阵转化为模型中的传输函数.通过与商业电磁仿真软件的仿真结果进行对比,验证了本文的模型及算法在分析电缆槽中电缆间的串扰问题时具有较好的精确度,最后运用此方法分析了电缆处于电缆槽中不同位置时的线间串扰大小,并结合铁路现场的实际情况对电缆槽中电缆的布线方式提出了建议.
其他文献
高铁列车运行控制系统的可靠性对保障安全运营有重要影响,迅速而准确地对系统故障进行诊断有重要意义.基于隐马尔可夫模型,以无线通信子系统为对象,探讨了具有随机性和间歇性故障特征的诊断方法,建立了系统模型,给出了参数训练及故障诊断算法.通过系统测试,验证了算法的收敛性和可用性.实验结果表明,在确保样本量足够大的前提下,系统故障的平均诊断率能够达到97.5％,该方法对故障诊断有良好的效果.
针对目前高速铁路列控车载设备故障诊断过度依赖于专家经验且诊断正确率不高等问题,提出了以专家知识为基础,以贝叶斯网络为核心的故障诊断方法.首先,以CTCS3-300T型列车运行控制系统的车载设备为研究对象,建立基于专家知识的贝叶斯网络.其次,根据故障记录数据集使用K2算法进行结构学习并对学习后的贝叶斯网络结构做适当简约处理.利用极大似然估计算法进行参数学习,得到故障诊断的最优贝叶斯网络.最后,通过诊断推理,得到该故障诊断模型的诊断正确率为88.20％,验证了该贝叶斯网络模型的可行性和有效性.
针对车联网中数据回传时,由于车辆的移动特性以及路边单元和车辆有限的通信范围,车辆在计算任务完成前已经驶离RSU通信范围而面临的回传选择问题,提出基于V2 I直传和V2 V辅助传输的新方法.首先,通过对车辆的移动、回传数据量、最大传输时延以及链路有效寿命进行估算,判断使用何种传输策略.其次,在设计辅助传输策略时综合考虑车辆的速度、方向、位置等因素,并将这些因素用稳效值来衡量.在构建回传链路时采取贪婪选择方式,选择稳效值最大的邻居节点作为中继节点.实验表明,本文提出的回传策略相比其他算法在传输时延和包交付率方
城市隧道封闭狭长的结构使其内部的电波传播特性不同于室外,其内部的无线信号覆盖情况一直都被广泛关注.隧道内的无线通信系统可承载安全管理、调度指挥等业务,在行业信息化方面发挥重要作用.随着天线技术的不断成熟,分布式天线系统已逐步应用在城市隧道内.采用高性能射线跟踪技术开展分布式天线系统的无线信道仿真,得到分布式天线系统的部署方案,并对分布式天线系统和泄漏电缆系统的无线信号覆盖情况进行比较.结果表明在城市隧道内分布式天线系统的天线间隔采用400 m即可满足接收门限要求且可实现近似泄漏电缆的均匀覆盖效果,为城市隧
根据预处理后的旅客出行数据,运用改进的K-means聚类算法进行用户分群,提取聚类特征得到旅客类型子集合,并构建用户画像.基于特征重构数据库,构建旅客类型、出行方式、出行时间段三个维度的交叉巢式Logit模型,捕捉选择方案间的相关性,预测旅客航班出行方式、出行时间段的交叉选择,并基于实际数据进行参数估值和检验.结果表明,旅客倾向于先根据个人及家庭的需求形成旅客类型,考虑选择何种出行方式,最后在旅客类型和出行方式的双重约束下选择航班的出发时间,为机场实施需求管理提供有效依据.
运用复杂网络方法,构建无向加权航空网络模型,在分析其拓扑结构特性的基础上,提出一种考虑节点失效和边失效的航空网络鲁棒性评价策略,评估在不同攻击策略下网络的鲁棒性.研究结果表明,中国航空网络可以归类为小世界网络,且度分布近似幂率分布,符合复杂网络基本特征.当网络中大部分节点(机场)或边(航线)随机失效时,中国航空网络仍可以保持连接,具有较强的鲁棒性,而在蓄意攻击下,少数节点或边失效就会导致网络迅速瘫痪,鲁棒性较弱,且加权节点介数和加权边介数攻击对网络的破坏力较强.
为了科学有效地评估高速公路服务区交通通行服务能力和进行基础设施优化配置,提出一种基于改进粒子群算法(Improved Particle Swarm Optimization,IPSO)和XGBoost融合的高速公路服务区交通量预测模型.首先对粒子群算法的拓扑关系结构进行改进,将粒子群划分为主粒子和从粒子,获得多个改进粒子组,并给出改进后主从粒子速度和位置的更新方法;其次利用线性递增和递减函数对粒子的迭代寻优速度进行自适应调整;最后在模型训练过程中,引入交通量调查数据这一重要特征,并利用IPSO算法对XGB
列车间隔控制是保证列车运行安全和提高列车行车密度的关键.基于车-车通信的新型列控系统能够感知更多的列车运行环境信息,缩小列车行车间隔,提升列车运行效率.本文将列车速度控制视为一个决策过程,采用强化学习算法来实现新型列控系统中列车区间速度的实时控制.首先,结合车-车通信获得所处环境的列车状态信息,采用蒙特卡洛树搜索算法实时生成列车动态速度调整序列;然后,通过动态规划算法对序列进行分析处理,并在此基础上,确定列车当前时刻所应采取的速度控制策略;最后,仿真模拟了多车在不同初始条件下的列车间隔控制运行场景.仿真结
城市化进程与人口增速的不协调导致了城市蔓延现象,为科学合理地统筹引导道路建设,缓解城市蔓延引发的交通拥堵和环境污染,需要对建成区的道路网指标进行精细化管理.以道路网密度为例,考虑道路建设进度和政策实施惯性,构建基于深度学习的区块化时空数据预测模型Bi-Convlstm2DNet,与之对应地构造基于区块的多源数据融合流程,并以某市为例进行实验.将该市时序的土地覆盖、人口和道路网拓扑结构融合为时空多源数据集,而后在数据集上将本模型同其他经典预测模型进行参数标定和对比.研究结果表明,BiConvlstm2DNe
全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测