首页期刊导航|重庆理工大学学报
期刊信息/Journal information
重庆理工大学学报
重庆理工大学
重庆理工大学学报

重庆理工大学

石晓辉

月刊

1674-8425

023-62769495

400050

重庆市九龙坡区杨家坪

重庆理工大学学报/Journal Journal of Chongqing Institute of Technology北大核心CSTPCD
查看更多>>本刊是中国学术期刊综合评价数据库来源期刊，中国科技核心期刊，重庆市一级期刊，教育部优秀期刊。主要刊登有创造性、探索性、开拓性的学术论文、科研成果报告、重要学术问题的评述和学科前沿的综述。
正式出版
收录年代

    潮汐车道使用意愿影响因素潜类别分析

    潘义勇魏双秋陈诗意蒋冠宇...
    183-193页
    查看更多>>摘要：为研究驾驶员对潮汐车道使用意愿的影响因素,使用潜类别Logit模型探寻潮汐车道使用意愿中未观测到的异质性.通过问卷调查量表获得驾驶员对设置潮汐车道的心理潜变量因素,运用结构方程模型量化心理潜变量.对比分析只考虑个人属性和加入潜变量的潜类别Logit模型的拟合效果及异质性效应,进行平均边际效应分析.结果表明:加入潜变量的潜类别Logit模型拟合效果和异质性效应表现更优.潜类别Logit模型可将数据分为3类,分别占比11.2％、11.5％和77.3％.拥有1辆小汽车、驾龄5年以上和感知风险表现出显著的异质性.心理潜变量中,感知风险对选择愿意使用潮汐车道有显著负向影响,行为态度和社会影响对选择愿意使用潮汐车道有显著正向影响.

    交通工程潮汐车道使用意愿潜类别Logit模型心理潜变量平均边际效应

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    特征降维的深度强化学习脑卒中分类预测研究

    袁甜甜李凤莲张雪英胡风云...
    194-203页
    查看更多>>摘要：针对脑卒中筛查数据集冗余,特征较多,采用传统的分类算法效果较差的问题,为实现脑卒中筛查数据高效的诊断预测,建立了 一种混合特征降维的深度强化学习分类预测优化模型.提出一种改进的CFS特征选择算法,并与PCA结合,对原始脑卒中筛查数据集进行特征降维;基于Double DQN和Dueling DQN算法构建深度强化学习分类预测模型,引入一种更具鲁棒性的损失函数,对模型进行了优化,提高了模型的分类效果;对比已有的Naïve Bayes、J48、SVM、KNN和DQN模型在公共数据集及脑卒中筛查数据集的实验结果,结果表明:所提模型在特征降维和分类预测2个方面均表现优越,在脑卒中筛查数据集上分类准确率优于对比算法,可为临床上脑卒中疾病的辅助诊断提供建议.

    特征降维改进的CFSDoubleDuelingDQN损失函数脑卒中

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    SARIMA-LSTM组合模型在铁路疫情短时客流的预测研究

    魏姝瑶张瑾
    204-211页
    查看更多>>摘要：针对新型冠状病毒肺炎疫情这类突发性公共卫生事件对铁路短时客流造成的巨大扰动问题,分析疫情下的春运周期性、季节性的非平稳时间序列日客流曲线,构建基于SARIMA-LSTM的组合模型.利用SARIMA模型进行线性部分预测,LSTM滚动优化模型进行非线性部分预测,将2个预测结果代入注意机制模块加权求和,引入GRU门控循环单元辅助验证.通过对实例研究分析,结果表明:SARIMA-LSTM组合模型的预测结果控制性好,准确率高,可为疫情突发事件短时客流数据集的预测提供理论依据.

    铁路运输短时客流预测SARIMA-LSTM组合模型滚动优化算法注意机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    采用中心平衡优化的表冷系统预测控制研究

    卢志敏饶伟江琳严德龙...
    212-221页
    查看更多>>摘要：根据室外温度和相对湿度环境变量,采用极限学习机(extreme learning machine,ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数,提出了斐波拉契极限学习机(FELM),从而提高了预测模型的精度.传统的平衡优化算法(EO)收敛速度慢,且容易陷入局部极小,将K中心聚类算法(KMedoids)嵌入到平衡优化算法中,提高了优化算法的性能.利用中心平衡优化算法(KEO)滚动优化得到表冷系统3个阀门的控制量,即主表冷阀、副表冷阀和电动三通阀的开度.仿真实验表明:与传统的ELM预测控制算法相比,KEO-FELM预测控制具有更高的稳定性和跟踪性,以及更好的节能效果.

    空调表冷系统斐波拉契搜索极限学习机预测控制中心平衡优化算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    V2G应用进展综述

    谭泽富周正洋高树坤蔡黎...
    222-229页
    查看更多>>摘要：从电网与电动汽车用户2个角度出发,介绍了国内外V2G技术应用现状,分析了基于电网侧V2G技术带来的负面影响以及负荷预测的变化;阐述了激励电动汽车用户参与V2G的两大因素:一是分时电价,二是电池损耗,并提出了引导V2G的构想;探讨了未来EV在可再生能源和虚拟电厂方面的应用;总结了 V2G在实际应用方面的难点,提出了展望.

    电动汽车汽车到电网技术(V2G)负荷预测可再生能源虚拟电厂

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    三相LCC无线充电系统变频软开关能效优化研究

    周成虎黄明明库永恒刘宏伟...
    230-241页
    查看更多>>摘要：为提高三相LCC无线充电系统的轻载效率,针对该系统推导出复合谐振网络阻抗及其谐振频率、原边线圈和补偿电路、副边线圈和补偿电路的固有阻抗及其谐振频率的计算式,总结了 3种谐振频率和开关频率的配合原则以选择开关管的软开关频率范围,使用变频定占空比控制策略归纳软开关频带优化与阻抗匹配方法.仿真结果表明:该电路在频率和负载范围内具有强鲁棒性的自然软开关切换能力,轻载阶段可使用升频方法降低谐振网络的环流.通过1台传输功率3.87 kW的样机验证了该方案的可行性,当负载在100～600 Ω调节、传输效率在94.4％～96.3％变化时,与同类三相系统相比,所提出方法的轻载效率提高了约3％.

    LCC补偿感应电能传输系统控制策略软开关鲁棒性控制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于区间多目标量子粒子群算法的AUV路径规划研究

    顾加烨齐亮
    242-250页
    查看更多>>摘要：为解决海流预测不精确和危险源位置信息不确定情况下自主水下航行器的路径规划问题,提出了一种基于区间多目标量子粒子群算法的全局路径规划方法.将海流的不确定范围和危险源位置的不确定范围表示为区间数,计算各条路径的航行时间区间和危险度区间.基于区间可能度模型定义区间之间的占优关系,引入区间重叠度和区间体积计算区间拥挤度对最优解进行排序,建立外部储备集保存最优解集,通过量子粒子群算法优化路径位置.仿真结果表明:相对于常规的多目标路径规划算法,所提出的算法可在含有多个不确定约束的条件下找到分布多样化的一组路径.

    自主水下机器人路径规划不确定性区间多目标优化

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    四阶变系数Schr?dinger方程的适定性与正则性

    白忠玉
    251-258页
    查看更多>>摘要：研究了变系数Schrödinger方程的适定性和正则性.在Dirichlet边界控制和同位观测下,利用黎曼流形上的乘子法,证明了系统在D.Salamon意义下是适定的,且在G.Weiss意义下是正则的,其直接传输算子为零.

    Schrödinger方程黎曼流形边界控制适定性正则性

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    关于对偶视角下的锥体定理

    胡正宇张诚
    259-263页
    查看更多>>摘要：锥体定理表明曲线锥中与典范除子相交数为负的部分局部上是由有限条极端射线(extremal ray)生成的.而在对偶空间上看,锥体定理可以用除子的语言描述出来,即nef除子锥关于典范除子的可见边界局部是一个有理多面体,而上述的极端射线对应的正是这个有理多面锥体的面.在假设典范环的有限生成性的前提下证明了对偶锥体定理.通过观察对偶性,给出对偶锥体定理的一个更加几何化的证明而无需假定典范环的有限生成性.

    锥体定理典范除子极端射线有理多面体

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种结合ResNet和迁移学习的交通标志识别方法

    徐慧智闫卓远常梦莹
    264-273页
    查看更多>>摘要：针对当前传统的交通标志识别算法训练耗时长、精度低等问题,提出了一种结合ResNet和迁移学习的交通标志识别模型.首先在模型中引入已经在ImageNet图像数据集上训练好的ResNet网络权重,冻结卷积层参数,将网络作为模型的特征提取器;其次为模型设计全连接层,分别使用不同大小的数据集和数据扩充前后的数据集微调全连接层参数;然后设置不同大小的学习率,在学习率固定和学习率衰减2种条件下训练模型;最后在测试集上测试模型,输出分类结果.测试结果表明,该方法对交通标志的识别准确率达到97.60％,指示标志、警告标志、禁令标志3类交通标志的F1得分分别达到96.86％、99.37％、96.53％,说明该模型具有较高的交通标志识别准确率.

    神经网络迁移学习交通标志图像识别

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据