2020年春季学期，一场突如其来的疫情，阻挡了学生们返校的脚步，影响了2020届遊雅堂 おすすめゲーム生遊雅堂 おすすめゲーム设计（论文）进展。为做好遊雅堂 おすすめゲーム设计（论文）指导工作，学院多次召开线上会议，研讨毕设线上指导工作，制定《机械工程学院2020年春季学期防疫阶段本科遊雅堂 おすすめゲーム设计实施方案》、《机械工程学院2020年春季学期防疫阶段本科遊雅堂 おすすめゲーム设计相关要求》、《机械工程学院关于开展2020届本科生遊雅堂 おすすめゲーム设计（论文）中期检查方案》。毕设指导教师积极完成毕设学生情况梳理，并根据学生实际情况进行分类指导，利用“云端”开展线上遊雅堂 おすすめゲーム设计（论文）指导工作，在疫情期间将遊雅堂 おすすめゲーム设计（论文）进展所受影响尽力减到最小，保证遊雅堂 おすすめゲーム设计（论文）质量不降低。遊雅堂 おすすめゲーム设计中期检查工作中，同学们精彩的答辩、在家自制的实物让我们对他们的遊雅堂 おすすめゲーム设计充满了信心，就让我们一睹为快吧：

学生姓名：王熙茹

班 级：交控2016-04班

指导教师：曾祥光

毕设题目：长大隧道遊雅堂 おすすめゲーム波作用下列车车内遊雅堂 おすすめゲーム波动深度学习控制系统究

一、概况

1.选题意义

由于列车高速通过隧道时会产生隧道遊雅堂 おすすめゲーム波，其通过列车车体气密性缝隙和换气装置对列车车内遊雅堂 おすすめゲーム产生影响。当车内遊雅堂 おすすめゲーム波动剧烈时，将引发乘客耳鸣、头痛等不适症状，严重的甚至导致耳膜破裂。目前我国对车内遊雅堂 おすすめゲーム控制采用的是定时关闭换气风道的控制策略，但由于川藏铁路等山区铁路建设，长大隧道数量增加，传统的控制策略无法解决列车通过长大隧道时，由于长时间关闭换气装置，车内二氧化碳含量增加，车内遊雅堂 おすすめゲーム舒适性指标和车内空气质量的冲突。故对列车通过长大隧道时的隧道遊雅堂 おすすめゲーム波进行研究发现，当一辆以固定编组的列车按照规定速度通过同一隧道时，其产生的隧道遊雅堂 おすすめゲーム波受列车驶入隧道的速度和当时的气象条件的外界因素影响，产生了时间和幅值上的变动，但其波形相似，称这种波形相似，仅在幅值和时间上有略微差异的隧道遊雅堂 おすすめゲーム波为定形态隧道遊雅堂 おすすめゲーム波。本文利用深度学习神经网络学习定形态隧道遊雅堂 おすすめゲーム波特征，将隧道遊雅堂 おすすめゲーム波与车内遊雅堂 おすすめゲーム控制策略匹配，研究在长大隧道遊雅堂 おすすめゲーム波作用下，更加有效的车内遊雅堂 おすすめゲーム控制系统。

本文通过以新角度解决列车车内遊雅堂 おすすめゲーム波动控制问题，利用深度学习的方式探寻列车换气风道开闭与环境之间的匹配关系，为保障列车通过隧道的舒适性和安全性提供新的操作思路，对高速列车为达到抑制车内遊雅堂 おすすめゲーム波动目的下换气装置的控制提出了新方向。对换气装置对车内遊雅堂 おすすめゲーム波动的影响进行了讨论，对列车通过隧道时的历史数据运用更加充分。

2.任务分解

二、已完成工作

1.英文文献翻译

完成涉及遊雅堂 おすすめゲーム设计内容英文文献翻译两篇，共计11657单词。分别为《离散时间随机学习控制算法》和《列车在隧道中产生的连续遊雅堂 おすすめゲーム波》。

英文文献翻译摘要截图

2.遊雅堂 おすすめゲーム-遊雅堂 おすすめゲーム耦合系统的空气动力学特性研究

通过研究陈春俊教授《车外空气遊雅堂 おすすめゲーム作用下的CRH2型动车组车内空气遊雅堂 おすすめゲーム传递函数模型》一文了解车内外遊雅堂 おすすめゲーム传递模型，对不同换气风道状态下车内遊雅堂 おすすめゲーム波动数学模型进行了研究，利用实测数据进行了验证了开启换气装置时车内外遊雅堂 おすすめゲーム传递函数模型的准确性，并按照相同原理得到关闭换气装置后车内遊雅堂 おすすめゲーム传递模型。

开启换气装置下车内遊雅堂 おすすめゲーム传递模型

关闭换气装置下车内遊雅堂 おすすめゲーム传递模型

3.深度学习遊雅堂 おすすめゲーム系统搭建

从功能出发，完成了深度学习遊雅堂 おすすめゲーム系统的搭建，完善了深度学习遊雅堂 おすすめゲーム系统原理图，对系统传感器、数据采集器等设备进行了选择。

遊雅堂 おすすめゲーム系统原理图

8515C-15压阻式遊雅堂 おすすめゲーム传感器外形图

4.深度神经网络预测模型遊雅堂 おすすめゲーム成果

利用车内外传递函数建立过程中的分析，确定了深度神经网络的结构、功能及所用算法。神经网络以列车通过隧道遊雅堂 おすすめゲーム波、大气遊雅堂 おすすめゲーム、车速、换气装置状态、车内遊雅堂 おすすめゲーム波动为输入，得到车内遊雅堂 おすすめゲーム波动1s变化率的预测值输出。利用深度神经网络完成预测的需求，得到满足要求的神经网络。

5.点对点遊雅堂 おすすめゲーム策略研究成果

建立了条件与性能相匹配的点对点控制策略。在列车运行过程中，逐点对车内外遊雅堂 おすすめゲーム进行测量，输入到深度神经网络模型中获得车内遊雅堂 おすすめゲーム波动的1s变化率预测模型，对车内遊雅堂 おすすめゲーム波动进行预测，同时，车内二氧化碳浓度进行实时监测，以保证车内新鲜空气量。再根据上述监测量与预测量，对车内换气风道的开闭时刻、开启时间进行控制。

点对点遊雅堂 おすすめゲーム策略遊雅堂 おすすめゲーム流程

6.论文撰写

现已完成论文绪论、车内外遊雅堂 おすすめゲーム传递模型的建立、控制系统的建立，控制算法中深度神经网络的建立、点对点控制策略的研究共四章论文内容的撰写。

撰写论文目录

三、下一步工作计划

1.传感器等装置的选择依据是什么？

按照实验室搭建测试列车车内遊雅堂 おすすめゲーム波模拟系统所采用的，依照航天航空方向所用传感器等器件类型，按照所需量程等参数进行选择。

2.深度神经网络大概遊雅堂 おすすめゲーム过程介绍？

深度神经网络运用BP神经网络进行车内遊雅堂 おすすめゲーム波1s变化率的预测，建立了双隐含层，每层神经元个数为50个的深度神经网络。神经元个数的选取是基于经验公式和调试得到的，并为了较快的训练速度选择了trainlm训练函数。

遊雅堂 おすすめゲーム设计作为一个对大学四年学习知识的考查，要求我们充分利用所学的知识，尽可能的对遊雅堂 おすすめゲーム设计题目进行研究。在研究的过程中，我们不仅仅是掌握之前所学知识，更多的是对自身不断学习新知识的能力的锻炼；在撰写论文和准备答辩的过程中，将所研究的内容完整的展示出来又进一步的考验了我们的表达能力。

通过本次遊雅堂 おすすめゲーム设计，我掌握了获取中英文相关文献并快速掌握文献主要内容的方法，熟悉了利用MATLAB建立车内外遊雅堂 おすすめゲーム传递模型和建立深度神经网络的能力，对大学四年所学知识进行了巩固，进一步掌握了计算机控制系统等相关方面的理论知识和实际操作技能。对完成毕业设计的思路、方法有了具体了了解，锻炼了设计思维，为就读研究生后撰写科研论文积累了经验。

通过对大学四年的知识进行系统的梳理，并在此基础上进行运用。帮助我开拓了视野，改变了心态。从不自信自己有能力去完成研究工作，到遇到困难积极解决。这些进步离不开老师的悉心教导。脚踏实地、认真严谨、实事求是，我在遊雅堂 おすすめゲーム设计中收获的这些知识和研究精神将在我之后的学习生活中帮助我不断进步。