全天候铁轨巡检机器人的结构设计

针对传统的铁轨巡检方式的缺点,工作强度大、巡检效率低、巡检标准不统一等缺点,设计一种全天候铁轨巡检机器人,该机器人能够全天在铁轨上进行巡检工作,而且机器人在工作的同时能够智能检测即将来临的火车,并能够及时的转换工作模式以及休眠模式,较之传统的人工巡检模式,该机器人不仅大幅度的缩短了巡检时间而且提高了巡检效率。     

基于BP神经网络与GM(1,1)组合的北京市物流需求预测模型

通过分析影响北京市物流需求的相关因素,构建北京市物流需求预测影响因素指标体系。运用BP神经网络和GM(1,1)方法,建立北京市物流需求组合预测模型,选取近20年的统计数据对未来五年的物流需求进行预测,得出物流需求总量及变化规律,并以此提出推进北京市物流业发展的有效途径,为物流系统规划提供合理依据及有效发展途径。