面向复杂环境的接触网关键设备缺陷检测方案

针对小样本及复杂环境下接触网关键设备缺陷检测难等问题，提出一种融合深度卷积神经网络和卡尔曼滤波的图像检测方案。采用MobileNet构建模型骨干网络，有效降低了计算成本；融合柔性非极大值抑制算法解决目标部件遮挡问题，并将上下文感知ROI池化层取代原始池化层，维护了小尺寸零部件的原始结构；最终通过卡尔曼滤波对检测结果进行修正，有效提高检测精度。实验结果表明：本文所述方法能够对复杂接触网设备实现零部件的精确检测，与相同条件下的其他检测算法相比综合性能最佳。     

舍与得的平衡 斯柯达昊锐2.0T

用数据说话，一直是我们深度测试的特点。每月的测试车辆，我们都是经过精心筛选，要么是极富特点，要么是近期热门车型。在我们看来，昊锐无论是车型，还是价格，都称得上今年中高级轿车的重磅炸弹。对于这样一台讲求均衡的车型，一味地注重动力与操控，显然是不公平的。     

建立满足客户需求的物流服务模式和信息技术支撑体系

现代物流业的核心内容是利用信息技术实现对物流价值链各个环节资源的有效整合,实现企业物流成本的降低和效率的提高.物流服务逐渐向全球化、多功能、信息化、战略合作的深度发展,信息和数据逐渐取代了运输工具成为占据高端价值的物流企业的核心竞争力.信息技术支撑着物流企业的市场竞争能力、客户服务水平和内部管理水平,因此,物流企业的信息化建设必须树立满足客户需求的观念.     

基于Labview的PID算法在小型水下机器人中的应用

主要讨论基于图形化编程语言（Labview）的PID控制算法在小型水下机器人中的应用。利用PID算法对小型水下机器人的航向角和深度进行控制，从而提高其稳定性。实验表明，通过PID算法对机器人运动的控制，能实现水下机器人对目标进行锁定观测。通过本文的控制方案，不但简化了控制系统，同时也大大改善了小型水下机器人的工作性能，从而使其能适应较复杂的工作环境。     

总编信箱

Letters to Editor欢迎来信,一经刊用,即付稿酬欢迎给总编辑发邮件:1000@vip.sohu.com     

生化摩托车 M-Org Chopper

这是一辆只有在科幻片里才能看到的摩托车,光是造型就够让人仔细看一阵子了。但如果我告诉你,这辆摩托车的车架是从地里长出来的你相信吗？这辆摩托车的主人MichaelSmolyanov利用氟对有机生物进行氧化并对其进行碳化处理增加强度,使植物也能达到和金属一样的韧性和刚性。从来没有听说过吧？不过这一切的确正在进行中。     

混合交通流环境下基于改进强化学习的可变限速控制策略

现有的可变限速(VSL)控制策略灵活性较差，响应速度较慢，对驾驶人遵从度和交通流状态预测模型的依赖性较高，且单纯依靠可变限速标志(VMS)向驾驶人发布限速值，难以在智能网联车辆(CAVs)与人工驾驶车辆(HDVs)混行的交通环境中实现较好的控制效果。对此，结合深度强化学习无需建立交通流预测模型，能自动适应复杂环境，以及CAVs可控性的优势，提出一种混合交通流环境下基于改进竞争双深度Q网络(IPD3QN)的VSL控制策略，即IPD3QN-VSL。首先，将优先经验回放机制引入深度强化学习的竞争双深度Q网络(D3QN)框架中，提升网络的收敛速度和参数更新效率；并提出一种新的自适应ε-贪婪算法克服深度强化学习过程中探索与利用难以平衡的问题，实现探索效率和稳定性的提高。其次，以最小化路段内车辆总出行时间(TTS)为控制目标，将实时交通数据和上个控制周期内的限速值作为IPD3QN算法的输入，构造奖励函数引导算法输出VSL控制区域内执行的动态限速值。该策略通过基础设施到车辆通信(I2V)向CAVs发布限速信息，HDVs则根据VMS上公布的限速值以及周围CAVs的行为变化做出决策。最后，在不同条件下验...     

轮轨摩擦温升有限元分析

基于有限元法和移动热源法,建立了轮轨摩擦非稳态传热计算模型,分析了车轮全滑动工况下三维模型和二维模型计算结果的异同,以及轮载、摩擦系数和相对滑动速度对钢轨摩擦温升的影响.结果表明,二维模型能模拟轮轨摩擦过程中钢轨纵截面温度变化规律;三维模型不仅能模拟钢轨纵截面温度变化规律,而且能模拟摩擦热的横向分布规律.车轮滑动过程中,摩擦热在轨面上引起的热影响区宽度在接触斑横向宽度范围内;接触斑中心处热影响层最厚,越靠近横向两侧,热影响层越薄.轮重不仅影响钢轨表面最高摩擦温升,而且影响热影响区域的大小;相对滑动速度越大,热影响层深度和宽度分别变浅和变宽;摩擦系数越大,热影响区越大.     

能速能达 夫复何求 上汽大众新速派深度体验

享受速度,感受通达,有这样一款车,可以让你在城市生活中完美施展,在宜商宜居中自由切换——这就是新速派,随时唤醒千钧之力,智能守护安全无忧。引领时代节奏,能速能达。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长，交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义。随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用，车辆目标检测和参数识别也取得新的突破。该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和未来发展趋势。在识别方法方面，将车辆检测方法分为3类：运动目标检测方法、目标实例检测方法和细粒度检测方法，系统总结了这3类方法的基本原理和各自特点。在应用研究方面，详细综述了基于机器视觉的车辆检测方法在车辆参数识别中的应用现状，主要包括车辆类别、车辆时空参数、车辆重量参数识别以及车辆多参数识别系统。最后对基于机器视觉和深度学习的车辆参数识别研究进行了归纳总结，并讨论了当前存在的挑战和未来可能的发展趋势。研究表明，对于不同的环境条件和车辆参数，应根据实际需要和各算法特点选择合适的车辆检测方法。目前方法仍局限于单参数或少量参数的独立检测，且识别精度和效率难以同时满足。后续研究应注重与新技术的融合，提高在现实复杂环境下车辆参数识别的精度、效率、鲁棒性及全面性，以使其更好地应用于工程实际。