网络数据融合技术在MITS中的应用研究

探讨了基于传感器网络的数据融合技术在海事智能交通系统(MITS)中的应用问题,为该领域的进一步研究提供一些有价值的思路和见解。基于目前研究遇到的困境,提出将MITS抽象成一个无线传感器网络(WSN),从而可在WSN环境下引入数据融合技术来研究海事智能交通系统中的各种信息处理问题,如船舶的定位与导航以及避碰等;紧接着,总结了现有定位、导航、避碰和船舶安全管理技术研究的现状并分析了存在的主要问题;针对基于GPS的MITS存在的种种弊端,结合各国卫星定位导航系统的建设现状,提出利用MITS内其它元素的信息和多源信息融合技术来实现船舶的相对定位和导航这一新思路;最后,从网络数据融合技术角度出发,具体指出了MITS网络融合系统构建时所必须考虑的一些基本问题,并给出该融合系统的一般性框架。     

治本清原 整顿超载

国家发改委通报批评和处罚的直接功效在于可以促进重型汽车行业严格执行国家相关的标准、法规。更重要的则是要让重型汽车企业的竞争处于规范的平台，打消企业整治改革的顾虑。一些重型汽车企业对国家发改委的此次行动寄予厚望。希望这次“点名事件”的出现能让重型汽车企业竞争步入良性循环轨道。     

新款帕杰诺汽车多路传输系统的功能设定方法

1新款帕杰诺(PAJERO，V6发动机)汽车多路传输系统(g四S)具备的功能设定新款帕杰诺汽车的多路传输系统(SWS)具有下列功能的设定: (1)阳光传感器感光度功能(分为高感光度、标准感光度、低感光度和极低感光度4种); (2)前照灯自动断电功能(有或无); (3)刮水器车速感应功能(有或无);     

强夯法在码头门机轨道地基加固中的应用

介绍利用夯夯法处理洋浦港二期工程门机轨道和集装箱卸桥轨道抛石地基的施工情况，并就有关问题进行探讨。     

故障咨询与回复

咨询内容 一辆配备四缸20气门发动机的捷达王轿车，起动发动机后，怠速转速在300r／min～1500r／min摆动（也称为游车），而且摆动数次后才稳定在正常值。行驶过程中感觉轿车基本正常。车主将车开到我厂维修，我们分析引起发动机怠速游车的原因可能有：发动机电控系统异常和进气管道漏气等。用故障检测仪检查发动机系统，获取的故障信息为空气流量传感器信号异常。该车空气流量传感器为热线式，检查其线路及连接器，发现均正常。     

日产奇骏召回

从日产得到消息，该公司决定从2月28日起对部分销往中国市场的奇骏T30实施召回，涉及数量为3008辆。国家质量监督检验检疫总局发布的公告显示，此次召回的日产奇骏T30车型主要存在两大故障，一是高负荷驾驶中氧传感器底座有时会产生高温，因氧化而腐蚀，在底座和排气歧管焊接处出现裂纹；二是引擎控制单元的程序不合适，车辆在高速行驶中减速时，有时进气量会略有不足，燃烧不稳定，未燃烧的燃料在排气歧管内的催化剂中产生高温，导致催化剂损坏，产生异响。这次召回的奇骏T30，生产日期为2001年6月26日到20。3年2月13日。     

基于经验模式分解的钢轨波浪弯曲不平顺提取方法

钢轨波浪弯曲不平顺隐藏在轨道不平顺中。采用小波分析和经验模式分解相结合的方法,对钢轨波浪弯曲不平顺进行识别和提取分析。利用对称双正交小波对轨检车监测到的车体垂向加速度响应和高低轨道不平顺信号进行小波变换,滤除波长1 m以下成分后,基本可以保证用经验模式分解得到的第1个固有模态函数包含全部钢轨弯曲不平顺信息。对提取得到的钢轨波浪弯曲不平顺的分析表明,不同钢轨上存在的弯曲不平顺不同,钢轨存在的波浪弯曲不平顺是波长在3 m附近变化的准周期不平顺;钢轨波浪弯曲不平顺是引起车体颤振的原因。建议在提速线路和客运专线上应限制波浪弯曲钢轨上道。     

基于UML的C4ISR传感器动态处理模型仿真

现代军事仿真需要建立军事对抗活动中的各类模型，包括武器平台模型、作战模型以及决策模型等，传感器功能仿真模型在系统的开发和研制过程中具有重要意义。如何建立出有效的传感器处理模型来保证信息输入的可靠性和真实性是各类C^4ISR系统都面临的问题，使用统一建模语言（UML）对传感器处理模型进行可视化建模，首先使用用例图和顺序图对C^4ISR系统中2维或者3维传感器工作流程建模，然后使用活动图对整个处理流程和每个处理流程来描述问题的细节，为系统分析员、设计人员和开发人员提供了不同的分析问题、解决问题的视角，使从事C^4ISR系统传感器仿真研究的相关人员可以参考该文提出的模型进行软件开发。     

基于BP神经网络的分布式传感器网络的可靠性分析

针对分布式传感器中的故障点多，导致估计系统可靠性参数困难的特点，提出了一种基本原则于BP三层神经网络的Markov可靠性模型。仿真结果表明，神经网络收敛时的可用度与Markov模型计算值的相对误差的数量级为10-4，从而验证了神经网络模型的正确性，另一方面与用两层神经网络的可靠性计算相比，其收敛速度加快。