面向铁路5G移动通信的SPN与OTN网络融合方案研究

铁路新基建关于5G-R核心网及数据中心的建设规划，对承载网的系统容量、可靠性、业务发展余量、网络性能等提出更高要求，发展新的承载技术势在必行。从业务适配、网络切片、管控系统等方面，对SPN、增强型IP RAN及M-OTN 3种承载网技术分析比较，推荐采用SPN作为铁路5G系统的承载技术，阐述了铁路5G承载网组网需求及架构，并针对不同应用场景接入层提出SPN技术方案。     

原子-光力混合系统的机械压缩和纠缠研究

传统光力系统中产生强机械压缩一般需要光场衰减率小于机械振子频率（可分辨边带条件），在实验室极难实现。针对光力系统在高不可分辨边带（光场衰减率远大于机械振子频率）条件下产生强机械压缩及稳态纠缠问题，提出利用两个两能级原子系综和两束不同强度激光共同调制光力系统，放宽可分辨边带条件的限制。研究结果表明：将两个原子系综放入光力学系统中，即使在高不可分辨的边带状态下，也能实现超过3 dB的强机械压缩；光场和机械振子之间的稳态纠缠也可产生。     

一种基于网络受扰的自动化测试装置实现方法

本文针对车载控制器的网络受扰问题，提出一种基于网络受扰的自动化测试装置的实现方法，通过说明测试装置的原理，描述该装置对车载控制器总线抗扰自动化实时过程，从而论述该解决方案的可行性。该装置用自动化代替手动测试方式，在提高可操作性、精准性前提下，快速分析及确认车载控制器的网络抗扰能力，自动出具测试报告。     

基于可解释极端随机树模型的 DCT 液压响应预测

为解决传统湿式双离合器变速器 （Dual Clutch Transmission， DCT） 控制策略在硬件误差以及复杂工况下液压响应预测精度不完全可控的问题，提出了一种基于 SHAP 图可解释极端随机树预测模型，使用机器学习方法结合某汽车公司 DCT 实验室采集的真实离合器数据对 DCT 液压响应进行预测。模型利用 SHAP 算法对于重要特征选择的可解释性，筛选并保留对液压响应影响较大的特征，将时间切片和升降压判定作为特征加入训练数据，训练预测模型。结果表明，该模型训练结果的均方误差 MSE 为 0.670 3，可决系数 R2为 1.000 0，并且在测试集上预测值与实际值之间的平均误差为12.99 kPa，远低于设计误差 25 kPa，具有较高的预测精度，特征选择较准确，可以很好地解决传统物理模型无法计算不同工况下液压响应的问题，为下阶段基于数据和物理双驱动的DCT控制策略优化提供较准确的预测结果。     

某大排量摩托车操纵稳定性分析

本文以某大排量摩托车为研究对象，针对大排量摩托车的操纵稳定性问题，通过3D扫描和使用三维软件测得该摩托车的整车结构参数，使用摩托车多体动力学仿真软件Ⅵ-Motorcycle建立该摩托车的动力学仿真模型。之后，对该模型分别在直线加速、直线制动和定圆三种工况下进行仿真模拟实验，并根据仿真后得到的后处理数据分析摩托车在不同工况下的操纵稳定性。模拟实验结果表明：本文的仿真模拟过程和最后实验得到的数据对以后国内大排量摩托车操纵稳定性的研究有一定的参考价值。