山重建机全力提速迈向国际化

面对复杂多变的国际环境,山重建机有限公司保持了良好的出口势头。2011全年出口挖掘机195台,出口金额1.68亿元,同比增长64%;2012上半年,山重建机共出口挖掘机200台,同比增长203%,再创新高。山重建机自2010年3月成立以来,一直将国际化作为公司发展的重要战略之一。成立初期,公司充分利用山重集团的战略协同优势,借助山推股     

卡尔曼滤波器在舰载雷达目标跟踪中的实现

舰载雷达目标追踪系统可以探测和跟踪海面、水下和空中的目标,为船舶导航等提供重要的目标数据,保障船舶安全和正常航行。卡尔曼滤波器(CKF)是基于容积卡尔曼滤波算法设计的一种典型非线性滤波器,近几年来获得了广泛的关注。本文利用容积卡尔曼滤波器,对传统舰载雷达系统进行鲁棒性和近似线性的优化,提高舰载雷达目标追踪的效率和精度。     

全面深化铁路改革目标与路径研究

目前,全面深化铁路改革的目标与路径亟需明确。本文以党和国家关于国有企业改革的一系列精神为指导,在提出全面深化铁路改革的主要依据、基本原则与主要目标的基础上,提出了我国全面深化铁路改革"四步走"的实施路径,即通过改革准备、运营业务公司化、网运分离、路网整合四个阶段逐步实施改革。该路径具有顶层设计与自下而上相结合、铁总优势与市场机制相结合两个突出特点,因而具有很好的可持续性与操作性。     

对洋山港集装箱水水中转发展的思考

水水中转具有低成本、高效率、运量大、低排放、占地少等优点，发展集装箱水水中转业务已经成为许多主要集装箱港口提高其综合竞争力的首要选择。     

被动多传感器改进交互多模型粒子滤波算法

将改进的粒子滤波算法即基于均匀重采样的粒子滤波(AUPF)与交互式多模型算法(IMM)相结合,提出交互式多模型均匀重采样粒子滤波算法(IMM-AUPF),并将其应用于被动多传感器的机动目标跟踪中。均匀重采样粒子滤波在标准粒子滤波的基础上通过改进重采样过程,在解决粒子退化问题的同时,增加了粒子的多样性,提高了滤波性能。在多模型中应用均匀重采样粒子滤波,提高被动多传感器系统的机动目标跟踪精度。将该方法与交互式多模型粒子滤波算法(IMM-PF)进行仿真对比,结果表明该方法具有更好的跟踪性能。     

随机梯度遗传算法在船舶尾流目标识别中的应用

通过识别船舶尾流可以有效地反映出船舶的自身参数,从而能帮助海军航空兵的侦察工作。随机梯度遗传算法是在传统的遗传算法的基础上,融合了局部搜索,这样更有利于种群的收敛性。本文将此算法应用于船舶尾流识别,通过最后的实验结果可以看出,随着迭代次数的增大,不同航速下的船舶尾流目标识别率会增大,但是并不是匀速的增大。     

舰船辐射噪声1(1/2)维谱的自适应子波特征提取

现代化战争对信息技术的依赖日益增强,水中目标识别成为各国夺取海洋战争主动权研究的新领域。有效提取目标的本质特征是目标识别的关键。由于1(1/2)维谱保持了高阶谱的性质但其计算量却相对下降,本文结合自适应滤波理论,采用1(1/2)维谱对船舰辐射噪声进行特征提取,由对特征量的分析表明1(1/2)维谱可以有效对船舰类型识别。     

基频线谱提取技术在船舶水下目标识别系统的应用

基于目标物的辐射雷达回波信号是船舶水下识别系统的主流技术,水下噪声的混入会对识别产生干扰,时域分析很难区分噪声与目标信号特征。频域特性分布是区分雷达回波辐射噪声及干扰噪声的主要手段,通过对辐射信号及噪声的频谱提取,可以获取目标信号和干扰信号在基频频谱的特性,设计滤波器去除噪声。本文研究目标雷达回波信号及水下噪声信号的特性,在基础上提出基于基频线谱提取技术的噪声分离策略,最后对算法进行仿真。     

低耗散E-CUSP格式性能分析及大攻角分离流数值模拟

为了降低舰艇在高速航行时受到的空气和海浪阻力,船型的设计必须要符合流体动力学特性。由于舰艇的几何外型越来越复杂,促使研究人员寻找精度更高、收敛速度更快的CFD计算方法。经过几十年的发展,CFD计算方程和计算格式发展迅速,产生了拉普拉斯方程、欧拉方程、小扰动速势方程、通量差分分裂迎风格式等,在航空航天、船舶工业、飞行器设计等领域获得了广泛的应用。本文针对高速舰艇在大攻角条件下的航行状态,利用基于Roe格式的低耗散E-CUSP迎风格式算法,对舰艇细长旋成体的流体动力学特性进行了分析和大攻角分离流数值模拟。     

用于水下目标识别的无监督特征选择算法

随着社会发展,海洋空间对人类变得愈发重要,对新的水下目标自动识别系统的需求也愈发迫切。在水下目标自动识别系统的构建过程中,提取到的特征含有很多冗余特征、不相关特征和噪声特征,影响系统工作效率,降低了分类识别正确率。为此,本文提出一种新的用于水下目标识别的特征选择算法——基于图学习的无监督特征选择算法(Unsupervised Feature Selection Algorithm Based on Graph Learning,UFSGL)。该算法通过同时进行转换矩阵优化和图学习来优化算法框架,并用正则化方法优化加权图中边的光滑度,最后对转换矩阵进行稀疏化从而进行特征选择。使用UCI数据库的sonar数据集对算法性能进行验证,结果证明,UFSGL算法能够有效减少特征子集中的特征个数,并在一定程度上提高分类识别正确率。