近距配置声呐方位门关联分析

由于空间分辨率低,两声呐纯方位目标关联存在关联模糊性,从而产生虚假目标(幻影)。当两声呐配置距离较近时,利用两声呐同目标的方位相似性,提出方位门快速关联,消除关联的模糊性,分析配置距离和目标方位对关联门的影响,提供目标早期接触跟踪关联方法。随着跟踪的进行,在具有初步的距离范围信息的情况下,提出距离范围方位门关联方法,提供目标接近态势下的目标关联。计算机仿真说明这2种方法的有效性。     

基于自适应迭代学习控制的列车自动驾驶算法

针对高速列车自动驾驶系统受到时变外部扰动和受限状态的情况，提出一种基于迭代学习控制的自适应控制算法. 基于Lyapunov 函数，利用列车运行过程中的状态偏差，推导出自适应迭代学习控制律和参数学习更新律. 构造类Lyapunov 函数的复合能量函数，通过迭代域的差分，证明其差分负定性和收敛性. 采用所提控制算法对列车跟踪性能进行计算机仿真和实例仿真验证，结果表明，所提出的自适应迭代学习控制算法对列车期望曲线跟踪具有较高的精度和较快的收敛速度，能够在较短的迭代次数实现对期望曲线的精确跟踪.     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。     

基于前轮转角约束自适应模型预测控制的路径跟踪研究

针对在车辆行驶中较小的前轮转角无法充分利用路面附着能力,较大的前轮转角使得车辆的行驶稳定性差的问题,文章提出了一种前轮转角约束自适应模型预测方法。首先建立车辆的动力学模型,然后通过计算得到轮胎纵向力,最终得到车辆的前轮转角。将车辆的状态量与前轮转角自适应约束条件输入给模型预测控制器,输出车辆的前轮转角,实现对参考路径的跟踪。在Carsim和MATLAB平台上联合仿真,仿真结果表明前轮转角约束自适应模型预测控制的车辆相比固定转角约束的车辆具有较好的跟踪能力和稳定性。     

动车组位置追踪系统常见问题影响分析及解决方法

从动车组位置追踪系统的系统原理、系统接口等方面出发,分析了系统日常应用过程中常见问题的影响,并给出了相应的解决方法,为动车段/所位置追踪系统的设计、应用和维护提供了积极的思路。     

多重功能复合的市域快轨速度目标值研究——以成都市轨道交通13号线为例

成都市轨道交通13号线贯穿中心城区连接新机场同时又串联温江、简阳新城、空港新城等外围组团,全长接近100 km,是一条兼顾城区和市域功能的快线。以13号线为例从两方面的约束出发:一是选用较高速度目标值来节省全线旅行时间,二是不同的站间距对速度目标值的影响,在此基础上,以满足时间目标为目的,考虑对速度目标值选取影响的大小,选择站间距的匹配性、时间目标的适应性、车辆购置费、线网适应性、能耗、土建工程等方面进行比选,通过综合分析法、定性和定量相结合的研究方法,综合各方面的比选结果最终确定全线选用140 km/h的速度目标值,在城区范围内按100 km/h限速的方案。     

提高港口工程结构设计使用年限的可行性研究

针对是否全面提高港口工程结构设计使用年限的问题,回顾目前我国港口工程结构设计使用年限确定的过程,对比分析国内外工程结构设计使用年限的规定,总结国内外设计使用年限100 a时的设计规定,分析提高港口工程设计使用年限需考虑的因素,讨论提高设计使用年限需开展的工作。研究认为,全面提高港口工程结构设计使用年限在技术上是可行的,但需要开展作用取值、结构可靠度分析、耐久性设计方法等多方面研究工作。参考国内其他行业和国外港口工程结构设计使用年限规定,结合我国港口使用现状,提出永久性港口建筑物设计使用年限仍采用50 a,对于特别重要的港口工程,可结合业主要求,采用50 a以上的建议。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

存在饱和输入的欠驱动船舶航迹跟踪控制

针对控制输入存在饱和限制的欠驱动船舶的航迹跟踪问题,提出鲁棒饱和控制方法。以船舶纵向速度和艏向角速度为虚拟输入,设计饱和运动学控制器,并引入二阶滤波器形式对控制器进行简化;利用反步法并引入Nussbaum型函数,设计饱和动力学控制器,以实现对任意光滑航迹的跟踪控制,并保证跟踪误差收敛至零点附近的一个有界区域内。仿真算例验证了设计方法的有效性和鲁棒性。     

Strava Metro data for bicycle monitoring: a literature review

ABSTRACT

Monitoring bicycle trips is no longer limited to traditional sources, such as travel surveys and counts. Strava, a popular fitness tracker, continuously collects human movement trajectories, and its commercial data service, Strava Metro, has enriched bicycle research opportunities over the last five years. Accrued knowledge from colleagues who have already utilised Strava Metro data can be valuable for those seeking expanded monitoring options. To convey such knowledge, this paper synthesises a data overview, extensive literature review on how the data have been applied to deal with drivers’ bicycle-related issues, and implications for future work. The review results indicate that Strava Metro data have the potential—although finite—to be used to identify various travel patterns, estimate travel demand, analyse route choice, control for exposure in crash models, and assess air pollution exposure. However, several challenges, such as the under-representativeness of the general population, bias towards and away from certain groups, and lack of demographic and trip details at the individual level, prevent researchers from depending entirely on the new data source. Cross-use with other sources and validation of reliability with official data could enhance the potentiality.