基于LGSVL/Apollo的网络延迟攻击下自动驾驶车辆定位估算

为提高网络延迟攻击下自动驾驶车辆定位估计算法的精确度,研究了延迟模型下自动驾驶车辆定位的无偏差有限脉冲响应(UFIR)估计器设计方法,并仿真实验.搭建延迟攻击下的车辆运动学模型,拓展模型至有限长度的时间窗口,推导UFIR算法按批处理式与迭代式表达形式,分析Apollo系统各功能模块的数据流动,基于LG开源自动驾驶仿真器...     

Rijndael加密算法初探

介绍了DES算法的破译和AES算法的诞生。详细分析了Rijndael算法，并给出算法的伪C语言代码和测评结果。     

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。     

交通网络最短路权矩阵的迭代算法

介绍了求解交通网络最短路权矩阵的3种迭代算法,从迭代思路、时间复杂度、程序可读性等方面进行了比较,指出各算法的异同点以及联系,最后通过一个具体网络模拟了各算法的迭代过程.     

ARP病毒攻击原理及改进的防范算法

本文针对目前校园网中地址解析协议（ARP）病毒的频繁发作.分析了ARP安全漏洞及病毒攻击原理：利用数据链路层地址解析协议（ARP）可以实施“中间人”攻击、MAC/CAM攻击、DHCP攻击、地址欺骗等攻击的形式,因为ARP协议具有实现IP地址到网络接口硬件地址（MAC）的映射功能,所以利用此特性在数据链路层发动的攻击具有很强的隐蔽性。针对ARP攻击的方式,提出了一种防范算法,以先发送请求和验证发送端地址方法,有效防范ARP攻击,提高了网络的安全性能。     

应用改进和声搜索算法分析边坡的稳定性

为提高基本和声搜索算法的全局搜索能力,提出了基于未知解空间探索与已知解空间开发相平衡的改进和声搜索算法。在基本和声搜索算法迭代一段时间后,在当前最好解的周围进行开发,所得的改进解反馈给基本和声搜索算法,继续进行迭代,如此反复,直至没有更好解产生为止。将新算法用于求解边坡最小安全系数,算例分析表明其效率比基本和声算法有较大提高。     

基于车辆轨迹预测对抗性攻击与鲁棒性研究

针对常规车辆轨迹预测数据集中较少包含极端交通场景信息的问题,本文提出一种新型对抗性攻击框架来模拟此类场景。首先,为了判定不同场景中对抗性攻击是否有效提出了一种阈值判定的方式;然后,针对攻击目的的不同分别设计了两种对抗性轨迹生成算法,在遵守物理约束和隐蔽性前提下,生成更具对抗性的轨迹样本;此外,提出3个新的评价指标全面评估攻击效果;最后,探究了不同的防御策略来减轻对抗攻击影响。实验结果显示,基于扰动阈值的快速攻击算法（attack algorithm based on perturbation threshold for fast attack,PTFA）和基于动态学习率调整的攻击算法（attack algorithm based on dynamic learning rate adjustment, DLRA）在NGSIM数据集上的攻击时间和扰动效果均优于现有算法,更高效发现模型弱点。本研究通过模拟极端情况丰富了轨迹样本,深入评估了模型鲁棒性,为后续优化奠定了基础。     

基于阻尼LSQR算法的混凝土无损检测技术的研究与应用

在混凝土超声无损检测中,采用CT层析成像的方法,能够呈现出混凝土内部的结构特征,更直观显示缺陷的位置、大小及类型.针对常规LSQR(Least Squares QR-factorization)迭代算法在数据误差较大时仍会发散的缺点,为了提高LSQR算法的抗噪能力,在LSQR算法迭代求解过程中施加一定的阻尼,控制减小奇异值对解的影响,这就是阻尼LSQR(Damping Least Squares QR-factorization)算法.计算机仿真结果及混凝土试件试验结果表明:阻尼LSQR算法比LSQR算法具有更好的CT重建效果和消噪能力,提高了计算的精度和图像重建质量.     

蚁群算法在路面模量反演中的研究与应用

基于蚁群算法的基本原理,提出了路面材料特性的蚁群反演算法。采用启发信息概率选择方法和多层循环迭代逐步缩小初始值选择范围的措施,提高算法精度,并用算例对其算法进行验证,结果表明,蚁群算法能以较高的精度解决连续空间优化问题。     

发动机前端附件带传动系统固有频率算法的研究

为分析发动机前端附件带传动系统的固有振动特性,对一种Holzer型双循环迭代法进行了研究.针对多带轮系统给出了双循环迭代算法的计算过程,推导了内循环迭代收敛的充要条件;并考虑内循环迭代发散的可能性而采用直接法代替内循环迭代,得到了一种混合算法.最后通过两个算例表明,所提出的混合算法能准确有效地计算系统的固有频率.     

汽车道路模拟算法研究

研究了道路模拟算法的两个关键问题：频响函数识别算法和驱动信号迭代算法。识别频响函数时，引入了多点激振试验方法和多输入多输出Hv频响函数识别算法，克服了单点轮流激振试验技术和H1、H2等识别方法的缺点，可以提高识别精度，加快试验进程。为了消除非线性的影响，采用频域迭代的方法逐步修正驱动信号，使系统的响应逼近于期望响应信号。试验表明，利用所研究的算法可以成功地模拟一辆轿车在海南试验场的实际行驶工况，迭代收敛速度和模拟精度可以满足试验要求。证明本文所研究的算法是正确的，实用的。     

基于关联规则与离群点的新能源汽车动力域入侵检测

为提高新能源汽车动力域中针对篡改攻击的入侵检测系统效果,建立包括关联规则检测和离群点检测的动力域防护模型,通过实车采集固定工况下的动力域报文数据,基于关联规则算法建立规则库检测篡改攻击;在关联规则检测的基础上通过离群点检测,检测复杂类型的篡改攻击。仿真结果表明,该方法相比于传统的关联规则方法检测准确率提高5.83%,能有效检测针对新能源汽车动力域的篡改攻击。     

双层规划法路网通行能力模型改进算法优化研究

对基于双层规划法的路网通行能力模型改进算法进行算法优化研究。其中,主要对底层模型进行流程改进与算法优化,并通过求解方法的合理设计从迭代上优化模型算法。最后,通过算例分析证明了算法优化后的效率较优化前有显著的提高。     

一类新的自适应信赖域算法

对无约束优化问题提出一种类似带记忆的自适应信赖域算法,迭代过程中利用前面得到的迭代点的导数的信息自动产生一个信赖域半径。在一定的条件下,证明了算法的收敛性,并通过数值实验验证了算法的有效性。     

双层规划法路网通行能力模型改进算法优化研究

对基于双层规划法的路网通行能力模型改进算法进行算法优化研究。其中,主要对底层模型进行流程改进与算法优化,并通过求解方法的合理设计从迭代上优化模型算法。最后,通过算例分析证明了算法优化后的效率较优化前有显著的提高。     

车用汽油机过渡工况进气流量预测研究

提出了一种基于混合遗传算法的径向基神经网络(HGARBF)的车用汽油机过渡工况进气流量预测模型。首先设计了一种新的混合遗传算法,利用梯度算法每次迭代得到的结果来改进遗传算法的群体,将遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的起始点,运用该混合遗传算法进行径向基神经网络参数的优化,改善径向基神经网络不同初始参数对其性能的影响;然后建立了基于HGARBF网络的过渡工况进气流量的预测模型。仿真结果表明,该预测模型优于经典的进气流量平均值模型,为精确及时测试汽油机进气流量提供了新的方法。     

基于改进型梯度法的客车侧翻一步碰撞算法精度改进研究

基于改进型梯度法,对客车侧翻一步碰撞算法初始解各节点的广义失衡力进行平衡迭代,并将局部摄动思想引入改进算法的节点广义失衡力平衡迭代过程,快速获得侧翻碰撞结构的最终变形,与原始牛顿-拉夫森(Newton-Raphson)方法相比,在保证模拟精度的同时,提高了计算效率。应用改进算法对某款长12 m的公路客车典型车身段模型进行侧翻碰撞模拟,并将仿真结果与原始算法仿真结果及侧翻试验结果进行对比,结果表明,改进后算法精度基本保持不变,计算时间缩短2/3。     

路径诱导问题中Dijkstra算法和矩阵迭代算法的比较研究

Dijkstra算法和矩阵迭代算法都是最短路径问题的经典算法,为了研究这2种算法的计算效率,介绍了2种算法的基本思路和程序流程;通过对时间复杂度、结果和时间的关系指标进行多次计算,表现2者之间的效率差异.比对结果显示:矩阵迭代算法较Dijkstra算法速度快;随着交叉口数的增加,前者较后者速度优势更加显著;前者计算思路较后者简洁,便于计算机程序的编写.     

带时效性约束的物流中心选址研究

论述设施选址的时效性约束问题,构造带时效性约束的物流中心选址模型,分析求解重心选址模型传统迭代算法的局限性,提出一种新的基于Matlab优化函数的精确算法,并给出算例,验证模型和新算法的可行性。模拟分析表明,基于Matlab函数的新算法,编程简单,功能强大,能够求解传统迭代算法无法求解的带时效性约束选址问题。     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。