结合交通特性的VRP新模型

通过考虑物流配送问题中会遇到的实际情况,结合交通特性,基于工作时间弹性约束、车载容量弹性约束、配送管理约束、交通道路的横向阻抗影响、交叉路口的交通管制等,提出了新函数模型.理论分析及对模型测试结果表明,新的函数模型有更高的精度,能够更好地反映实际问题.     

基于OpenMP的并行遗传算法求解SAT问题

为了提高SAT （boolean satisfiability） 问题求解效率,在OpenMP （open multi-processing） 编程框架下,将遗传算法与局部搜索算法结合,改进了混合遗传算法中的选择算法,将原有选择操作的时间复杂度降低到O(N)级别. 算法采用OpenMP中的编译制导语句#pragma omp parallel粗粒度并行化驱动混合遗传算法,采用#pragma omp single语句块实现了子种群间个体的同步迁移操作. 与同类算法HCGA （hybrid cloud genetic algorithm）比较分析表明:改进算法HGA （hybrid genetic algorithm）以及并行后的混合遗传算法CGPHGA （coarse-grained parallel hybrid genetic algorithm）在求解成功率和求解效率上都有显著提高,部分问题求解成功率提高达5倍.      

HTC-08型透层油在神府高速的应用研究

结合神府高速公路工程实际,总结HTC-08型透层油在水泥稳定碎石基层的施工工艺,对比基层施工早期1 d内洒布与成型7 d后洒布的路用效果,并与煤油稀释沥青室内试验结果进行对比。结果表明,HTC-08型透层油施工工艺简单,层间粘结效果良好,基层成型1 d内洒布效果最好。     

基于支持向量机的低能见度前车识别研究

复杂气象条件环境是造成交通事故高发的重要原因之一,驾驶员视觉无法在复杂气象条件造成的低能见度环境中快速有效识别前方车辆,而机器视觉在克服生物视觉易受干扰的基础上,还保留了高效的延续性和稳定性等特点,挑选驾驶经验丰富且精神状态良好的驾驶员对采集的低能见度车辆前方样本图片进行分类,并使之成为训练样本。然后在MATLAB2016b版本上利用LIBSVM工具箱建立基于支持向量机的模拟驾驶员分类识别模型,最后使用测试样本验证其识别率,仿真分类模型识别结果表明,识别率达到90%以上。     

航道高强度塑钢组合板桩护岸变形监测研究

以往河道护岸工程中多采用直立式混凝土挡土墙,在不同程度上对景观环境和生态产生了不良的影响。高强度塑钢板桩具有材质轻、耐久性较好、维护成本低、造价经济、施工方便快捷等优点,而且现场试验研究充分进行。设计并实施塑钢板桩护岸变形监测试验,论证了高强度塑钢联锁组合板桩生态护岸在航道工程中应用的可行性和创新性。     

基于CFD的SUV空气动力学特性与仿真分析

为提高SUV的空气动力学性能,文章阐述了造型与空气动力学相结合的汽车造型开发流程,利用CFD方法对某SUV的空气动力争洼能进行模拟,模型模仿风洞试验,得出该车的风阻系数为0．343,根据该车压力分布、气流流动分布以及湍动能分布情况,对车身局部区域的造型提出优化建议,最终使车型空气动力学性能满足设计要求。     

船用滑油在线检测传感器选型研究

通过对国内外滑油在线检测技术的分析,针对某型船用滑油油品、磨粒、水分在线检测传感器的选型要求,从传感器的性能指标、安装方式等方面进行了分析研究,并对选出的传感器做了仿真分析,最终确定了传感器的选型。     

焊接工艺对6061-T6铝合金接头疲劳性能的影响

通过脉动拉伸疲劳性能试验和对疲劳断口的形貌分析,分别对不同线能量、不同预热温度和不同层间温度下的6061-T6铝合金MIG焊对接接头疲劳性能进行了研究.结果表明:随着线能量的增加和预热温度的降低,接头指定寿命为1×107的中值疲劳极限σ01有所升高,且在不同层间温度下,层间温度为70 ～90℃时中值疲劳极限σ01较高.疲劳试验中所有断裂试件均在焊缝处断裂,其断口形貌分析表明:试验试件焊缝处表面或近表面的气孔是整个疲劳断裂的启裂源,在脉动载荷的作用下,裂纹从此处产生并向内部逐渐扩展.疲劳裂纹启裂区和扩展区具有典型的疲劳断裂特征,疲劳纹清晰,终断区为韧窝型断口形貌.     

用OSPF实现小规模区域网的互通

介绍在小规模网络中部署OSPF,实现网络互通的基本实现方式,并且对一条路由成为OSPF路由的方式,尤其是OSPF协议中如何进行路由聚合进行了说明.     

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream，MTS)下智能网联车(Intelligent Connected Vehicle，ICV)实现鸣笛意图(Horn’s Intention，HI)识别，更好地遵循常规车辆(Manual Vehicle， MV)的驾驶意图，提出ICV 对MV 鸣笛声的“ 感知(Perception) - 定位(Location) - 识别 (Recognition)”模型(简称HI-PLR)，采用深度卷积-循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声；采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV；再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明，HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%，定位角度估计误差小于5°，HI 识别率达 82.5%，为ICV在MTS中的智能驾驶决策提供依据.