全文获取类型
收费全文 | 125篇 |
免费 | 5篇 |
专业分类
公路运输 | 26篇 |
综合类 | 34篇 |
水路运输 | 62篇 |
铁路运输 | 7篇 |
综合运输 | 1篇 |
出版年
2023年 | 3篇 |
2022年 | 6篇 |
2021年 | 7篇 |
2020年 | 4篇 |
2019年 | 6篇 |
2017年 | 2篇 |
2016年 | 6篇 |
2015年 | 2篇 |
2014年 | 4篇 |
2013年 | 6篇 |
2012年 | 7篇 |
2011年 | 4篇 |
2010年 | 7篇 |
2009年 | 8篇 |
2008年 | 9篇 |
2007年 | 9篇 |
2006年 | 6篇 |
2005年 | 6篇 |
2004年 | 4篇 |
2003年 | 3篇 |
2002年 | 1篇 |
2000年 | 3篇 |
1999年 | 3篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1996年 | 1篇 |
1994年 | 2篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1989年 | 1篇 |
排序方式: 共有130条查询结果,搜索用时 62 毫秒
71.
自治式水下机器人(AUV)在复杂海洋环境航行时要求能够及时躲避障碍物.文中建立了基于前视声呐的环境模型,将未知障碍物信息转化到环境中,并对未知障碍物进行属性判断.将水面船舶的碰撞危险度概念应用到AUV的水下环境避障中,建立新的水下三维碰撞危险度模型,仿真实验证明此方法可以使AUV 在多水下运动障碍物的不确定环境中得到较好的局部避碰效果. 相似文献
72.
73.
74.
以BP神经网络计算船舶碰撞危险度 总被引:1,自引:1,他引:0
基于参考文献〖3〗的多因素确定碰撞危险度模型,研究了在自动避碰系统中确定碰撞危险度的BP神经网络快速实现方法。通过建立隐含层为97个神经单元的三层BP网络,并通过106万次训练,使网络能够蕴涵文献〖3〗的所有知识,并使网络所确定碰撞危险度误差在0.5%以下,通过随机样本仿真检验,效果良好。 相似文献
75.
76.
通过对智能避碰过程中本船及目标船的相关参数、合适的选取船舶碰撞危险度的评价集以及各个因素对碰撞危险度的影响权重的研究,根据模糊理论建立船舶碰撞危险度评价模型.在评价模型的基础上结合简单的船舶运动模型,通过搜索出能使本船碰撞危险度最低的行动来建立避碰动作决策模型.采用Visual Studio 2008开发环境,在电子海图中对提出的模型进行实验仿真,实验结果验证其模型的正确性和合理性. 相似文献
77.
78.
山区双车道公路路侧危险度对安全影响的分析研究 总被引:1,自引:0,他引:1
为探明路侧危险度对安全的具体影响规律,本文做了深入的调研和分析.分析结果表明:路侧危险度和路侧事故率是偏弱的负相关关系,而与全部事故率、碰撞事故率是偏弱的正相关关系;在综合考虑接入口密度、道路线形、交通组成、路侧危险度等因素构建的综合事故预测模型中,路侧危险度只在碰撞事故预测模型中为正向影响系数,在其他模型中为非显著影响。进一步分析发现,路侧危险度对全部事故率的影响是按二次抛物线先降低后持续上升,对碰撞事故率影响是按二次抛物线持续上升,对路侧事故率影响是按二次抛物线持续下降.基于分析结果,确定了路侧危险度事故减少因子,并对路侧危险度对碰撞事故的影响做了细致分析. 相似文献
79.
为能在开阔水域中提升船舶驾驶员在多船会遇场景下的避碰决策能力,按照国际海上避碰规则(Convention on the International Regulations for Prerenting Collisions at Sea,COLREGs)的要求,综合考虑船舶航行的安全性与经济性,提出一种基于粒子群-遗传(Partide Swam Optimization-Genetic Algorithm,PSO-GA)的混合优化避碰决策算法。基于最近会遇距离(Distance of Close Point of Approaching,dCPA)和最近会遇时间(Time to Close Point of Approaching,tCPA)确定船舶碰撞危险度(Collision Risk Index,ICR)的计算方法,基于转向幅度与航行时间建立避碰决策目标函数。基于PSO-GA算法具有提高收敛精度和加速全局寻优的特点,当ICR≥0.5时,启动PSO-GA算法,获得让路船舶在全局范围内的最佳转向幅度和在新航向上的航行时间。仿真结果表明:与单独使用PSO或GA算法相比,PSO-GA算法能够以较少的迭代次数找到安全经济避碰航线。提出的避碰决策算法能够为船舶驾驶人员在避碰决策中提供参考,有助于提升船舶航行的安全性和降低船舶碰撞事故发生的风险。 相似文献
80.
船舶碰撞危险度的确定是保证海上船舶航行安全的重要问题,也是一个复杂的过程,受很多因素的影响,具有很强的非线性特征。神经网络集成是用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各种神经网络在该示例下的输出共同决定。本文基于粒子群优化算法实现一种选择性神经网络集成方法,并基于该方法对船舶碰撞危险度问题进行了建模。仿真结果表明,基于粒子群算法的选择性神经网络集成方法适合于船舶避碰问题模型,且模型的精度很高。 相似文献