大运汽车全系亮相 战略意图初露端倪

卡车新星——大运汽车在此次广州车展中,再次展现其恢宏、精彩之气势,共展出7辆车,其中包括三款牵引车,两款自卸车,另外还有两辆轻卡。几款参展重卡均为大运汽车目前畅销车型,包括CGC4250牵引车、CGC4180牵引车、DYX325自卸车等。大运重卡前脸采用的流行欧式风格造型呈V字形结构,借鉴轿     

英菲尼迪M37

英菲尼迪M37的电子配置让人眼花缭乱,似乎已经把驾驶变成了一种程序化的存在,不过如果你在宽敞的高速公路上想要逞威风的话,M37还真就不会含糊。     

电梯操纵箱、外呼盒、检测箱的研发设计

本文主要论述了电梯操纵盒和外呼盒检测箱的研发设计及在实际检测中应用的效果与体会。     

我国《海商法》的实际承运人制度

“实际承运人制度”是我国《海商法》中的重要制度，是我国吸收国际先进立法经验制定的。但在实际运用中存在很多混乱情况。如何识别实际承运人，如何向实际承运人追究责任，不仅当事人做法不一，各海事法院的处理也不完全一致。例如在五矿国际公司诉海南通连船务公司再审案中，承运船错误卸货，被告通连公司作为承运船的注册船东，在一审中被海口海事法院判定作为承运人负责，在二审中则被海南省高级人民法院判定作为实际承运人负责，而在最高人民法院再审时，又被判定为既不是承运人也不是实际承运人，无须对错误卸货负责。因此，澄清“实际承运人”的概念和法律地位。改变实务中的混乱局面，以达到设立这一制度的立法意图。是理论上亟需解决的一个问题。     

基于驾驶员意图识别的纯电动汽车动力性驱动控制策略

为了解决纯电动汽车动力性和操控性难以同时兼顾的问题,将驾驶员意图分为稳态意图和动态意图,稳态意图用于保证车辆的操控性,动态意图用于保证车辆的动力性,在此基础上提出了一种基于驾驶员意图识别的纯电动汽车动力性驱动控制策略,该策略首先分别采用“典型工作点+分段插值”和模糊推理方法来识别驾驶员的稳态和动态意图;接着采用“动态补偿转矩保持”和“动态补偿转矩归零”等算法计算动态补偿转矩;最后通过“增量式”动态补偿转矩跟踪算法和电机过载管理算法给出最终的转矩指令。仿真与试验结果表明,该策略既可以根据驾驶员稳态意图保证车辆的操控性,也可根据驾驶员动态意图提高车辆的动力性。     

海战场对敌战术意图序贯识别技术研究

对战场上出现的大量目标隐含的战术意图的正确、快速、自动识别，能大大提高战场指挥人员的决策效率。以战场态势估计为基础，提出战术意图识别的框架模型；结合最大近似法、D—S证据理论用于战术意图序贯识别的不同阶段。该研究属于决策级数据融合的范畴。     

中国外汇储备转向战略性投资

2006年底中国外汇储备已达到10,663亿美元，中国将成立国家外汇投资公司，运用好这笔庞大的资产。专家分析，新公司可能管理2,000亿美元的资产，成为全球最大的外汇投资公司，也将是国家实施战略意图的工具。正在加紧筹备中的新公司已在投资方向、投资策略，收益率、人才选用等方面面临不少挑战。[编者按]     

中重型柴油汽车过度转向浅析

中重型柴油汽车的操纵稳定性研究的内容很多,诸如转向轮稳定力矩,悬架结构对行驶方向稳定性的影响,轮胎受力变形的规律,柴油汽车按驾驶意图行驶的能力(如改变行驶路线躲避障碍的能力、抗侧滑能力、抗侧向偏移能力、抗侧向风吹袭的能力)等.不过,对于载货汽车来说更注重柴油汽车的转向性能.转向性能是讨论柴油汽车的转向轮转角、转弯半径和车速之间的关系.     

马士基航运2011年战略意图探析

1事件概况 2011年2月,马士基航运向大宇造船订造10艘3E级18000TEU集装箱船,并保留再订造20艘同级集装箱船的选择权,单船造价1.9亿美元,合同总金额高达57亿美元。这是迄今为止集装箱航运业最大的一笔新造船订单,     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域，研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络，通过学习交汇水域船舶的历史轨迹，以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征，LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择，从而形成船舶轨迹与航行意图识别模型。同时，引入Dropout网络结构描述该模型的预测不确定性，采用随机关闭CNN+ LSTM核心网络部分神经单元的方式，以相同轨迹序列作为输入获取多组相近的预测结果，根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验，创建了该交汇水域船舶航行轨迹数据集，以输入时长60 min，采样频率3 min作为输入条件，Dropout值取0.5，实验结果表明:所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile，航行意图识别准确率达87%，不确定性估计覆盖率达85.7%。与LSTM预测方法相比，当船舶操纵性发生改变时，所提CNN+LSTM模型的轨迹预测误差降低了31.6%，而且兼具船舶航行意图识别及预测不确定性估计能力，有利于智能航行与海事监管技术发展。