基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络(Long Short-term Memory Network,LSTM)对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型(VP-LSTM).该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场...     

疫情期间延长船员在船服务时间的应对建议

分析新型冠状病毒肺炎疫情(COVID-19)对船员正常换班和遣返的影响,介绍2006年海事劳工公约关于船员在船服务时间的相关要求以及疫情期间部分船旗国延长船员在船服务时间的临时措施,结合东京备忘录发布的港口国(PSC)指南,就如何应对船员在船服务时间的延长提出相关建议,供航运公司和船舶参考.     

装卸船效率优化设计

装卸船的装卸效率是确定工艺方案的依据,合理的装卸船效率应兼顾港口建设、运营以及海运费用。在综合效益分析和满足现行规范的基础上,以某电厂配套码头为例,以港口资源、航运物流链整体效益优化为目标,提出一种装卸船效率的近似计算方法,建立了合理的装卸船效率模型,可为提升港口装卸效率提供依据。     

船舶能量管理控制器硬件在环仿真技术

为节省研发成本、缩短研发周期,研究了船舶能量管理控制器硬件在环仿真技术。介绍了基于经济性考虑的船舶能量管理控制器的功能,并分析了能量管理控制器与目标机的通信接口。通过以太网通信技术连接能量管理控制器与RT-LAB仿真平台,搭建了船舶能量管理控制器硬件在环仿真平台。通过仿真测试验证了搭建的硬件在环仿真平台能够用于船舶能量管理控制器的研究与开发。     

基于并行多任务深度学习的铁路主要技术标准优选

铁路主要技术标准是铁路全生命周期最重要的先决技术决策之一.传统的基于经验驱动的决策方法工作量大、周期长、严重依赖设计者的经验水平、可能遗漏有价值的方案.而主要技术标准优选的关键在于揭示多维环境因素与主要技术标准值之间的潜在映射关系.受深度学习在规律特征识别方面成功应用的启发,提出基于并行多任务深度学习的铁路主要技术标准优选方法:将影响技术标准决策的多维环境因素为输入,主要技术标准值为输出,构建深度学习模型发掘规律;提出将地形转换为图像,再卷积提取特征,并与运量、路网中的作用等数据融合的方法,解决多模态混合输入学习样本的生成难题;针对各标准之间相互关联问题,建立了适于主要技术标准优选的多任务神经网络结构,并通过大量实验,确定了卷积层、卷积核、全连接层等主要结构参数.经5736 km既有线路实例验证,主要技术标准决策的平均准确率可达88％以上.     

学习体验主导型教学评价指标体系构建与应用--以广州大学华软软件学院为例

有效的学习体验有助于调动学生的学习积极性。对大学来说,学习体验是学生提升专业能力的有效途径。从发达国家教学评价的发展历程来看,以学生学习体验为主导将纳入教学评价内容。本文对我国教学评价的现状和存在的问题,阐述了学习体验的内涵,构建了以学习体验为主导的教学评价指标体系,以期为我国高校的教学评价提供参考。     

基于迭代学习的速度传感器故障诊断研究

霍尔式速度传感器利用实时检测的速度信号作为系统速度反馈参考,广泛应用于轨道交通和汽车电子产品中,为系统安全可靠运行提供保障.针对霍尔式速度传感器工作原理,构建含有实时故障估计变量的线性时不变系统模型,根据传感器实际输出和估计输出的残差信号确定目标函数及基于迭代学习的故障诊断数学模型,并对此迭代学习故障诊断策略进行收敛速度和收敛精度分析.为验证诊断策略的普适性和正确性,在速度传感器正常工作状态下施加典型阶跃、指数和正弦形式的故障信号,探究诊断算法对故障信号估计的准确性和时效性.研究结果表明:所提故障诊断策略能够利用实时故障估计变量准确估计故障信号,并在有限时域周期内全局收敛,为诊断策略的工程化应用奠定基础.