基于Faster-RCNN的站台端部人员入侵检测研究

铁路客运站的站台端部为非封闭式环境,存在人员非法入侵的风险。在阐述Faster-RCNN算法原理的基础上,详细描述了VGG16模型、RPN网络以及分类回归的过程。采集现场数据制作样本集,训练了可区分普通人员、施工人员以及防护人员的站端入侵检测模型。测试分析了5组不同参数下的实验数据,确定候选区队列长度等于300,推荐候选区数量等于15时为最优参数。模型对普通人员、施工人员以及防护人员3种样本的识别精确率分别为95%、99%、100%,识别召回率分别为97%、99%、100%,平均精确率均值为0.983 6,单帧检测时间为0.069 s。结果表明:算法可有效地检测普通人员、施工人员以及防护人员,满足实时检测需求,为站台端部人员入侵检测提供了新思路。     

基于改进DFS的联锁仿真教学系统的设计与实现

针对联锁系统进路搜索效率低下的问题,分析了广度优先、A*等搜索算法的局限性,提出了一种带有约束条件的深度优先搜索(DFS)进路搜索算法,搭建站场型拓扑网络,动态创建二叉树模型,设计改进DFS进路搜索算法的程序流程。从教学角度提出软件设计方案,以Visual Studio 2010为平台进行软件开发,实现CTCS-3级列控系统中的联锁仿真教学系统,该系统不但具备良好的可操作性,还集成故障设置、通信数据包查询等功能。     

基于粒子群优化的深度随机神经网络

针对传统多层随机神经网络性能不稳定问题,提出了一类利用粒子群优化算法来优化各层权值的深度随机网络方法.该方法利用粒子群优化算法,结合网络的输入输出灵敏度信息,逐层对自动编码器的输入层权值进行优化,通过改善自动编码器的性能来改善多层随机神经网络的性能.最后利用粒子群优化方法,对整个网络的权值作适当优化,进一步提高深度随机神经网络的性能.相对于传统深度学习算法,该方法在保持收敛精度的基础上降低了时间开销;相对于传统深度随机神经网络,该方法在增加时间开销基础上提高了收敛精度,从而较好地平衡了时间复杂度和收敛精度.     

舍弗勒：数字化浪潮下，后市场分销渠道的发展方向

数字化对后市场分销渠道的影响。新的所有权模式和分销渠道将在未来5年产生巨大变化。市场驱动的因素包括电驱动、数字化、全球化、客户整合等。其中,数字化是最关键的因素。数字化带来的车辆连接可以提供车载数据的业务机会,同时,可用的车辆数据大幅增加,催生新的服务模式和商业模式。     

汽车行业矩阵式管理的驱动机理及成功要素分析

文章从产品和服务集成的角度深入分析了汽车行业矩阵式项目管理的内在驱动机制,即多产品的同步开发客观上导致了总经理决策职能和部门专业职能的授权转移。在此基础上揭示了企业的发展阶段、流程制度的成熟度、总经理的能动性以及产品经理和总工程师的个性搭配组合,是矩阵管理成功的4个关键要素。     

利用视觉传感器图像处理技术实现前方车道线识别方法研究

车道线识别方法的突破对于无人驾驶汽车的研究具有重大意义,文章分析了基于深度学习的两种车道线检测算法,利用了视觉传感器图像处理技术对车道线进行了识别,研究了语义分割的算法.视觉图像处理则分别用目标检测算法和语义分割算法对车道线进行了识别,对两种算法做出了分析比较.研究结果表明:基于深度学习的语义分割网络具有更好的车道线识...     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

自动化车辆段内的车辆段信号系统与试车线信号系统整合方案研究

目前国内城市轨道交通的自动化车辆段中车辆段信号系统和试车线信号系统大多采用不同的联锁系统,导致出现试车线设备与车辆段联锁设备的接口设计方案多、外部接口电路复杂等问题.为此,提出了一种整合车辆段信号系统和试车线信号系统的改进方案:在既有自动化车辆段联锁以及ATP(列车自动防护)、ATO(列车自动运行)系统功能的基础上,扩...