中国汽车产品出口非洲目标市场的确定──AHP模型在国际市场定位中的运用

本文运用层次分析法（ＡＨＰ）分析了影响中国汽车产品出口非洲市场竞争力的主要因素,确定了中国汽车产品出口非洲的目标市场,为我国汽车工业进一步开拓非洲汽车市场提供了科学决策的依据,对我国汽车出口企业和主管部门科学决策具有一定的参考意义和实际应用价值。     

现代有轨电车在组团式城市的功能定位及建设时序研究

近年来现代有轨电车在中国城市的应用愈受重视,而组团式发展是中国现代化城市的发展趋势,现代有轨电车在组团式城市的应用缺乏专门的研究。首先对现代有轨电车在组团式城市的功能定位及其影响因素进行识别,研究认为其在主城区对骨干或主体的公交系统起到加密和接驳作用,在非主城区的组团起到骨干公交系统的作用。在此基础上以现代有轨电车与城市总体规划相关布局的契合度、与大型综合交通枢纽和地铁的接驳关系、线路所在组团的近期建设力度、线路客流需求和线路的实施条件等5个因素作为决策指标,运用多目标理想点决策的方法,分析各线路与理想线路的贴近度并排序,得出建设时序。最后以中国某组团式发展的一线城市最新的有轨电车线网规划方案为案例对这一建设时序的分析方法进行验证。     

城市轨道交通兼容性车载系统阶梯形目标速度的平滑跟踪控制研究

[目的]针对城市轨道交通兼容性车载系统中目标速度消息周期大于车载控制周期以及消息间隔不固定的特殊现象,提出了一种双周期速度跟踪算法来实现阶梯形目标速度的平滑跟踪目的。[方法]根据目标速度序列特点,引入了巡航状态和估计状态等2个控车状态,对列车站前减速过程进行识别。分别对消息周期和车载控制周期时刻的目标速度进行相应处理：当收到目标速度的消息周期时,基于卡尔曼滤波算法计算参考速度、参考加速度的估计值;当未收到目标速度的车载控制周期时,基于上述估计结果推算出车载控制使用的参考速度。考虑到目标速度消息滞后以及列车响应延时的特性,设计了拟平行参考速度跟踪控制策略。以上海轨道交通2号线为例,对参考加速度估计效果和不同运营等级场景下的控车效果进行了分析。[结果及结论]案例表明,上述算法可以克服目标速度消息周期长且间隔不固定所带来的控车工况频繁切换问题,避免了兼容性车载系统阶梯形目标速度曲线跟踪过程中控制命令饱和以及速度曲线凹坑现象,实现了列车在站前减速过程中的平稳控制,提高了乘客舒适度,减少了列车制动损耗,节约了牵引能耗。     

基于资源约束的地铁运营施工任务调度研究

针对地铁运营施工资源有限、时间严格、任务繁重等特点,本文以地铁运营施工任务调度为研究对象,建立运营施工调度优化模型与算法。模型以任务优先级、施工人员和施工工区限制等为约束条件,以完工时间最小化、施工人员工作负荷均衡化为目标;设计一种联合线性规划与资源交叉(CPLEX-ROC)的混合求解算法;通过对某实际地铁运营线路展开案例研究,验证模型和算法的可行性与先进性。案例研究结果表明：相较于人工调度、遗传算法(GA)、教学优化算法(TLBO)方法,最大完工时间分别降低32.90%、15.11%和10.75%;施工人员工作负荷均衡指标相较GA、TLBO分别优化了15.44%和10.62%。计算结果验证了本模型能够提升地铁运营施工任务整体作业效率,同时实现施工人员工作负荷均衡。     

数据融合技术在航海避碰决策支持系统中的应用

在航海避碰决策支持系统中引入数据融合技术,给出了系统的数据融合处理模型,并将数据融合技术与人工智能技术相结合,分别建立了基于ＤＳ证据理论、神经网络技术和模糊理论的目标识别模型、会遇状态估计模型及碰撞威胁估计模型。     

用于目标检测和精确定位的水下机器人视觉系统

基于目标检测和精确定位的ＡＵＶ（Ａｕｔｏｎｏｍｏｕｓ Ｕｎｄｅｒｗａｔｅｒ Ｖｅｈｉｃｌｅ）视觉系统是水下智能机器人感知水下环境信息、进行自主作业的关键技术。本文着重介绍了视觉系统的工作原理、模块结构、特征提取和目标检测与定位算法。最后给出了仿真试验结果,以说明系统工作的有效性和实用性。     

信息融合理论和技术在舰载S&D系统中的应用研究

应用信息融合理论和技术研究舰载S&D(Search & Detection)系统中多传感器雷达的多机动目标跟踪问题,可极大地增强系统跟踪目标的能力,改善和提高系统的跟踪精度.仿真结果表明,使用的几种融合算法都可大大提高系统跟踪精度,同时还可提高系统的可靠性.     

基于深度神经网络的船舶图像识别检索研究

对船舶图像进行快速准确识别在军民领域都有广泛应用,随着船舶种类的增多、图像质量的提高,传统的卷积神经网络进行船舶图像识别需耗费大量时间。本文对深度神经网络的原理进行分析,并在此基础上研究基于深度神经网络的船舶图像识别流程,对船舶图像预处理技术进行研究,建立船舶图像训练集和测试集,对YOLOV2、卷积神经网络和本文算法的平均识别时间和识别准确率进行分析,最后研究3种算法的训练次数对识别准确率的影响。本文研究的深度神经网络船舶图像识别算法,在平均识别时间以及识别准确率上具有一定优势。     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

多目标决策在公路方案比选中的应用

对多目标数学模型建立过程的论述,及对修建道路需要考虑的因素进行量化、比较,得到最优方案,有助于推动我国交通与经济的协调发展。