涡轮增压器与柴油机全转速范围内联合运行关系模型

建立涡轮增压柴油机部分转速的增压压比和最高转速的增压压比的关系模型。对模型求解,得到表征两个压比的比值随柴油机转速、最高转速的压比变化的MAP图。与某型柴油机实验结果的对比表明,该模型可以较准确地预测两个压比之间的关系。模型还给出获得同样的增压压比时,低速和高速之间匹配的涡轮当量面积的关系。     

基于卡尔曼滤波的地形辅助导航

利用海底地形辅助导航是水下载体导航技术致力研究的新方向。该文利用多波束测深系统测量真实地形数据,在此实测地形图的基础上,采用ICCp算法为对准匹配算法,得到水下载体的最佳匹配位置,提高水下载体的导航精度。并利用仿真以平台式惯导系统为例,用卡尔曼滤波对惯导系统误差进行最优估计,取得了较好的效果。     

TCP包状态检测系统的硬件设计与实现

提出了一种利用硬件实现的TCP包状态检测系统模型,与传统的状态检测系统的区别在于：1）提出established状态时的数据匹配,以防止包数据的攻击;2）利用哈希算法快速存放、查找信息的特点实现状态信息的存储和转换;3）采用时间地址循环超时管理策略来管理超时的连接。实验结果表明,该设计在能防止一些网络数据攻击的基础上快速准确地实现TCP状态转换功能。     

基于Hausdorff距离的雷达图像与电子海图实时匹配算法

针对已抽取海岸边缘特征并二值化的电子海图和已提取海岸边缘特征并缩放至海图比例的实时雷达图像进行匹配。匹配时,先提取待匹配曲线的特征点构成特征段,然后用特征段之间曲率的H ausdorff距离来度量分段轮廓之间的相似性,获得匹配结果。该算法充分利用轮廓线的几何特征信息,既保证了较好的匹配精度,又能显著提高算法速度,实现雷达的实时匹配定位。     

New method for predicting full-scale power performance of pumpjet propulsion system based on statistical learning北大核心CSCD

[目的]针对“适配于螺旋桨的船尾线型+泵喷推进器”构成的船舶泵喷推进系统,提出一种基于统计学习的实船快速性预报新方法。[方法]以某大型水面船舶泵喷推进系统为对象,通过神经网络学习典型推进泵的推力系数图谱曲线,综合运用船-桨配合时的K_(T)-J曲线和船体-喷泵配合时的推力特性曲线,建立“仅需船舶阻力曲线就能实现船舶泵喷推进系统实船快速性预报”的新方法,并基于船模阻力试验、泵喷模型敞水试验及船体-泵喷自航试验的测量换算结果对实船推进性能的预报结果开展精度校验。[结果]校验结果表明:在航速18~30 kn范围内,船舶泵喷推进系统的自航转速、推力和功率的预报误差可控制在5.4%以内,其中设计航速附近的误差甚至小于2%;船体-泵喷的相互作用程度介于船-桨与船体-喷泵之间且幅值相对较小,推力减额系数为趋向于0的极小值,故船舶泵喷推进系统是介于桨轴推进系统和喷水推进系统之间的产物。[结论]该预报方法有利于提升船舶泵喷推进系统实船快速性预报的能力,可为新型舰艇泵类推进系统总体设计/研究提供参考。     

基于匈牙利匹配和卡尔曼滤波的动态多目标跟踪

为了得到无人驾驶汽车目标检测的准确信息,文章通过对标定后的原始激光雷达点云进行分割和聚类,利用霍夫直线检测提取障碍物的外包框,最后使用匈牙利算法对被跟踪的障碍物和新检测出的障碍物进行关联匹配,并求出最优解,最终使用卡尔曼滤波算法对其进行状态优化。通过实验表明,本算法可以在激光雷达一帧0.1 s内,快速、准确地跟踪被检测出的障碍物。     

高峰期考虑乘客议价的网约车定价与平台收益及社会福利优化

现阶段有关网约车动态定价的研究主要是从司机和平台的角度出发，借助排队论、生灭过程等方法描述司机的运行状态，对市场需求的动态变化特征关注较少，同时也没有考虑乘客方的自主议价权力。本文采用动态匹配描述网约车市场中乘客与司机的匹配过程，通过构建动态匹配模型描述短时间内市场变化的影响，采用需求与供给函数描述乘客和网约车的状态，在此基础上，构建平台利润最优模型和社会福利最优模型；然后提出乘客议价影响因子并依据现有数据确定其在市场运行不同时段的函数，将影响因子引入已建立的模型得到修正后的动态匹配模型和定价模型；最后设置算例验证模型可行性，探讨价格变化对市场的作用，分析乘客议价对动态匹配网约车市场的影响。算例结果表明，随着价格变化因子倍数的增加，社会福利、平台利润和匹配量先增后减，在倍数为2.0时，社会福利达到最大，倍数为1.3时匹配量达到最大。对比分析发现，乘客议价将推动市场向供求平衡移动，同时增加网约车市场高峰时段的平台利润和社会福利。     

考虑匹配优先级的共享混合停车位租用与分配问题研究

为充分利用混合停车场的停车和充电资源，本文依据出行者需求的差异性设置匹配优先级，在此基础上以共享平台接受并出租车位的收益扣除拒绝请求的惩罚成本的总收益最大化为目标，以充电量不超过停车场负荷为约束条件，建立考虑匹配优先级的共享混合停车位租用与分 配(MPRA)模型。基于匹配优先级原则和模型特征改进蚁群算法，设置分块冲突矩阵，根据分块冲突矩阵设计蚂蚁信息素更新策略和路径选择策略并进行求解。最后算例证实了考虑匹配优先级的必要性，并分析了问题规模对MPRA分配方案的影响。研究结果表明：在充电需求匹配率方面，MPRA方案高于利润最大化方案，平均提升率为28.96%，这一优势与出行者数量或车位数量成反比，且利润提升率随着问题规模的增加而增加；车位数量有限时，MPRA方案相较于先到先停方案可以极大化提升车位利用率和充电需求匹配率，平均提升率分别为17.87%和113.96%。     

基于长间隔大规模数据的地图匹配算法研究

随着GPS定位技术应用的日益推广,GPS技术被大量应用于公交车辆及出租车辆的定位与预测.公共交通调度中心的数据量和处理负荷将变得非常巨大,而且租用电信无线网络的费用也很高.如何使用尽可能少的数据得到比较好的定位信息和节约计算资源就成为我们面对的一个重要课题.针对杭州交通调度中心的出租车和公交车的大间隔定位信息,本文提出了一种将基于权值,道路拓扑和最优路径选择相结合的综合地图匹配算法,并应用于实际,取得了很好的效果.     

���ڴ��ģ���������ݵĵ�ͼƥ���㷨

地图匹配问题是浮动车技术中必须解决的关键问题。由于浮动车数据自身的特点，传统的导航地图匹配算法难以直接适用于大规模的浮动车数据匹配。本文在分析基于浮动车数据的地图匹配与传统的导航地图匹配的异同点的基础上，提出了浮动车地图匹配模型族的解决方案和相应的道路网格拓扑结构，设计了包括道路初次匹配模型、平行方向道路识别模型、节点匹配模型、延时匹配模型在内的浮动车数据地图匹配算法体系，并对算法进行了评估和验证。本文提出的浮动车数据地图匹配算法模型已经在广州市ITS示范工程中得到了实际应用，应用结果表明该算法具有准确、高效和实用的特点。