中央差分定位系统的设计与实现

为弥补网络RTK(real-timekinematic)定位模式的不足,提出了一种基于Internet的中央差分定位系 统cenDPS.该系统基于现有网络RTK 的工作环境,由cenDPS服务器端完成流动站端内置的差分计算功 能,大大降低了RTK定位对流动站接收机性能的要求.这种集中式的差分定位系统可实时监测流动站的精确位 置,是位置服务(LBS)领域的重要研究内容和发展方向.试验证明了cenDPS的可行性,系统测试的平均初始化 时间为73s,实时坐标解的精度为cm 级.      

Stability and bifurcation in network traffic flow: A Poincaré map approach

Previous studies have shown that, in a diverge-merge network with two intermediate links (the DM network), the kinematic wave model always admits stationary solutions under constant boundary conditions, but periodic oscillations can develop from empty initial conditions. Such contradictory observations suggest that the stationary states be unstable. In this study we develop a systematic approach to investigate the stability property of stationary states in this and other networks within the framework of network kinematic wave theories. Based on the observation that kinematic waves propagate in a circular path when only one of the two intermediate links is congested, we derive a one-dimensional, discrete Poincaré map in the out-flux at a Poincaré section. We then prove that the fixed points of the Poincaré map correspond to stationary flow-rates on the two links. With Lyapunov’s first method, we demonstrate that the Poincaré map can be finite-time stable, asymptotically stable, or unstable. When unstable, the map is found to have periodical points of period two, but no chaotic solutions. We further analyze the bifurcation in the stability of the Poincaré map caused by varying route choice proportions. We apply the Poincaré map approach to analyzing traffic patterns in more general (DM)ⁿ and beltway networks, which are sufficient and necessary structures for network-induced unstable traffic and gridlock, respectively. This study demonstrates that the Poincaré map approach can be efficiently applied to analyze traffic dynamics in any road networks with circular information propagation and provides new insights into unstable traffic dynamics caused by interactions among network bottlenecks.     

基于VRS技术的外弹道精密测量系统研究

针对靶场外弹道测量采用的GPS单参考站差分定位技术无法满足长基线的精密定位要求的状况,提出基于虚拟参考站技术（VRS）的精密测量方案。通过对靶场VRS系统进行设计并推导出其定位的数学模型,最后分析VRS定位中的主要误差源对系统精度影响,论证了该方案可以完成导弹外弹道高精度、高可靠性和高覆盖范围的实时动态测量要求。     

平面单轴柔性关节的力传递关系

采用变形叠加方法分析了柔性微动关节的受力（矩）变形位移过程,推导了柔性关节两端广义力传递的矩阵变换.以对称半圆弧曲线柔性关节为例进行分析,并与以往采用伪刚体方法进行运动学建模的分析结果相比较,其结果与有限元分析结果更接近,从而大大提高了模型精度.     

地铁车辆车体侧摆试验及参数灵敏度分析

通过车辆动力学仿真来计算车辆动态限界的方法在我国已被广泛应用。动力学模型是影响车体动态限界计算精度的关键因素,可以通过车体倾摆试验来验证动力学模型。以某地铁列车的拖车和动车为研究对象,建立了车辆非线性动力学仿真模型,开展了车体侧摆试验。通过仿真和试验的相对误差分析,验证了仿真模型的准确性;设计了关键悬挂参数的正交试验,分析了关键悬挂参数对车体侧摆角度灵敏度的影响,以及关键悬挂件非线性对误差的影响。     

基于GPS精密单点定位的低轨卫星几何法定轨

为了提高几何法定轨的精度,系统分析了考虑低轨卫星受力情况的几何法定轨原理及数学模型,将动力学平滑结果作为几何法定轨的先验轨道,提出了一种改进的众数投票法,并将其成功地应用于低轨卫星几何法定轨,提高了基于非差观测值的数据预处理质量,避免了低轨卫星轨道出现较多的间隔,从而提高了定轨精度.     

交替荷载作用下钢材本构模型的适用范围

以箱形截面钢桥墩作为数值分析对象,分别使用修正双曲面模型、等向强化模型和随动强化模型预测钢桥墩在正负交替荷载作用下的滞回性能;并通过计算与试验结果的对比,探讨了这3种钢材本构模型的各自预测精度和适用范围。结果表明:修正双曲面模型能预测箱形薄壁截面和箱形厚壁截面钢桥墩的滞回性能;等向强化模型和随动强化模型仅适用于预测箱形稍薄截面钢桥墩的滞回性能,对于箱形厚壁截面钢桥墩,其预测结果则不够理想。     

Kinematic design of double-wishbone suspension systems using a multiobjective optimisation approach

This paper is focused on the kinematic design of double-wishbone suspension systems in vehicles, which is tackled using a multiobjective dimensional synthesis technique. The synthesis goal is to optimise an RSSR–SS linkage, subject to some constraints involved in the dynamic behaviour of vehicles. The synthesis method is based on gradient determination using exact differentiation to obtain the elements in the Jacobian matrix. These characteristics make the method adapt well to the optimum design of vehicle suspension systems. The method is capable of handling equality and inequality constraints, thus, the usual ranges of values may be imposed on the functional parameters. The formulation presented is easy to implement and the solutions obtained demonstrate the accuracy and robustness of the method.     

基于自然驾驶数据的分心驾驶行为识别方法

大量证据表明，驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式（如脑电波等）或半侵入式（如视频等）检测驾驶人分心的方法，不仅对驾驶任务造成一定干扰，且受多种环境因素的制约，误报率较高。基于此，只考虑非侵入式车辆运动特征，提出一种基于深度学习的驾驶人分心状态识别方法：首先，从自然驾驶数据集中获得大量的跟驰片段，采用态势感知方法，提取典型的分心驾驶片段，并建立仅包含车辆运动学特征的分心判别指标集；其次，利用梯度提升决策树-递归特征消除算法（GBDT-RFE）和随机森林-递归特征消除算法（RF-RFE）对特征进行重要度排序，得到重要度较高的分心监测指标；最后，采用长短时记忆神经网络（LSTM-NN）实现分心驾驶的分类识别，并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明：LSTM-NN在判别分心或正常状态时F₁分别为89%、91%，高于SVM和AdaBoost对应二分类结果；进行多分类任务时，判别分心情景的平均F₁较SVM和AdaBoost分别提升了12%和7%，不同类别分心识别的误报率在15%以下，说明LSTM-NN能够有效学习分心序列的前后信息，有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。     

惯性荷载和地震荷载作用下单桩横向非线性动力响应简化分析

根据已建立的地基土—单桩系统横向非线性动力响应简化分析模型和计算方法,讨论了动力荷载作用下单桩横向非线性惯性响应以及地震作用下单桩横向非线性运动响应,采用两个非线性运动响应因子表征地基土—单桩系统运动响应的非线性特性。计算结果表明:该模型不仅能够模拟在(准)静态单调循环荷载和简谐荷载作用下的单桩横向非线性惯性响应,而且可以反映地震过程中地基土—单桩系统横向非线性运动响应的基本特征。