进口凯迪拉克年中落地中国

进口凯迪拉克估计今年年中“落地”中国，通用汽车向中国出口的凯迪拉克将亮相6月举行的北京车展，随后将在上海等地销售。     

一种特殊的非均匀水声阵列稀疏重构方法

为了提高阵元的利用率和水下目标的测向精度,提出了一种特殊的非均匀水声阵列稀疏重构方法。利用2个均匀线性子阵列组成一个非均匀线性阵列作为信号的接收阵列,经过角度划分的非均匀线阵阵列流型阵作为观测阵,采用观测矩阵对信号进行投影测量得到观测值,从观测值中重构原信号进而得到方位信息。在相同分辨条件下,非均匀水声阵列技术可利用更少的阵元来识别更多的水下目标,因而极大地降低传统水声阵列的复杂度。在低先验知识、低信噪比条件下,提高了水声阵列的测向精度。     

基于视觉的集装箱海上并靠吊装位姿识别

舰船在远海进行并靠补给时受波浪影响两船之间会产生无规律的相对运动,给补给集装箱吊装工作带来了很大挑战,急需一种能够在较高海况下辅助人工的自动化吊装系统。针对这一问题,提出一种基于单目视觉和Ar Uco标志点相结合的集装箱位姿检测方法。首先,介绍了带有视觉系统的并联吊装系统主要组成部分,简要分析了控制流程及方法;然后,根据实际集装箱码放流程,设计了适用的ArUco标志点布放和检测方案,介绍了相机标定、ArUco标志点检测及集装箱位姿估计方法;最后,搭建模拟试验平台测试视觉位姿识别的精度、速度和不同光照条件下的鲁棒性。试验结果表明,在普通PC工控平台上,最低识别速度在15Hz以上,姿态角平均误差为±0.5°,位移量平均误差为±0.4%,可以满足并靠吊装要求。     

大浪条件下船舶航行阻力估计的数学模型设计

精确估计船舶航行阻力能够有效节省航行燃料,传统的阻力估计模型不能完全考虑风浪对船舶阻力的动态影响,导致模型的估计数值与实际值偏差较大、模型可信度低,不能用于估计风浪对船舶航行的阻力。针对以上问题,研究了大浪条件下船舶航行阻力估计的数学模型,利用插值三次B样条曲线对船舶受力面进行网格划分。积分计算船舶静水航行时受到的静水航行阻力。将风浪对船舶的作用视为动态增阻,以平均增阻量估计船舶受到的风浪阻力。计算静水阻力与动态增阻之和,即为船舶在大浪条件下受到的阻力,完成对模型的设计。在3种风浪条件下,进行与传统阻力估计模型的对比实验。结果表明,设计的模型在大浪条件下估计值与实际值的偏差是传统模型的1/50,即设计的模型估计的数值更精确,模型计算值更可信。     

中美英规范界限含水率试验差异及数据对比

界限含水率作为黏性土定名及状态划分的基本物理指标,在中、美、英规范中对其试验方法、评判标准均进行了说明。为更好地满足海外项目设计的需求,通过分析界限含水率在中、美、英规范中试验方法的差异性,采用规范中常用的方法分别进行试验,并结合代表性项目的工程经验,对试验结果进行对比分析。结果表明,中国规范与美、英规范方法测得的液限值之间存在一定的相关性,且英国规范与中国规范测得的液限差值范围为0.5%~3.0%,美国规范与中国规范测得的塑限差值一般小于2.0%。     

基于深度相机的船舶小构件打磨装置视觉识别算法设计

基于深度相机,针对船舶小构件智能打磨装置的视觉识别系统进行算法模块设计,确定视觉识别系统的模块框架与模块功能,并基于OpenCV库与PCL库,利用C++程序语言对模块功能进行算法实现。同时搭建算法试验平台,对模块算法进行验证,完成包括相机位姿估计与坐标变换、工件点云分割、工件质心提取、工件边缘提取在内的算法功能实现,为船舶小构件智能打磨装备提供准确全面的视觉数据,保证智能打磨装备的上料及打磨作业顺利执行。     

基于多传感器鲁棒容积卡尔曼融合的半潜式起重平台立柱快速压载舱液位估计

在半潜式起重平台立柱快速压载舱的液位测量过程中,由于可能存在传感器故障和外界干扰等因素,从而产生观察野值并导致系统输出的可靠性降低。针对此问题,本文提出一种基于多传感器鲁棒容积卡尔曼融合（Multi-Sensor Robust Cubature Kalman Fusion,MSRCKF）的液位估计算法。借鉴Huber等价权函数的思想,引入一个自适应因子以抑制观测野值对容积卡尔曼滤波的影响,再通过基于扩展信息滤波的矩阵变换推导出近似等效于集中式融合的MSRCKF算法。仿真结果表明,MSRCKF算法可以在单传感器发生故障的情况下有效地提高液位测量系统估计值的可靠性和稳定性。     

一种基于参数估计的自适应舰船运动预报方法

运动预报是部分舰船系统的重要组成部分。为了有效地解决这一问题,文章提出了一种基于海浪峰值频率估计的自适应舰船运动预报方法。在舰船运动与海浪激励的建模基础上,建立了基于最小二乘估计的自复位海浪峰值频率估计器。采用自回归移动平均(ARIMA)模型拟合方法预报舰船运动,并通过海浪峰值频率估计值自适应调节ARIMA模型的采样周期,提高了复杂海况下对舰船运动的预报能力。该方法与常规ARIMA模型方法、反向传播神经网络方法的仿真对比结果表明了该方法在解决舰船动态预报问题上的良好精度和鲁棒性。