抗蛇行减振器对机车运行平稳性的影响

为了减小提速机车在提速区段异常振动,提高机车运行平稳性,以抗蛇行减振器为研究对象,运用机车车辆-轨道耦合动力学理论,以机车运行平稳性指标为依据,从机车抗蛇行减振器的工作状态、卸荷速度、结构阻尼参数等入手,研究了抗蛇行减振器与机车运行平稳性的关系。仿真计算与分析结果表明:抗蛇行减振器的工作状态对机车运行平稳性有较大的影响,必须严格确保所有减振器的工作状态均正常;取适当的卸荷速度可以达到提高乘车舒适性的目的;抗蛇行减振器的结构阻尼参数越大,对提高机车的平稳性越有利。     

基于多目标模糊决策的公路客运枢纽评价方法

在公路客运枢纽方案评价过程中,涉及大量不确定因素和模糊因素。为协调这些因素,并降低人为因素的影响,采用二元对比重要性排序采确定各因素的权重,将备选方案与理想方案的几何偏差作为选优依据,为科学合理地的选择公路客运枢纽提供一种定量的方法,最后给出实例说明方法的实用性。     

工期固定多目标资源优化的方法

资源是指为完成工程任务所需的劳动力、材料、机械设备和资金等的统称。资源优化就是通过改变工作的实施时间,使资源按时间的分布能够符合优化目标。     

铁路空车调整优化模型及其蚁群算法

以理论研究为主,通过对空车调整问题的特点分析,明确了空车数量调配和网络配流是空车调整的两个核心问题;在分析已有模型及对问题进行抽象描述的基础上,建立了空车调整协同优化（EWDCO）模型,并设计了相应的蚁群算法。分析发现,共同径路约束与EWDCO模型是不协调的;通过对定理的证明得出,对流约束不会对EWDCO模型的最优解产生影响,模型可以描述为线性整数规划模型,其实质是带容量约束的最小费用流模型。同时,研究表明ACO对求解空车调整问题具有一定的优势,是一种较为有效的算法。     

融合Lite-HRNet的Yolo v5双模态自动驾驶小目标检测方法

针对目前自动驾驶领域的目标检测算法在对道路小目标和密集目标进行检测的时候出现漏检的问题,提出一种融合Lite-HRNet的Yolo v5网络。首先为了获得高分辨率的特征检测图将Lite-HRNet作为Yolo v5的主干网络,以增强对小目标及密集目标的检测。为提升暗光场景下的检测性能,将红外图像与可见光图像进行动态权值融合,充分发挥可见光图像与红外图像的互补优势。由于主干网络进行了充分的特征融合,为加快检测速度取消在检测层中的特征融合结构。其次为了加快收敛速度和提高回归精度采用α-EIoU作为边界框损失函数,同时为选取针对数据集更合适的先验框,使用二分K-means算法进行聚类,并且使用小目标数据增强算法对数据集进行样本扩充。最后在flir数据集上进行对比测试,根据实验结果,提出的算法比Yolo v5在平均精度上提高了7.64%,小目标和密集目标的漏检率明显减少。     

基于自适应阈值DBSCAN的路侧点云分割算法

针对路侧采集的激光雷达点云数据随距离增大而密度下降导致同一目标的点云被分割成多个目标的问题,提出了一种基于自适应阈值DBSCAN的路侧点云分割算法。首先,使用改进GPF和直通滤波对采集的路侧点云进行过滤,提取出道路区域上的非地面点云;然后,基于有效距离和sigmoid函数构建自适应系数函数,对DBSCAN聚类算法集群生长中近邻点搜索时半径阈值的选取规则进行优化;最后,利用自适应阈值DBSCAN聚类算法对非地面点进行聚类,得到隶属于单个目标的点云。采集了1 055帧真实场景的连续数据进行测试,结果显示：C-H系数平均约增加3倍、D-B系数平均减少4.52%、轮廓系数平均增加77.78%,这表明基于自适应阈值DBSCAN的分割算法能提高点云簇的类内一致性和类间差异性,有效减少路侧激光雷达点云的过分割现象,具有较高的工程应用价值。     

压电双晶片执行器驱动位移有限元分析与实验研究

采用有限元分析软件对压电悬臂梁驱动位移进行静态分析,同时对驱动器静态位移进行理论计算与实验测试.将有限元分析与理论分析结果和实验测试结果进行对比分析,三者的结果具有良好的一致性,证明了利用有限元分析软件对双晶片悬臂梁结构静态驱动位移分析是正确的,为双晶片结构中压电片和弹性梁的优化设计提供了新方法.