行动,为复工复产注入海事力量

既当宣传员,又做监督员,更是服务员。在支持企业复工复产中,南通海事局积极宣传的疫情防控要求和各项帮扶政策信息,指导帮助企业及早满足复工复产条件,解题在前、按需施策,不断推出务实举措,提供精准服务,打出"最优组合拳",为复工复产注入海事力量。在全力抓好疫情防控的同时,用行动,让企业复工复产更有底气。     

基于粒子群的有轨电车混合储能参数匹配研究

目前，混合储能式有轨电车作为一种高性价比的交通工具已得到广泛应用。混合储能系统承担着有轨电车供能任务，合理配置储能元件对于保障有轨电车正常运行具有重要的现实意义。以混合储能式有轨电车作为研究对象，在多目标、多约束条件下，利用粒子群优化算法，求解混合储能系统最优参数匹配方案；以广州海珠有轨电车THZ1线作为实例进行仿真验证，结果表明:最优配置混合储能系统在降低储能系统的体积、重量及成本、发挥储能元件充放电能力方面具有明显的优越性。     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性，采用北斗卫星接收机和惯性测量单元构建车载组合定位系统. 针对多传感器组合定位信息融合估计的非线性和鲁棒性需求，将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波（unscented Kalman filter，UKF）算法，构造了一种改进的UKF算法，通过对标准UKF算法的噪声协方差进行等价替换，从而起到调节滤波增益的作用，使得滤波算法对传感器观测粗差具有较强的抑制能力. 将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较，结果表明:传感器无观测异常时，改进UKF算法的滤波精度总体上略优于标准UKF算法；当传感器观测值含有随机粗差时，改进UKF算法的滤波精度及稳定性明显优于标准UKF算法，北向、东向位置平均估计误差分别降低了48.5%、48.8%，北向、东向速度平均估计误差分别降低了43.7%、48.9%.      

舰船信息管理软件可靠性估计研究

由于传统方法设计模型时,选择的控制点不佳,导致评估结果偏离软件实际。此次提出的舰船信息管理软件可靠性估计方法,根据构建的可靠性估计框架,重新选择控制点。设计一个由分段四次多项式基函数定义的模型,通过计算软件的可靠程度和重要程度,完成对软件可靠性的估计。实验结果表明,与传统方法相比,本文提出方法得到的估计结果,最接近软件的实际工作情况。可见该方法设计的模型,性能更优越。     

基于RISF融合的车辆横摆角速度估计

使用车载角速度传感器测量获得的横摆角速度,存在噪声干扰大、量测值滞后等问题.为了提高车辆横摆角速度估计的精确性,本文中设计了一种基于可靠指标传感器融合(reliability indexed sensor fusion,RISF)多源传感信息融合的估计算法.首先,使用自适应容积卡尔曼滤波算法对横摆角速度传感器量测值进行...     

公交线网优化新技术的应用研究

针对现有公交线网优化研究模型求解复杂、可操作性不强的现状,提出了一种新的公交线网优化方法：从分析乘客对线网的需求意愿入手,获取线网优化要重点解决的问题,在此基础上提出优化策略。建立平衡乘客及公交运营企业利益的系统成本最优模型。最后以济南为例,验证方法的可操作性和优化结果的可实施性。     

基于卡尔曼滤波的半挂汽车列车状态估计

准确获取车辆的状态信息是汽车主动安全控制研究的关键。文中主要研究半挂汽车列车稳定性控制中的状态估计问题,研究了基于线性四自由度(4-DOF)半挂汽车列车模型,利用卡尔曼滤波(KF)算法估计半挂汽车列车的横摆角速度与质心侧偏角;基于商用车动力学仿真标准软件TruckSim,通过标准双移线仿真工况进行验证,结果表明,在非高速急转向工况下,所提出的估计方案能较准确地跟踪汽车列车的状态信息,为半挂汽车列车主动安全控制奠定基础。     

顶级关怀 无忧出行——斯堪尼亚打造最优客户服务体验

＂客户至上＂是斯堪尼亚秉承百年的三大核心价值观之一,为客户带来价值,保证设备的可靠性和高出勤率,使客户获得卓越的投资回报,是斯堪尼亚的服务宗旨。为客户打造最优服务体验,斯堪尼亚定期推出零配件促销、季节性的免费检查等系列服务项目,更值得一提的是斯堪尼亚贵宾服务项目,旨在满足客户的更高需求,帮助客户专注于公司运营。公路是斯堪尼亚卡车的归宿,也是物流公司盈利的战场。在长途运输中在所难免车辆会出现抛锚等情况。     

提升效能,实现资源最优配置——关于公交线网优化和公交票价的再认识

实施公交优先战略的最根本目的,就是为了提升效能、实现社会资源的最优配置,造福广大人民群众.在公交优先战略的实施过程中,必须紧紧围绕这个根本目的,实现社会效益的最大化.目前,在公交资源的配置特别是线网布局和优化、运能投放以及公交票制等问题上,还存在着许多不同认识和争议,有必要针对这些问题进行认真的探索和思考.