基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

基于Web3D的船舶电站模拟器的研究与开发

介绍了Web3D技术及其在船舶电站模拟器中的应用,提出应用Web3D技术和仿真技术实现船舶电站模拟器方案、技术线路和系统结构.     

不同变换域下LMS算法收敛性能分析

现代舰船由于电子系统集中,空间狭窄,存在严重的电磁干扰问题.解决此问题的有效途径是自适应干扰抵消,其核心则是自适应滤波算法.在提出自适应干扰抵消模型的基础上,就目前改进LMS自适应滤波算法的域变换算法进行了研究.叙述了LMS算法,对比分析研究了其在时域和一般变换域下的收敛性能.结合Walsh域与小波域的变换实例进行了计算机模拟仿真,结果表明,通过域变换后的自适应滤波算法的收敛性能明显得到改善.最后提出了未来自适应滤波算法发展方向.     

利用CIVIL 3D进行海港工程疏浚设计方法研究

本文在南方某海港工程港池航道工程设计中引入BIM正向设计,利用CIVIL 3D建立了地形曲面和地质曲面模型,建立采样线,对地形曲面、设计曲面、地质曲面进行采样;用断面法进行疏浚工程量计算,用程序自带网格施工图及其他软件等多种方法进行校核以验证计算准确性;通过材质定义,计算不同土类疏浚量并在断面图中表示;在设计完成后,按...     

直接数字频率合成的杂散信号分析

介绍了直接数字频率合成技术以及分析其杂散误差,对相位截断误差和幅度量化误差进行了傅立叶级数分析研究。文章最后还简单介绍了几种改善杂散误差的方法。     

重型柴油车NOx排放远程监测准确性研究

文章通过采用不同浓度的反应剂来模拟重型国六柴油车正常状态、临界超标及SCR性能失效状态下的实际道路NOx排放,从而研究远程排放管理平台对超标车型识别的效果。试验结果表明,NOx临界超标与SCR完全失效状态下,远程排放管理平台采集的国六整车实际道路NOx排放与PEMS设备结果基本一致,而正常状态下,尿素过量喷射导致的NH3泄露会对车载NOx传感器精度造成影响,进而导致远程排放管理平台采集的国六整车NOx排放与PEMS设备存在偏差。     

汽车ACC毫米波雷达和视觉传感器目标级融合方法研究

自适应巡航控制系统是实现未来智能化汽车辅助驾驶的重要功能之一,以往该系统主要采用毫米波雷达感知周围环境,但是容易出现较多的误识别和漏识别情况。针对现存的问题,文章研究了自适应巡航感知系统,不同于以往单一雷达的方案,本设计采用毫米波雷达和视觉传感器融合的办法改善感知系统的性能。通过搭建电动车传感器数据采集系统,编写CAN通信报文解析程序,分析毫米波雷达和视觉传感器特性等,完成了对雷达和视觉信号的采集及处理,实现了感知系统目标级融合。并在巡航和跟车工况下进行离线仿真,验证了目标级融合方案能够有效地提高感知系统的准确性和合理性。     

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。     

基于3DCS的前盖与翼子板平整度偏差分析

本文围绕某车型前盖和翼子板平整度虚拟分析超差展开,利用三维偏差分析软件3DCS建立尺寸仿真模型,模拟工装装配过程,计算前盖和翼子板平整度超差概率及各影响因素贡献量。通过优化车身工装定位点的位置,结合车身GD&T图纸相应公差调整,最终有效改善了虚拟分析的结果。     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.