基于GIS和灰色模糊决策理论的自适应路线智能优选系统

为满足驾驶员路线选择的个性喜好和保障道路畅通, 在分析影响驾驶员路线优选因素的基础上, 提出了路线优选指标体系, 引入灰色模糊决策理论, 建立了基于GIS的智能路线优选系统, 采用动态数据更新的Web信息共享方法, 保证了路线优选的适时性。实例应用结果表明: 系统具有直观、形象的交通图形显示功能, 使驾驶员能够根据自己偏好与地图提示, 准确地找到最优路线, 提高了自适应路线优选的效率与可信度。     

船舶航迹复合预测控制模型

为了提高船舶航行控制质量, 建立了船舶航迹复合预测控制模型, 依据灰色预测模型处理船舶运动控制的不确定量, 利用反传多层感知器自适应网络从船舶航行偏差的历史数据中得出控制偏差趋势, 根据灰色预测和神经网络预测的误差大小, 进行组合模型优选及组合权系数优化, 确定航迹最优控制策略。仿真结果表明: 当船舶旋回性指数、船舶追随性指数与滞后时间其中一个大于1时, 任何参数的改变均会引起PID振荡, 而船舶航迹复合预测控制模型能以较少的操舵动作迅速收敛, 从而使船舶航迹与预定航线更加拟合, 因此, 其控制系统的鲁棒性、快速性和稳定性高。     

考虑多路径选择的定制电动公交线路优化

为提高定制电动公交系统运营效率,本文探讨了考虑多路径选择的定制电动公交线路优化问题.首先,构建描述该问题的混合整数规划模型,以实现线路与路径的双重决策优化.模型以运营总收益最大化为目标,在约束中考虑定制电动公交特性,如车容量,乘客出行时间窗,续航里程,访问站点数等.其次,为求解模型,设计新的自适应大邻域搜索算法,提出相...     

基于PM方程的指纹扫描仪图像增强算法研究

为降低产品成本,在采用低端CMOS图像传感器的指纹扫描仪中,采集的图像易出现通道不均衡、清晰度不高、噪声大等缺点,为了提高图像质量,提出了基于PM偏微分方程的增强指纹图像的综合算法,通过USM锐化算法和偏微分方程噪声滤波算法的有效结合,同时对USM算法和偏微分噪声滤波算法进行了优化,能显著改善图像质量,通过标准测试程序检测达到国际通用的认证标准。     

基于反思理论的大学外语教师行动研究

基于反思理论的大学外语教师行动研究以著名语言学家杜威提出的"反思性思维"为引导,以教师行动研究为实践方向,旨在促进和完善外语教师队伍的整体素质,提高教学质量,加强外语教学模式优化的进程,培养"综合型"外语人才,满足外语人才"素质化"和"多元化"的社会需求。     

英汉诗歌对比在高校英诗教学中的应用策略

英国和中国都是诗歌的国度,英语和汉语都产生了无数世界闻名的优秀诗篇,但是中国高校英语专业的学生虽然对汉语诗歌表现出了一定的兴趣,却由于英语诗歌与汉语诗歌大相径庭的格律,对英语诗歌兴味索然。为了解决这个问题,任课教师可以利用学生对汉语诗歌的喜爱,通过汉英诗歌对比来帮助学生掌握英诗中的眼韵、跨步诗行、语序的变化、音步等有别于传统中国诗歌的诗歌现象,从而培养学生学习英诗的兴趣,促进英诗教学的发展。     

基于自适应动态面的航向跟踪控制器设计

针对船舶航向控制非线性系统模型中存在的不确定性和外界干扰的影响,采用动态面控制算法设计了一种鲁棒自适应控制器。由于在反步法设计过程中加入了一阶低通滤波器使得该方法无需对模型非线性多次微分,因而设计方法简单。所设计的鲁棒自适应控制器不仅能保证闭环系统的半全局渐近稳定,使得输出渐进跟踪期望轨迹;而且,跟踪误差可以通过控制器的设计参数加以调整。以中远集装箱船COSCO Shanghai号为例进行仿真研究,结果证明所设计的控制器是有效的。     

一种基于迭代学习的自适应交通信号控制方法

迭代学习控制作为数据驱动控制的一个分支,经历二十多年的发展,无论在理论研究,还是在实际应用上都取得了丰硕成果. 本文以交通信号系统为被控对象,利用迭代学习控制和模糊理论的核心思想,设计基于数据驱动的信号交叉口自适应控制器,使交叉口的通行能力得到显著提升. 信号控制的关键规则采用模糊迭代理论,通过迭代学习使得信号控制策略适应交通流的不断变化,通过模糊理论处理交通系统中的不确定性和随机性,从而避免对复杂交通系统的建模,发挥了数据驱动的无模型控制优势. 最后,使用基于VISSIM的仿真平台对算法的有效性和实用性进行验证. 仿真结果表明,基于迭代学习自适应交通信号控制方法的控制效果优于定时控制和感应控制.     

神经网络控制汽油机空燃比的研究

结合发动机空燃比的控制特征，研究了一种能自适应补偿喷油量的CMAC控制器。介绍了其自适应补偿算法——学习—补偿法。通过采用台架试验数据加随机扰动数据并用MATLAB对CMAC进行训练和仿真，获取了控制器参数，验证了控制器的学习能力、鲁棒性和控制精度。     

智能网联环境下的混合交通流LWR模型

LWR（Lighthill,Whitham and Richards,LWR）模型可推演交通流宏观状态演化过程,在智能网联环境下混有协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）车辆混合交通流LWR模型的研究,可为该混合交通流的宏观动力学特性分析提供理论工具。应用加州伯克利PATH真车试验验证的CACC模型作为CACC车辆跟驰模型,采用智能驾驶人模型（Intelligent Driver Model,IDM）模拟驾驶人在智能网联环境中的"智能"驾驶特性。基于不同CACC车辆比例下的混合交通流基本图,证明混合交通流基本图的切线斜率为交通波在混合车队中传播的波速,建立混合交通流LWR模型的一般性解析框架,得到混有CACC车辆的混合交通流LWR模型。最后,针对LWR模型冲击波特性,在6组平衡态条件下进行数值仿真试验。研究结果表明：所建立的混合交通流LWR模型可较好地描述不同CACC车辆比例时冲击波在混合车队中的传播波速;冲击波波速理论值与仿真均值的相对误差基本控制在10%以内,当冲击波处于由正向波转变为反向波的过渡阶段时,相对误差较大,为19%~26%,但绝对误差仍然较小。研究结果一方面可为混有CACC车辆的交通流宏观状态演化提供理论参考,具有推动该混合交通流其他宏观模型研究进展的积极作用;另一方面,建立的混合交通流LWR模型解析框架能够适应CACC车辆与人工-网联车辆跟驰模型选取的多样性,同时可为其他类型混合交通流LWR模型的建立提供理论支撑。