基于实时以太网的电力推进船舶IPNCS设计

针对现场总线技术在综合电力网络控制系统中应用的不足,设计了将基于实时以太网的网络控制系统植入综合全电力系统的模型。通过增加软件调度层并在线确定优先级的方法,确定实时节点占用信道的顺序,克服了现场总线技术缺点的同时解决了以太网本身的实时性问题,符合电力推进船舶综合全电力系统的要求及其发展趋势。仿真结果证明了结论的有效性。     

采用谐波比值法的路基碾压实时检测技术研究

在依靠理论研究的基础上利用压实度和振动频率间的正比关系,对压实度进行实时连续检测。结合高速公路建设中现场试验抽取的两种砂砾土压实度与加速度谐波比之间的关系表达式;通过回归探索发现了压实度谐波比的有效值等式和土体粒料组成的联系。探索结论可以直接使用到各等级公路路基基床压实检测工序中去,并且能够使压实检测工作提高效率,减少工序间隔时间,而且有助于在过程中进行压实度质量控制,在公路施工建设领域有着重要的意义。     

大型邮轮救生艇替代设计定性分析

以大型邮轮救生系统为研究对象,进行大型邮轮救生艇替代设计定性分析。确定替代设计的安全目标和影响替代设计的相关法规,分析受替代设计影响的相关布置和系统以及主要的操作场景。在此基础上开展危险识别,即对各种危险及其事故场景进行分析,并按其相对于所考虑问题的风险水平进行排序,对于风险等级高的事故场景,提出相应的风险控制措施。确定需要通过定量分析作进一步研究的事故场景、采用的性能衡准和评估方法,进而为大型邮轮救生艇替代设计及相关定性分析提供指导。     

少学时“机械零部件识图”课程的线上线下融合教学模式探讨

"机械零部件识图"是汽车类专业的一门必修专业基础课,本文基于现有"机械零部件识图"在线开放课程资源,探讨线上与线下交互融合教学模式在少学时"机械零部件识图"课程中的应用。     

高精度准实时监测防波堤抛石的软件开发

在长周期波浪、作业窗口少等不利海况条件下,传统的多波束监测技术精度仅为±10 cm、效率也较低。依托以色列阿什杜德港工程,基于多波束通用格式数据,采用有验潮和无验潮两种测量模式,分析各种误差来源,并对多种滤波算法进行对比,开发出多波束高精度自动化后处理软件。结果表明,该软件可实现不利海况条件下的防波堤边坡抛石状态准实时监测,精度可达±5 cm。     

客运枢纽"人群迷路区"的快速识别与优化 ——以北京南站为例

为缓解大型客运枢纽因诱导服务不到位而产生的人流拥堵问题，采用室内WiFi 定位技术和Mysql获取行人交通流分布热力图，通过百度地图坐标拾取系统识别人流聚集区的具体位置。通过定义迷路人群的交通特征参数，提出“人群迷路区”概念；应用视频识别追踪技术，分析行人速度与加速度的方差，于人流密集区运用视频识别技术寻找“人群迷路区”。最后以北京南站为例进行实地调研，利用调研数据识别北京南站的“人群迷路区”。基于人群速度与加速度方差，“人群迷路区”被分为四类：单纯人流聚集区、因标识不足而产生的人群迷路区、因标识过于复杂而产生的人群迷路区、因商业设施或障碍物遮挡而产生的人群迷路区。同时提出加大商业活动监管力度、简化部分引导标识、增加其他交通方式换乘区域标识等优化方法，可使人群行进效率提高约25%。     

考虑驾驶风格差异的高原公路危险路段识别研究

针对高原环境中驾驶人风格、生理变化与危险路段特征之间的潜在关联，提出一种基于驾驶状态的危险路段识别方法，辨识和分析不同风格驾驶人具有潜在风险的路段，并提出优化方案。首先，通过实车实验采集驾驶人行为及生理指标数据，使用DBSCAN(Density Based Spatial Clustering of Applications with Noise)得出驾驶风格类型，并依据行为特征对驾驶风格进行差异性 分析；其次，采用卷积神经网络、双向长短时记忆神经网络与注意力机制搭建危险状态识别模型，通过GPS(Global Positioning System)点位对应实现危险路段辨识，并基于驾驶风格差异，从驾驶人感知、操纵与生理角度对危险路段进行致因分析；最后，将生理与道路线形作为优化参考，以车速建议为着力点进行多元回归分析，并按照生理舒适域确定车速建议区间。结果表明：驾驶人根据行为特点分为谨慎、稳健和激进型，3类驾驶人在上行和下行途中的危险路段多为具有弯坡特征的组合型路段；海拔提升可加速危险驾驶状态的出现，各类驾驶人在上行时的紧张状态多源于弯坡组合值和转角值的增长，激进型驾驶人在坡度大于6%的直纵坡路段时亦会开始高度紧张；下行时，谨慎与激进型驾驶人在直纵坡坡度大于3%时易出现危险状态，激进型驾驶人在转角值大于80°且弯坡组合值大于50时亦存在驾驶风险。研究成果可满足高原公路人因事故预防的需求，为线形设计与交通管理措施制定提供理论依据。     

基于有限混合零截尾事故预测模型的事故多发段判别方法

为了准确判别事故多发段,有针对性地提出安全应对措施以提升道路交通的安全水平,针对零值缺失交通事故数据并考虑其异质性特点,在单零截尾负二项(ZTNB)模型的基础上建立有限混合零截尾事故预测模型(FMZTNB)。应用R软件对单零截尾负二项模型中的参数进行估计,采用马尔科夫链蒙特卡洛算法(MCMC)对FMZTNB预测模型参数进行求解,并采用Gelman-Rubin收敛统计量对抽样结果进行检查。选择事故风险水平分别为低、中和高的9个路段,分别用2种模型对交通事故次数进行预测。综合观测到的事故次数和相应的事故预测模型结果,采用经验贝叶斯方法对事故相对多发段进行判别。最后采用事故次数一致性检验、判别点段一致性检验和排序一致性检验3种检验方式对判别结果对比分析。结果表明:基于事故率的事故相对多发段判别方法存在较大的不一致性,基于零截尾负二项预测模型的路段事故相对多发判别结果明显优于基于传统负二项预测模型的结果。整体上,基于有限混合零截尾事故预测模型的事故相对多发路段的判别结果高于基于单零截尾负二项分布模型的判别结果。     

主动磁轴承的神经网络辨识研究

简述了主动磁轴承的工作原理及数学模型,在传统系统辨识的基础上提出了基于BP神经网络的非线性辨识方案.通过闭环控制使转子稳定悬浮,并在控制器的输出信号中加入随机噪声,以使系统被充分激励.按照10 kHz的采样频率对磁轴承的I/O数据进行采样,以用于磁轴承特性的辨识.对某单自由度磁轴承的仿真表明,神经网络模型能够以很高的精度逼近磁轴承的输入输出数据,且对不同的输入信号有较好的泛化能力,验证了所提方案的有效性.     

基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．