15 MW级大型漂浮式风力机运动特性

为了研究不同湍流模型、湍流度及不同风速作用下漂浮式风力机（FOWT）基础的运动特性，以国际能源署（IEA）公开的15MW级大型半潜式浮式风机为研究对象，采用OPENFAST软件对浮式风机进行全耦合时域仿真模拟，对平台的纵荡、纵摇和垂荡运动特性进行研究分析。研究发现：在正常湍流作用下，风速高于额定条件时，平台在压载水主动调节作用下使得纵荡更加稳定，但伴随着风速增大，其对平台纵摇和艏摇的影响越剧烈；在极端湍流作用下，风速低于额定条件时，风机运行效率低，而在高于额定条件时，艏摇运动幅值增大，纵摇和垂荡运动表现得更加稳定。     

基于贝叶斯网络的CTCS-3级列控车载系统韧性

为弥补现有指标的不足，引入韧性作为非常态事件下CTCS-3级（China train control system-3）列控车载子系统运行稳定性的测度指标. 提出了车载子系统韧性量化评估方法，构建了基于贝叶斯网络（Bayesian network, BN）的韧性评估模型，并定义了5种基于韧性的部件重要度指标；进一步利用贝叶斯网络双向推理功能，计算了车载子系统在不同扰动情景下的韧性及部件重要度指标. 研究结果表明:韧性可全面描述车载子系统抵御扰动和从扰动中恢复的能力，非常态事件扰动下，韧性与可用性指标存在明显差异；不同扰动情景下系统韧性明显不同，扰动发生时，车载子系统面临磁暴影响时的韧性为0.8017，而遭遇雷电时的韧性为0.8819，面临冰雪扰动时的韧性为0.9880；部件重要度存在情景依赖，同一部件在不同扰动情景下重要度排序可能不同，且可能随时间动态变化.      

基于嵌入式系统的舰船图像拼接技术

常规舰船图像拼接技术无法实现多环境的图像拼接,为此设计基于嵌入式系统的舰船图像拼接技术,对采集的舰船图像进行降噪处理后,利用均值法划分特征领域,通过特征领域构建尺度空间,利用尺度空间法则对图像特征进行配准处理,通过嵌入式系统中的换算函数对图像进行连接强化,实现舰船图像技术拼接。将设计的技术与常规3种图像拼接技术进行对比,在不同实验环境下,本文方法图像拼接能力明显好于3种传统方法。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。     

船台测量场中多级转站的不确定度

对在船台测量场内利用全站仪进行多级转站测量时误差的传递过程进行研究,分析误差的来源及其累积方法,建立转站过程中误差传递的数学模型,并据此推导出多级转站测量的系统误差传递公式及其不确定度估计公式。采用蒙特卡洛方法开展考虑全站仪测量误差的多级转站过程仿真试验,并将仿真结果与计算结果相对比。结果表明,提出的误差估计方法能较好地反映多级转站时误差的传递过程和不确定度的分布规律。     

基于聚类站点客流公共特征的轨道交通车站精细分类

已有城市轨道交通车站分类多基于定性分析，不能满足精细化设计和运营的需要。本文提出一种基于聚类站点公共特征的站点精细分类方法。首先，将来源于AFC(Automatic Fare Collection)的进站客流量数据处理为时间序列数据，并基于K-Means++算法对各个站点的客流量进行聚类；其次，建立客流量聚类结果与土地利用特征多维参数的拟合方程，计算获得居住密集型、工作就业型以及区域中心型等5种大类站点的客流量公共特征。在此基础上，充分考虑属于同一大类站点不同站点的细分特性，使用5类客流量公共特征比重组合精细描述具体站点类型。 实例结果表明，使用本文提出的精细分类方法计算得到的每个站的客流量拟合值与真实客流值间的平均绝对百分比误差控制在14%以内，说明该分类方法具有可行性。     

多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

城市轨道交通网络拥堵易发点的识别及评价

在城市轨道交通物理拓扑层、设施能力层与客流分布层网络模型基础上,构建了多属性网络.阐述了网络拥堵易发点的网络拓扑、网络运输能力及网络客流等特征指标,并采用基于AHP-熵权法的组合权重法对拥堵易发点进行拥堵风险的辨识和评估,探究了网络拓扑结构、运输能力和客流需求之间的关联性.在北京轨道交通的实例中,识别的拥堵易发点多为衔接郊区线与市区线的换乘站.这验证了识别和评价方法的有效性和实用性.