VTS中雷达信息与AIS信息融合的探讨

文章对VTS中雷达信息与AIS信息的来源、种类与特点进行了比较,论证了两者信息融合的可行性与必要性,同时给出了信息的融合模型与方法,也提出信息融合需要进一步解决的问题.     

优品评介

Honor荣耀V9荣耀201 7年开年旗舰荣耀V9,是荣耀史上品质和性能突破的极速之作,拥有麒麟960＋6GB内存、5.7英寸2K高清护眼屏、第三代双摄技术、4000mAh大电池容量等顶级配置,及基于人工智能算法的EMUI 5.1。荣耀V9采用突破性的大技术,系统解决手机卡顿问题,不仅解决瞬时卡顿问题,实现秒杀、秒抢、秒拍,还保证持久流畅,实现500天不卡顿。ECOVACS科沃斯扫地机器人DN78这款进驻亚马逊美国站不足一年的科沃斯机器人凭借傲人的销售业绩打了一场精彩的品牌战役。与中国家庭“先扫后拖”的清洁习惯不同,美国市场用户在打扫时的痛点是以宠物毛发处理以及地毯清洁居多,科沃斯明确将无缠绕扫地机器人“DEEBOT N78”作为美国市场的主打产品,产品一经上市便在“黑五”活动中一炮而红,在世界的舞台上大放异彩。     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

基于最小费用最大流算法的冲突车流分配

从最短路径角度研究交通分配问题,利用Dijkstra算法求解最短路径,根据道路容量和运行时间的限制,得出非冲突车流的优化路径,在此基础上假设冲突发生,采用设置优先通行规则与最小费用最大流算法相结合,实现有交通冲突情况下的交通流分配。     

基于人工蜂群算法的船舶动力定位自抗扰控制器设计

针对船舶动力定位自抗扰控制器(ADRC)参数较多且人工不易调整的问题,通过建立以船舶纵荡、横荡和艏向角三个方向ADRC响应的时间误差积分和最小的目标函数,采用人工蜂群算法(ABC)中采蜜蜂和跟随蜂的选择机制与邻域搜索,优化整定出船舶动力定位ADRC控制器参数。ABC优化的方法避免了工程技术人员繁琐的试凑工作。此外,仿真结果表明,相比试凑法得出的参数而言,经过ABC优化整定的参数具有更快的响应速度,对船模参数变化具有更强的鲁棒性和适应性。     

实值否定选择算法的优化研究

针对传统的否定选择算法和V-detector算法存在的"黑洞"以及检测器冗余问题,论文提出了优化算法。在检测器生成阶段,候选检测器与自体数据和成熟检测器同时进行耐受训练,比较结果确定检测器半径,减少检测器的重复覆盖;在检测器成熟阶段,计算自体重复覆盖率剔除完全被覆盖的检测器,克服了"黑洞"及冗余问题。最后,通过Iris数据比较了三种算法。实验结果显示,改进算法的检测器数量大幅减少,利于实践应用。     

基于MLPG法的船舶结构无网格自适应分析技术

研究船舶结构无网格自适应分析方法。首先运用无网格局部Petrov-Galerkin法,采用最小二乘法和加权余量法来求解结构位移场量的逼近函数,并给出问题的控制方程和刚度方程的一般表达式;然后采用Delaunay三角化细分方案对方程进行自适应计算;最后对船舶实肋板和带裂纹板进行应力分析计算,并通过与有限元法的计算结果进行比较,验证文章提出方法的有效性。     

基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。