智能天线系统中干扰抵消的算法研究

首先分析了智能天线在CDMA系统中应用,理论分析了通过空间特征向量来对其实现“零陷“,提出采用压低基站的上行干扰提升系统的性能的新算法,实验仿真显示:该算法通过空域滤波,能够显著提高系统性能.     

船载防避台智能决策支持技术研究

以船舶防避台实践经验、典型案例和领域科研成果为基础,用现代科技手段,研究船载防避台智能决策支持技术.它由电子海图、船舶动态管理、台风信息查询和台风路径自动标绘、船-台综合态势实时计算和模拟避台、避台智能决策等5个分支组成.综合运用相似理论、天气图方法、卫星云图分析法、台风数值预报等学科理论,构建船舶防台数据库、模型库、知识库,实现对船舶和台风路径全过程实时跟踪和监控、船-台态势分析、威胁等级判断、台风路径补充改正和航线天气预报、避台智能决策.     

冷链货物非接触式智能搬运系统

为提升冷链货物搬运作业的自动化水平和整体效率,降低一线作业员感染新冠病毒的风险,研究基于传统人工冷库条件的冷链货物非接触式智能搬运系统工艺方案。在拆装箱环节,运用机器视觉和无线遥控等技术实现低温复杂环境下盒装货物自动化拆装箱技术;在码垛环节,运用强化学习算法优化码垛机器人多货型堆码作业;在货物冷库货架堆存环节,基于5G通信技术设计超高位叉车无人驾驶和远程装卸系统方案。应用结果表明,系统能够在一定程度上提升冷链库作业效率、降低人工货物接触频次和人工成本。     

基于多装船机的散货船智能装载

对散货船使用多装船机进行装载作业的情况,建立以最高装载效率、最佳纵倾和最小化船舶最大静水弯矩值为目标,以浮态、稳性和结构强度为约束条件的散货船智能装载数学模型,使用改进的多目标遗传算法进行求解,得到优化后的Pareto解集,结果表明:该算法能够有效求得该问题的优化解,在实际应用方面具有一定的可行性.     

湛江港港区铁路道口全自动智能控制系统

为改变湛江港港区铁路道口有人值守模式下占用大量人力资源的现状,提出港区铁路道口无人值守模式并引进全自动智能控制系统。该系统主要由道口智能控制系统、机车智能车载装置、监控中心控制系统、视频监控系统等组成。系统基于计算机视觉和激光雷达技术实现对道口公路上人、车、异物检测和闯入报警,基于激光雷达、RFID、GPS等物联网技术实现机车运行位置、状态的检测,基于非接触传感器技术和PLC控制技术实现道口的全自动控制。经现场实践验证,该系统可以实现港区道口的全自动无人控制,提高铁路道口的智能控制水平,大幅降低人力资源成本,提高道口通行的安全性、可靠性和通行率。     

智能船舶航行功能测试验证的方法体系

智能船舶航行技术发展的核心在于构建从辅助决策到自主驾控的完整软硬件系统,实现人工驾驶到智能驾驶的演化,而核心技术的突破与软硬件系统的研发离不开完善的测试验证体系和健全的规范标准.对目前国内外智能船舶测试场现状进行综述,对以性能、能效、信息、智能为对象的智能船舶航行功能测试构想进行解析,最终提出以虚拟仿真为初试、模型测试...     

铁路声屏障表观病害智能检测技术

针对铁路声屏障外观状态检查效率低、检测精度差的现状,为满足自动化、智能化检测需求,开展声屏障表观病害智能检测技术研究。通过调研分析声屏障检测技术现状,提出基于图像的铁路声屏障表观病害智能检测技术方案。重点对声屏障外观成像、主从协同控制、在线识别等关键技术的实现方式进行研究,同时对部分功能进行了试验验证;基于钢轨探伤车进行图像采集,检测速度80 km/h,建立声屏障病害典型样本数据集,验证了在线识别的可行性和有效性。结果表明,铁路声屏障表观病害智能检测技术可大幅提升病害检测的自动化和智能化水平。     

工电检修装备隧道内作业工作环境改善综合方案

对于既有工电检修装备在隧道内的施工场景,机械化施工过程中一氧化碳及颗粒物对施工人员危害最大。本文设计出可安装于车顶的模块化尾气净化装置,采用多单元并联方案使得净化装置适用于不同功率等级发动机;为解决编组施工工况下的尾气聚集问题,设计了辅助通风系统,可安装于平板车上编入施工编组,实现隧道内的强制通风;为解决施工作业区扬尘问题,设计了雾化喷淋降尘系统。结果表明：尾气净化装置可以实现较高的一氧化碳及颗粒物净化率,可适应柴油发动机要求;辅助通风系统可以进一步净化隧道内空气,优化作业人员施工环境,达到设计目标;喷淋降尘系统可进一步优化隧道工作环境。     

智能网联汽车创新发展的探索与实践

当前,新一代信息通信及人工智能技术高速发展,汽车作为这些新技术应用的重要载体,正在加速向智能化和网联化转型,而智能网联汽车将成为新一轮产业转型升级的重要标志和依托. 世界各国加速推进智能网联汽车的创新发展,但汽车主要制造国家尚未对产业和技术发展道路形成统一认识,中国也没有成功经验和既定道路可以借鉴.因此,有必要立足高新...     

基于深度强化学习的自动驾驶车辆跟驰行为建模

为提高自动驾驶车辆的跟驰性能,减轻交通震荡干扰的负面影响,研究了1种基于深度强化学习的自动驾驶跟驰模型。在现有奖励函数设计基础上融入对能源消耗的考虑,基于VT-Micro模型构建能耗相关项;同时对使用跟车时距构建行驶效率因素相关项的方法进行优化,添加虚拟速度来避免在交通震荡场景中出现计算溢出和车间距过近的问题。为克服过往抑制震荡研究中仅用闭合环状模拟道路和仿真车辆轨迹开展训练的局限性,选用NGSIM轨迹数据中交通震荡阶段的驾驶员行为特征搭建训练环境,应用双延迟深度确定性策略梯度算法（Twin Delayed Deep Deterministic Policy Gradient Algorithm,TD3）训练形成多目标优化的跟驰模型。进一步构建模型性能测试评价体系,对比分析TD3模型与其他传统模型在跟车与交通震荡2类测试场景中的表现。跟车测试场景实验结果表明：在舒适度与行驶效率上,TD3模型和传统自适应巡航控制（Adaptive Cruise Control, ACC）模型表现相近,二者均优于人类驾驶员;在安全性上,TD3模型相较于传统ACC模型安全隐患降低53.65%,相较于人类驾驶...