基于客观测度与主观估算的出行疲劳研究

出行舒适度是影响交通方式选择的要素之一,但由于缺少合理的量化方法,其评价长期停滞于定性描述,难以科学反映不同交通方式的服务水平差异。就典型出行环节进行疲劳测定实验,采集不同情况下出行者在单位时间内的客观体能消耗及其对出行疲劳的主观感受;采用自由模量幅度估计估算出行疲劳的主观感受,并与客观体能消耗进行对比。结果显示,车辆行进方式、乘车姿势、乘客负重、车内拥挤程度等均对体能消耗有显著影响,且客观体能消耗与主观感受之间存在显著差异。最后,利用实验结果以北京市和中山市为例进行案例分析,结果表明,在交通方式选择过程中,体能消耗对出行者产生的影响不亚于出行时耗。     

鱼雷拖曳线列阵及其目标方位跟踪算法研究

使用拖曳线列阵可以有效提高自导鱼雷远程搜索目标的能力,而能否精确跟踪目标方位将直接影响到鱼雷的实战效果。本文首先研究了一种鱼雷用拖曳线列阵自导系统的组成原理及实现方法,然后研究了一种子空间跟踪算法,并在此基础上提出了一种自适应Root-MUSIC算法,该算法可用于对时变的信号波达方向进行实时跟踪估计。仿真计算结果验证了该算法具有很好的跟踪效果。     

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。     

基于自回归条件异方差转换指标的非线性损伤识别

为了解决时域非线性损伤的识别问题,基于自回归条件异方差（ARCH）模型的基本理论给出了ARCH模型建模的定阶方法及模型参数估计的极大似然估计法;分析了结构非线性损伤的特性,提出了基于ARCH模型的非线性损伤识别原理;考虑到基于自由度的损伤指标难于判断损伤位置,故提出了一种自回归条件异方差转换指标;在测量误差和模型误差的影响下,使用3层框架结构的非线性损伤试验来验证该损伤指标的有效性. 试验结果表明:非线性间隙距离为0.05 mm和0.10 mm时,损伤位置第3层的自回归条件异方差转换指标值比传统的倒谱测距转化指标值高21.7%以上;当非线性间隙距离为0.20 mm时,第3层的自回归条件异方差转换指标值比倒谱测距转化指标值高3.7%.      

基于多时间尺度的城市轨道交通短时OD估计

基于状态空间模型构建了城市轨道交通短时OD估计的多模型组合方法,估计早晚高峰期间15 min内进站客流的去向目的站.组合模型以不同时间尺度下的进站客流分流率为状态变量,并利用历史数据预估其中通勤客流的分流率,然后通过交互多模型算法加权融合不同时间尺度下的分流率估计结果.以北京地铁为案例,研究表明:早高峰期间的15 min分流率估计误差的平均值和最大值分别为16.4%和21.8%,晚高峰期间分别为22.7%和24.6%,比既有文献的估计误差减小了约一半.本文的研究成果可为实时的线网客流分布预测提供更准确的输入数据,以辅助运营管理部门实现客流预警和应急响应.     

基于ADS的PCMA通信仿真

PCMA(paired carrier multiple access)技术的仿真需要考虑到信号的工作频率高、传输信道复杂以及天线的接收问题,ADS作为一款强大的仿真设计软件,在这方面有着独特的设计优势。在ADS环境下搭建的PCMA收发仿真平台中,对接收到的信号进行参数估计(重点是时延估计),重构发送信号,并在接收端抵消自干扰信号,最终得到期望接收的信号。该仿真手段可以为从事卫星通信的研究人员提供参考。     

基于可变抽头滤波器的信道估计的研究

文章在基于固定抽头横向滤波器的信道估计的基础上,对信道估计进行改进实现了基于可变抽头的信道估计。在这种信道估计中,运用Akaike information criterion（AIC准则）寻找与实际信道最相符的最佳信道结构模式,实现对滤波器的抽头数目的判定。采用找到的最佳信道模式可以减少均衡器的抽头数目,可以节约平均处理时间,并且在系统误码性能上也有提高。     

被动声定位技术的浅海近距离应用

利用被动声呐的三元测距技术能对浅海水面非合作声源目标进行定位。针对浅海背景噪声强,目标信号稳定性差的特点,采取了预白化方法提高高频信号的利用率,从而提高互相关时延估计的稳定性,又使用后置筛选方法选出可信度高的定位结果,解决了浅海近距离定位中的稳定性问题。通过海上实验对定位方法的稳定性进行验证,并将被动定位轨迹与目标航行的GPS轨迹进行对比。结果表明,在浅海近距离的定位稳定性较高,定位精度可达到米的量级。     

基于二分法的车辆状态参数融合估计

为提高车辆状态参数估计的精度和可靠性,提出一种基于二分法的车辆状态参数融合估计方法。首先,设计了基于车辆3自由度动力学模型的扩展卡尔曼滤波算法和由数据驱动的径向基神经网络车辆状态参数估计算法。然后,为了进一步提高估计算法的可靠性和减小单一算法的估计误差,提出将模型驱动的估计算法和数据驱动的估计算法相补偿的融合估计方法,基于二分法设置扩展卡尔曼滤波和径向基神经网络估计结果的权重,利用估计算法的融合提高估计精度。最后通过MATLAB/Simulink与CarSim的联合仿真和实车在环试验对该融合方法的有效性进行了验证。结果表明,估计结果变化趋势与实际相符,所提出的融合算法的估计精度比单一扩展卡尔曼滤波算法和径向基神经网络算法有明显的提升。     

红牛也会搞搞民用车 Renault Mégane Red bull Racing RB8

其实这只不过是一款限量版的梅甘娜,主题是为了庆祝在英菲尼迪大力赞助下,红牛F1车队三次取得F1大奖赛的冠军。估计你会对上面的描述有点摸不着头脑,其实事情挺简单,雷诺和日产合并为了一家公司,而英菲尼迪则是日产的豪华品牌,至于为什么红牛车队的限量版车型会选择雷诺而不是英菲尼迪,我和你一样心中充满了问号。