船舶六自由度转台电液伺服系统参数整定方法

针对船舶六自由度转台电液伺服系统的参数整定问题,提出一种基于多目标遗传算法和多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用多目标遗传算法求出Pareto最优解。使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法（TOP—SIS）进行多属性决策（MADM）研究。计算了转台电液伺服控制的数值算例,结果表明本文提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

模糊聚类在舰船目标识别标准模型库的应用

对于给定特征的海上舰船目标,使用了模糊聚类的方法(包括三种解算方法),获得目标的分类并形成标准模型库.同时引入了聚类分析有效性评价的F统计量,实现了模糊聚类的自适应性,避免了聚类数目选择上存在的主观性.聚类结果表明:对于复杂的战场环境,此方法设计可行有效,建立了标准模型库就可以对获得目标特征样本在标准模型库中进行匹配,进而完成目标识别,具有一定的应用前景.     

HXD3机车牵引电机过压过流原因分析及对策

通过对HXD3机车发生牵引电机过压、过流故障进行测试和对比分析,指出故障主要是机车CI控制电路板(传感器接口电路板)造成.在对故障分析基础之上,分析电机过压、过流的具体原因,并提出具体改进对策.     

运用重载技术 实现大秦铁路扩能目标

重载运输已经成为世界各国铁路货物运输现代化发展的一个重要趋势。大秦线是我国铁路的重载运输线，要实现大秦线年运量翻番的目标，就应当进一步强化新技术、新装备的研究开发，制定大秦线基础设备必要的加强措施。     

面向布局问题求解的混合全局优化算法研究

布局问题属于NP完全问题。由于布局函数的病态性状，传统的优化算法很难解决此问题。遗传算法、模拟退火算法等对全局优化展示了一定的前景，但是它们的求解精度和效率不能令人满足。本文将启发式随机搜索策略和局部优化算法相结合，构造了混合全局优化算法（MGOA）来解决这一困难。通过典型测试函数与经典遗传算法，模拟退火算法，复合形法进行比较验算，表明该算法具有优良的求解质量和较好的求解效率；并以旋转卫星舱布局的简化模型为背景，建立多目标优化数学模型，通过一个已知最优解的布局算例与遗传算法和乘子法的计算结果比较，该算法求解的质量和效率更优。表明此算法在布局优化中具有应用潜力。     

职务发明的认定问题浅析

1 案例介绍 2008年4月3日,甲某与乙公司签订《平台拖车生产协议》一份。双方约定：乙公司提供生产平台拖车的样车及相关技术标准,由甲某为其生产两台平台拖车。在生产平台拖车期间,甲某应当遵守乙公司的规章制度,乙公司向甲某发放工资,拖车生产所需材料费用、加工费等成产资金均由乙公司承担。合同签订后,乙公司租用了生产场地,并向甲某提供样车和生产资金。甲某聘用生产技术人员,组织设计施工。期间,乙公司负责人要求将平台拖车的跳板部分改进设计。其后,甲某根据乙公司的技术改进要求,对平台拖车的跳板部分进行设计、绘图和计算数据,并出具设计图纸。6月5日,甲某完成平台拖车的生产、加工及改装任务。     

高频雷达信号的双线性时频分布性能研究

针对海杂波背景下高频地波雷达的目标探测问题,采用时频分析方法研究对海杂波中的非平稳多分量目标探测。讨论了海杂波背景下的目标检测问题,以及信号的双线性时频分布,通过仿真研究了时频分布性能,尤其是核函数抑制多分量目标的交叉项作用。仿真结果显示,伪Wigner-Ville分布较Wigner-Ville分布对于交叉项的抑制作用较大,而平滑伪Wigner-Ville分布降低交叉项的效果更好。     

S变换在水下目标识别中的应用

研究了基于S变换模时频矩阵相似度的水下目标识别方法。根据测试样本对应的S变换模时频矩阵与标准样本对应的S变换模时频矩阵之间的相似度最大原则对测试样本进行识别。该方法不需要辅助分类器而直接实现目标识别,计算简单快速。仿真实验表明,该方法的识别率较高,且受噪声影响小,适合于水下目标识别。     

基于YOLO的铁路侵限异物检测方法

基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.     

城市轨道交通常态与非常态短期客流预测方法研究

城市轨道交通客流特征除表现为常态的周期性、季节性及高峰性外,还会因节假日、体育赛事、城市大型活动、突发事件、特殊天气等因素表现出差异性和特殊性,本文对较为成熟的常态及研究较少的非常态客流预测方法进行了实验.首先利用通用的ARIMA时间序列预测算法分析样本历史数据实现常态日客流预测;其次针对客流特殊因素提出时间序列及回归分析的组合模型,同时引进虚拟变量和结合相似日样本数据进一步改进,实现非常态预测问题的高精度求解.仿真计算结果表明,本文方法对解决短期客流预测具有良好的适用度,尤其同样本同预测周期条件下的非常态组合改进模型和常用单一时间序列模型的对比,证明改进模型可以很好地应用在客流特征既包括随时间固有不变的性质又表现出特殊因素的研究中,具有较强的自适应性和更好的预测精度.