一种基于感应环线通信的数据接收器设计

基于感应回路的数据通信方式设计一种基于感应环线通信的数据接收器,该数据接收器采用4个高频数字接收器实现FSK信号的相位检测。通过对接收电路进行仿真实验,该系统能够很好地完成数据接收任务,具有接收可靠,稳定等优点。     

西安地铁自动售枪票系统线网清分中心建设研究

线网清分中心的建设对于西安地铁自动售检票系统的发展具有重要的里程碑意义,是地铁线网化运营的必然要求。在对已有建设成果总结分析的基础上,对西安地铁线网清分中心的职能定位、逻辑架构、清分模型等核心技术问题进行了分析研究,并提出相关建议,为后续建设工作的展开提供参考。     

电力机车地面控制自动过分相兼容技术应用研究

介绍地面控制自动过分相原理,分析电力机车通过该系统时的暂态响应,并以HXD3型机车为例分析控制逻辑,总结归纳交流机车兼容技术方案.同时对此项技术应用后的经济效益和社会效益进行分析.     

西门子信号系统的列车自动调整功能简介

从应用角度介绍西门子ATS系统中的列车自动调整(ATR)功能,包括在不同运营场景下系统的使用。由于列车自动调整功能和时刻表有着密切的关系,因此介绍了西门子运行图编辑软件FALKO和与之相关的一些内容。     

智能汽车自动紧急转向避撞的跟踪控制方法对比研究

为了提高智能汽车的主动安全性,提出3种不同的自动紧急转向避撞跟踪控制方法。首先建立汽车避撞简化模型,对制动、转向及两者相结合的3种不同避撞方式进行对比分析。其次,为深入研究汽车避撞过程中的实际响应,建立包含转向、制动及悬架3个子系统耦合特性的底盘18自由度统一动力学模型,并进行相关试验验证。随后构建智能汽车自动紧急转向避撞控制框架,对五次多项式参考路径和七次多项式参考路径的横摆角速度和横摆角加速度进行对比分析。接着以线性2自由度转向动力学模型为参考对象,对最优控制四轮转向、最优控制前轮转向、前馈与反馈控制相结合的前轮转向3种不同的跟踪控制系统分别进行设计。最后,以汽车底盘18自由度统一动力学模型为研究对象,对上述3种避撞控制系统进行仿真试验对比分析。研究结果表明：与制动避撞相比而言,转向避撞所需的纵向距离有较大降低,随着车速的增加和路面附着系数的越低,效果越明显;七次多项式参考路径比五次多项式参考路径的避撞过渡过程更为平缓,当实际车速与控制器所用车速不一致时,前者避撞性能表现更优;最优四轮转向控制系统在高、低2种不同附着路面都具有较好的避撞效果,最优前轮转向控制系统次之,而前馈与反馈相结合的前轮转向控制系统在低附着路面上则表现出严重的失稳。     

共翼型舵特性及其对潜艇潜浮运动影响研究

共翼型舵是一种新型的潜艇组合舵翼操纵面.文章首先通过水洞试验和CFD计算对共翼型舵的敞水水动力性能进行了研究,结果表明,共翼型舵的舵效随弦长比和展弦比增大,封堵舵翼之间的间隙可以显著提高舵的水动力性能.随后通过CFD计算对比了分别安装有普通舵、共翼型舵和封堵缝隙的共翼型舵的潜艇的潜浮运动,结果显示,5°舵角时,安装共翼型舵和封堵缝隙的共翼型舵的潜艇模型潜浮角分别比安装普通舵的模型提高65％和105％左右.     

自动驾驶公司与卡车OEM如何合作实现AD卡车商业化运营?

文章分析了目前自动驾驶公司创立的自动驾驶卡车商业化运营模式,看看其中传统重卡OEM怎么定位。本文也欲弄清卡车自动驾驶公司的商业模式现在发展到哪一步了,看看什么时候自动驾驶卡车落地商业化,为重卡OEM布局自动驾驶提供参考。     

全面解读宇通客车展出的5款明星客车——面向当下和未来热点细分市场

2021年7月7—9日举办的"2021道路运输车辆展"上,宇通客车再次展现"硬核风采",展出了面向当下和未来热点细分市场的最新产品和科技成果,包括6 m电动微循环小型公交客车ES6(全国首发)、L4级自动驾驶微型电动公交客车-小宇2.0、T7自动挡汽油版高端商务车、宇威U10智能网联公交客车、F12燃料电池城市客车等"全明星"阵容,期间为ES6举行了全国首发仪式。此次没有展出公路/旅游客车,也没有展出大型传统能源客车。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。