2009年打击海盗会议在英国伦敦举行

2009年打击海盗会议于2009年4月28—30日在英国伦敦举行，该会议主要关注：确保尽早识别嫌疑船舶并且学习如何阻止袭击；识别和提取真实世界范围可利用的信息来降低风险；检视近期的海盗活动趋势和策略；保护员工、合同、资产的安全和声誉；当遭受袭击时，了解法律含义；使扣为人质的风险最小化和讨论赎身的谈判；     

滑动轴承动力系数识别的广义逆矩阵法

讨论了一种滑动轴承动力系数实验识别的广义逆矩阵法，滑动轴承动力系数不是可以直接测量的物理量，它们只能从测得的转子－轴承系统的动态响应函数中采用参数识别方法求得。因此一种有效的参数识别算法在轴承动力系数的测试中起着十分重要的作用，本文提出的广义逆矩阵识别方法具有高效、简单和可靠等优点。文中给出了一个数值实例以证实本方法的有效性。     

金属带式无级变速器控制任务的分解

将无级变速器的控制任务按执行顺序分解为工况识别、控制策略设计和系统执行3个层次,并将工况识别再细分为驾驶员意图识别、车辆环境识别和传动系统状态识别3类.以电液控制系统为例的分析表明,控制任务的分解,减少了需要处理的工况数量.文中提出的方法大大减少了控制系统设计的工作量,缩短了控制系统分析调试时间.     

基于三类危险源分析的交通安全风险预警体系研究

应用风险识别技术,按照三类危险源的分类方法确定道路交通安全风险的致灾因素,并对致灾因素的致害情况进行分析,在此基础上建立道路交通安全风险预警体系,可由此确定道路交通安全风险预警的范围及周期.     

射频识别技术在港口物流管理中的应用

<正>目前,国内港口虽然广泛采用计算机管理,但是在整个港口物流运输过程中,对于操作对象,尤其是集装箱的识别仍然非常落后,基本上还是处于人工或者半人工的识别阶段。在港口货物物流的识别过程中一般采用条形码和数码摄像软件识别等技术,这些技术在识别距离、可靠性、跟踪定位和信息储存等方面的性能不能够完全满足港口物流管理的需要,没有得到广泛的应用和推广。为了提高港口物流运输的管理水平和信息化水平,     

小波变换在结构损伤识别中的应用研究

针对土木工程结构的复杂性和数据的不完备性，以小波分析为理论基础，结合多尺度分析理论和数值模拟，对结构损伤识别进行了研究。主要分析了结构动力参数在损伤后的变化特征，对单自由度框架的加速度信号进行小波分析，得到结构损伤的时刻；研究了利用空间域信息对结构损伤位置的识别问题，对带裂缝悬臂梁的变形曲线进行小波变换，判定了结构损伤位置。     

用RFID识别电子商务时代

RFID即射频识别,俗称电子标签,是一种非接触式的自动识别技术。这项技术在未来的电子商务时代,将无处不在的影响着人类的生活。本文介绍了RFID的技术概况,把该技术最前沿的应用展现在大家眼前,并且叙述了RFID面临的各种挑战以及研究人员们如何应对这些问题。     

环境变化下基于核典型相关分析与协整的损伤识别方法

采用传统协整方法进行损伤识别时，需要变量间满足较好的线性关系，而实际工程中监测变量往往存在一定程度的非线性，这使得协整方法的有效性受到影响。为此，提出一种结合核典型相关分析与协整的损伤识别方法。首先利用核典型相关分析能有效处理非线性相关变量的优点，将低维空间存在非线性关系的监测变量映射到高维空间，使其转化为线性相关的核典型变量。然后利用协整方法能够消除变量间共同趋势的特点，对核典型变量间的共同环境因素影响进行分离，并以分离环境因素影响后的协整残差作为损伤指标进行损伤识别。最后通过芬兰Kullaa课题组的木桁架桥试验数据，对协整方法、结合典型相关分析与协整的方法、核典型相关分析和协整相结合方法这3种方法的损伤识别结果进行比较。研究结果表明：在分析非线性数据方面，核典型相关分析要优于典型相关分析；前2种方法受监测变量数目的影响较大，选择不同数目的监测变量将得到不同的识别结果，而该方法对监测变量数目不敏感；且在损伤识别的漏判率方面该方法明显优于其他2种方法。     

重型载货汽车气压制动系统危险状态识别

针对重型载货汽车因气压制动系统发生管路破裂、机械故障或热衰退导致制动效能下降且不易察觉从而引发严重交通事故的问题，提出基于主成分分析降维（PCA降维）和马尔可夫模型的气压制动系统危险状态识别方法。考虑到三轴载货汽车双回路制动系统的结构复杂性以及制动过程制动踏板动作、系统压力建立和实现车辆减速具有明显的时序性特点，首先采用PCA降维的方法对系统状态进行辨识；然后运用驾驶人制动意图与制动系统响应的双层隐形马尔可夫模型对系统状态进行识别。受驾驶人习惯影响制动踏板作用瞬间辨识度低，采用混合高斯聚类法提取不同制动意图时制动保持阶段数据建立制动意图识别模型和系统响应识别模型，通过二者匹配程度判定系统状态。最后，分别依据实车试验数据对模型进行离线训练和在线辨识验证。试验结果表明：系统正常状态下，基于PCA降维和马尔可夫模型相结合的识别方法能够准确、有效地识别制动系统状态；制动管路断开压力降低状态下，PCA降维方法能够及时有效识别其危险状态。     

基于改进深度卷积生成对抗网络的路面指示标志识别方法

针对道路交通环境中路面标志识别涉及的数据集较少和识别准确率不足的问题,研究了基于深度卷积生成对抗网络的道路表面指示标志的识别方法.在深度卷积生成对抗网络的结构基础上,根据具体应用修改生成网络和判别网络的损失函数,并用随机梯度下降算法替代原始的优化器,对指示标志的原始样本集进行样本生成,以增加样本数据量.基于Faster R-CNN算法进行路面标志的特征提取,实现路面指示标志的识别,并基于迁移学习对识别模型进行微调,将目标识别效果应用于实际道路环境中.实验结果表明,通过深度卷积生成对抗网络生成的样本图像有效地扩增了路面标志的数据集,增广后的多类目标识别的mAP提高了17.1%,小样本情况下的识别准确率随着样本量的增加和样本质量的改善而得到了明显的提高.