基于三轴加速度计最小二乘法质量和坡度估计

本文采用一种VCU控制器自带的ADXL313型号三轴加速度计传感器,结合三轴加速度计的数值,通过遗忘因子递推最小二乘法对质量进行估计,提出基于车辆纵向动力学和加速度传感器信号的质量最小二乘估计模型,来准确估计整车车重,并估计出道路坡度值。通过本论文,可以让主机厂不额外增加整车的费用,不改变整车的线束和布置,可以通过遗忘因子递推最小二乘法对车重、坡度进行准确估算,这在纯电商用车领域对于换挡的控制和换挡品质的提升具有重要的意义。     

行人头部与车辆碰撞中旋转速度对颅脑组织响应影响

为了探究旋转速度在行人头部与车辆碰撞中对颅脑组织响应影响,对46例真实交通事故进行了运动学重建获得行人头部与车辆碰撞线性、旋转速度分布特征,并依此建立了头部与风挡、发动机罩碰撞有限元仿真模型,分析了头部旋转速度在不同线性速度和碰撞位置下对颅脑应力应变响应影响特征.结果表明:在行人头部与风挡碰撞中,当线性速度小于40 k...     

绿色港口建设中港区大气污染物排放研究综述

我国是世界上拥有集装箱吞吐量超百万标箱港口数量最多的国家,港口在获得良好经济效益同时,船舶运输活动和装卸设备作业造成的大气污染也日益严重.为贯彻港口可持续发展理念,绿色港口建设势在必行.通过分析研究了我国港口大气污染物来源、排放清单编制方法、大气污染物排放特征等现状.总结了港口施工期和运营期主要大气污染物来源;为阐述港口船舶大气污染物排放清单,简述了点式空气质量自动检测和PEMS两种主要大气污染物检测方法;并总结了港口运输船舶、港作机械及集疏运车辆的排放清单编制方法及现状;进而归纳了港口主要污染源大气污染物排放特征.为比较不同年份不同地区船舶大气污染物排放特征、评估船舶减排成效,提出了港口船舶大气污染因子的概念及表达式,分析了我国大气污染物排放研究现状,并指出目前排放清单研究中对于内河港口大气污染物排放问题重视程度不足、排放因子本土化程度低、港口大气污染源考虑不全面等问题.     

铁路信息系统用户身份自动化管理及关键技术研究

铁路信息系统网络架构复杂、业务数据量巨大、系统关联交错,用户身份信息管理长期存在账号信息易泄露、账号违规提权、账号共享等安全风险。通过研究信息自动化管理技术,设计了用户身份自动化管理系统,实现对用户身份信息的自动检测、自动修改密码与验证、自动推送、安全备份、威胁分析检测等功能,解决铁路运行维护单位在用户身份管理过程中的问题和困难,更全面地管理和保护各类资源的身份凭证,避免因用户身份信息管理不当,造成资源信息泄漏或被滥用,降低用户身份相关数据安全事故的发生概率。     

现阶段船员上船前防疫工作的思考

为做好船员到船前的防疫工作,文章从三个维度入手分析了船员上船前防疫风险、防疫措施和应急措施,助力船员平安健康上船工作。     

城市交通相关空气污染健康风险研究综述

交通空气污染问题作为交通问题重要部分,因危及到人体健康而越发受到人们的重视。文章将对近年来关于交通空气污染对人体健康影响的相关研究进行综述,并从不同交通空气污染物导致的相关疾病及其与特定污染物暴露研究方法分析介绍,从而更为系统全面了解地交通相关空气污染物作用于人体相关生物机理,为交通相关空气污染控制与防护提供科学依据。     

基于AHP-灰色关联度分析的公路工程施工风险评价研究

为充分辨识、量化评估公路工程施工风险,规范施工安全管理,结合影响公路施工安全的技术风险、施工人员素质、管理组织能力、施工安全环境、材料设备供应等情况,构建公路工程施工安全风险评价指标体系,结合AHP与灰色理论构建风险评价模型.并以某高速公路5个标段为工程实例,分析路段施工安全风险,结果表明:该方法能够准确评价公路工程施...     

基于Adaptive Lasso与RF的航班运行风险预测改进研究

为了解决航班运行风险高维数组运算过于复杂的问题,同时为防止模型过度拟合影响预测精度,基于中国民航局发布的风险评估体系,以某航450组真实航班数据为标准样本,首先使用自适应套索算法（Adaptive Lasso）进行降维,从63项风险自变量中筛选出15项独立变量;然后,使用随机森林算法(Random Forest,RF)进行防过拟合处理,结果显示当使用重要度排序前12项变量拟合时,结果误差达到最小值,即得到最终预测指标;最后,构建Adaptive Lasso和RF的二阶段混合模型,同时选取主成分分析(Principal Component Analysis,PCA)、径向基函数(Radial Basis Function,RBF)网络、支持向量机(Support Vector Machine,SVM)3种对比方法,使用十折交叉验证精度.结果表明：Adaptive Lasso方法在筛选掉48项指标后,结果精度未见下降;经RF处理后4种方法评估精度均大于未处理前;Adaptive Lasso-RF混合模型的预测准确率和稳定性均优于PCA、RBF神经网络和SVM等方法.综上说明混合模型实现了有效降维和防过拟合,可大幅提升预测精度,用于解决航班风险预测问题可行并有效.     

支持向量机增量学习算法研究

给出了使用多支持向量机进行增量学习的算法．传统的支持向量机不具有增量学习性能，而常用的增量学习方法各具有不同的优缺点，基于固定划分和过间隔技术，提出了使用多支持向量机进行增量学习的算法；使用此算法，针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验，结果表明，使用单一的支持向量机进行增量学习，不论采用过间隔还是固定划分技术，其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。