百色水利枢纽通航设施工程建设方案*

百色水利枢纽最大通航水头为113.80 m,上游库区水位变幅大,下游右江水位变化速率快,航运用水会对枢纽发电效益产生影响,建设通航设施面临高水头通航、节约水资源、降低对已建设施安全与运行影响等技术难题,建设方案应实现高效通航、运行可靠、维护便利、投资经济等多重目标协同效果最优。百色水利枢纽通航设施工程采用船闸与升船机组合方案、升船机与升船机组合方案、单级升船机方案和多级船闸方案进行技术经济比选,推荐船闸与升船机组合方案,其发挥了船闸适应大水位变幅和升船机提升高度大、过闸时间短的技术优势,并对升船机形式进行比选,推荐的船闸与全平衡卷扬式垂直升船机组合方案能够实现高效通航、运行可靠等建设目标。为实现高坝通航提出了新思路,对类似工程建设及规范修编具有积极的借鉴意义。     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization,PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的 PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到 97%,与传统 BP神经网络的路面类型特征识别精度提升 7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。     

无人机飞行计划管理系统研究

当前无人机用户不办理任何飞行审批手续,对航空安全造成严重威胁,必须加强管控。为确保无人机飞行安全,需注重其飞行动态控制,通过飞行计划监督无人机飞行活动,由此提出一种无人机飞行计划管理系统。系统在分析无人机飞行计划基本元素、表达模型及其生命周期的基础上,设计了管理飞行计划的三大模块,即计划处理模块、计划验证模块和计划执行模块。其中,计划处理模块实现申报和校验飞行计划;计划验证模块通过加载空域数据、地理高程数据、GRIB 气象数据验证飞行计划的可执行性;计划执行模块监视飞行计划执行进度,管理飞行计划执行状态的变更。系统运行验证表明,可有效管理无人机飞行计划,并可在仿真平台实现由无人机飞行计划生成初始模拟航迹的及时运行和监管。     

自动驾驶目标检测不确定性估计方法综述

随着自动驾驶技术的发展,目标检测的准确性和可靠性变得至关重要。深度学习作为自动驾驶系统中的核心组成部分,其预测结果的不确定性估计对于系统的安全性和稳定性具有显著影响。总结了深度学习不确定性估计理论在自动驾驶目标检测中的应用,并探讨了有效的不确定性评价体系的重要性。介绍了深度学习不确定性估计的基本理论,包括贝叶斯神经网络、蒙特卡洛方法以及集成学习方法等。这些方法通过不同的途径量化模型预测的不确定性,为自动驾驶系统提供了更丰富的信息。深入探讨了自动驾驶目标检测中不确定性估计的应用。通过案例分析,展示了如何利用不确定性信息来提高目标检测的准确性,特别是在面对复杂环境和极端条件时,不确定性估计可以作为决策支持,帮助系统避免潜在的风险。总结了自动驾驶目标检测不确定性估计评价指标,同时,考虑了模型的预测性能、不确定性估计的准确性。     

甩挂运输半挂车电子标识技术研究

针对现阶段的道路运输远程监控体系中无法识别半挂车的身份与特征信息的问题,通过对甩挂运输企业、站(场)、整车生产企业进行广泛调研,文中提出了基于RFID无线射频技术的甩挂运输半挂车身份电子标识技术要求,分析了电子标识具体技术参数的限值范围,为规范甩挂运输半挂车身份电子标识的发展提供了技术支撑。     

论学分制条件下大一学生的学业规划

对有机会接受高等教育的个体来说,大学是其为能够充分的适应社会积累所需资本的重要阶段,资本积累如何直接影响到个体是否能够顺利地走向社会。大学需要积累的资本很多,包括知识、能力与素质等,其中专业知识的获得也就是学习是个体必须积累的最基础的资本。因此,科学地规划大学生涯对大学生来说是至关重要的。随着部分高校实行学分制教育模式,如何指导大一学生做好学分制教育条件下的学业规划成为了高等学校教育面临的重要课题。     

建设广西和谐水运的思考

“十一五”时期是我区经济由艰难爬坡向经济起飞转变的重要时期,也是我区加强加快建设、深化改革、加快航运事业发展的黄金发展期,更是我区实现由传统航运向现代航运转变的战略机遇期。文章回顾了“十五”期间广西水运建设的发展,提出“十一五”时期广西建设和谐水运应重点关注的若干问题。     

Lane changing intention recognition based on speech recognition models

Poor driving habits such as not using turn signals when changing lanes present a major challenge to advanced driver assistance systems that rely on turn signals. To address this problem, we propose a novel algorithm combining the hidden Markov model (HMM) and Bayesian filtering (BF) techniques to recognize a driver’s lane changing intention. In the HMM component, the grammar definition is inspired by speech recognition models, and the output is a preliminary behavior classification. As for the BF component, the final behavior classification is produced based on the current and preceding outputs of the HMMs. A naturalistic data set is used to train and validate the proposed algorithm. The results reveal that the proposed HMM–BF framework can achieve a recognition accuracy of 93.5% and 90.3% for right and left lane changing, respectively, which is a significant improvement compared with the HMM-only algorithm. The recognition time results show that the proposed algorithm can recognize a behavior correctly at an early stage.     

铁路桥梁桥墩托盘裂缝原因分析及加固方案

文章基于宁夏灵武黄河特大桥桥墩托盘的裂缝调查情况,利用有限元模型从力学角度分析了托盘裂缝产生的原因,提出了预应力筋、碳纤维布、预应力筋＋碳纤维布三种加固方案,并对比分析了各方案的加固效果。     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平,对于深入研究驾驶人行为特性,改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法,大多基于心电、脑电等生理信息和车辆信息,由于特征选择上的单一性,导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验,通过采集受试者的生理信号和车辆信号,结合NASA_TLX主观评分和机器学习算法,提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法,其精度显著高于传统的基于生理信息的认知负荷分类方法,以多维信息特征为输入,随机森林法以其稳定性好、抗过拟合能力强的特点,表现出优异的分类效果,相比神经网络和支持向量机,具有最高的平均分类精度。