归心改正理论在舰船真航向动态测量中的应用

采用计算方位和测量舷角相结合的方法进行真航向测量时,由于舰船安装条件有限,舰位测量设备DGPS和经纬仪不可能安装在同一位置。直接将DGPS测量的舰位作为经纬仪中心的位置会影响到方位角的计算结果,进而影响航向测量精度。本文采用归心改正理论根据DGPS测量的舰位推算经纬仪中心的精确位置,根据此位置计算出的岸标真方位的精度得到了提高,最终提高航向测量的精度。     

螺旋桨无键过盈安装应力数值分析

针对螺旋桨无键过盈安装后桨-轴应力数值计算问题,运用弹性力学理论和ANSYS有限元法进行应力的数值计算。通过理论值与仿真值的对比分析表明:桨-轴应力的仿真值比理论值略大,理论值与仿真值具有较好的一致性;Ansys有限元法考虑了接触边缘区域存在应力奇异性、桨-轴存在轴向应力和螺旋桨外表面存在径向应力的情况,比运用弹性力学理论求解更加准确可靠;通过桨-轴应力计算可以证明过盈量选取的合理性,为检验螺旋桨无键过盈安装的可靠性提供理论基础。     

基于Q学习算法的摘挂列车调车作业计划优化

针对摘挂列车编组调车作业计划编制问题,基于强化学习技术和Q学习算法,提出1种调车作业计划优化方法。在表格调车法的基础上,将调车作业计划分为下落和重组2个部分。通过动作、状态和奖励3要素构建调车作业问题的强化学习模型,以调车机车为智能体,以车组下落的股道编号为动作,以待编车列的下落情况为状态,形成车组挂车、摘车具体条件和车辆重组流程,并依据车组下落的连接状态和车辆重组后产生的总调车程设计奖励函数。改进Q学习算法求解模型,以最小化调车程为目标,建立待编车列与最优调车作业计划之间的映射关系,智能体学习充分后即可求解得到最优的调车作业计划。通过3组算例对比验证本方法效果,结果表明:相较于统筹对口法和排序二叉树法,本方法使用的股道数量更少、调车作业计划更优;相较于分支定界法,本方法可在更短时间内求解质量近似的调车作业计划。因而,本方法有助于提高车站调车作业计划编制的智能化决策水平。     

加强订单进度控制确保产品交货周期--统计分析在企业经营中的运用

通过理论运用的实证分析,提供订单进度控制的方法与模型。     

企业单位内部会计控制解读及强化

文中通过对企业单位内部会计控制的学习理解,分析内部会计控制的实现手段,根据COSO内控理论,从完善企业的控制环境、进行全面的风险评估、设立良好的控制活动、建立广泛的信息与交流、加强内部控制的监督与评审等五个方面,提出了加强企业单位内部会计控制的措施。     

基于机器视觉的车辆检测与参数识别研究进展

近年来公路交通运输快速增长,交通车辆的快速准确检测与识别对智能交通系统和交通基础设施运维具有重要意义.随着机器视觉和深度学习技术的迅速发展及其在目标检测领域的广泛应用,车辆目标检测和参数识别也取得新的突破.该文从车辆参数的识别方法和应用研究两方面梳理了机器视觉和深度学习在车辆检测与参数识别领域的研究现状、最新研究成果和...     

基于改进LSTM-NN的安全性自动驾驶换道轨迹规划模型

为改善现有的自动驾驶换道轨迹规划模型产生的换道轨迹与真实的换道轨迹存在较大偏差的问题,提出了一种改进LSTM-NN的安全敏感性深度学习模型,该模型可以缓解当前自动驾驶轨迹规划存在的不足,输出轨迹既保证了较高的精度又提高了安全性。CarSim仿真软件模拟了本模型产生轨迹的可跟踪性,结果显示轨迹非常平滑,并且自动驾驶车辆可以高效、安全地完成换道。     

宿迁市运河文化桥现状老桥护栏提升改造设计及应用

随着经济和社会的发展,城市道路的快速化改造工程越来越多。由于新建道路设计时速及标准均有提高,既有现状老桥的防撞护栏等级已经不能满足新建城市快速路标准的要求,需要对现有老桥防撞护栏进行提升改造。以宿迁市迎宾大道二期快速化改造工程为例,介绍了现状运河文化桥老桥防撞护栏的提升改造设计方案,并采用屈服线分析和强度设计理论及非弹性分析方法进行了计算分析。在实际工程应用中,取得了良好的效果,以期为类似的现状老桥护栏提升改造项目提供借鉴。     

基于数据驱动的电动汽车动力电池SOC预测

为准确预测电动汽车动力电池的能耗,缓解驾驶者的里程焦虑,本文中提出一种基于数据驱动的电动汽车动力电池SOC预测模型.首先分析电动汽车能耗构成并提取能耗影响因素,接着基于某款电动出租车CAN总线采集的汽车运行数据,采用机器学习算法,提出基于温度分层的能耗模型,通过宏观数据与微观数据的融合减小误差,最后使用该模型对车载BM...     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。