基于特征子序列修正的公交刷卡滞后时间推算

针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。     

含输入时延与通信时延的车辆队列PID控制系统稳定性

针对含输入时延与通信时延的车辆队列PID控制系统,分析了其内部稳定性和队列稳定性,研究了内部稳定的充要条件,求解了完整、精确的时延边界;在内部稳定性分析中,考虑输入时延与通信时延影响下车辆队列PID控制系统为中立型双时延系统的特点,结合Rekasius代换和劳斯表,提出了关于中立算子的系统强稳定充要条件;在此基础上,为了便于PID参数的快速选取,推导了一种形式更为简练的系统强稳定充分条件;在强稳定条件下,基于特征根聚类法求解了系统完整、精确的时延边界;针对具有奇数辆跟随车的车辆队列,推导了无关车辆队列规模的输入时延上界;在队列稳定性分析中,为了保证干扰和误差沿车辆队列向后传播不发散,分析了车间误差传递函数,给出了双时延影响下队列稳定的充分条件。仿真结果表明：在含输入时延与通信时延的分布式PID控制器作用下,车辆队列控制系统可同时保证内部稳定和队列稳定;车间状态误差可在15 s内快速减小并趋近于零;在所有车辆恒速行驶时,车间保持50 m期望安全距离;在领航车以0.5 m·s^-2加速和0.8 m·s^-2减速时,跟随车的速度和加速度随领航车变化,并...     

奇瑞ACTECO系列高性能发动机

据科技部发布的《我国产业自主创新能力调研报告》,除一些合资厂家采用国外技术生产的机型外,目前我国汽油发动机研发和制造水平,基本处于国外上世纪90年代中期水平。我国汽车产业之所以近五十年始终发展缓慢,一个很重要的原因,就是发动机核心技术长期受制于人。[第一段]     

MITSUBISHI PROTOTYPE-X

Prototype—X融合了MITSUBISHI MOTORS 45年的运动精粹,它无以伦比的高性能发动机、卓越的动力性能以及硬朗飘逸的外观造型设计吸引着全世界车迷。Prototype-X所能提供的全方位行驶能力及选用的用户技术是它区别于世界其他顶级性能车的最大特点.[编者按]     

绿色高性能水泥在新疆地区的研究与应用分析

绿色高性能水泥是一种高性能无机聚合物复合硅酸盐水泥,可直接胶结土体中土壤颗粒,经过化学反应生成强度高、耐久性好的网状胶凝结构.主要成份是CaO、SiO2、Al2O3、激发剂等,因其配料组成不同而具有不同的适应性能,可任意固化各类中低液限土壤,页岩,泥砂石混合料,建筑废渣、矿产废渣等,绿色、环保、就地取材,减少对环境及生...     

宽桥面长节段异形塔单索面斜拉桥施工技术研究

本文以达州市罗江大桥为例,对宽桥面长节段独塔中央索面斜拉桥施工控制关键技术进行论述,包括原材料匮乏地区C60高性能大体积混凝土制备与裂缝防治、异形塔墩液压爬模模板改进、短平台前后结合支点复合型牵索挂篮设计和优化、宽桥面长节段悬浇梁体线形控制及施工过程用于斜拉索检修的滑动吊篮研发等。通过一系列优化及创新措施,罗江大桥宽桥面长节段异形独塔中央索面斜拉桥施工安全和质量得到有效控制,同时施工效率也得以提高,且经济效益及社会效益显著,可供同类工程参考。     

HET-Y(B)高性能超薄罩面在广韶高速公路养护中的应用

为满足重交通高速公路路面表层的功能需求,以广韶高速公路为依托,设计了HET-Y(B)高性能超薄薄层路面结构,采用马歇尔设计方法对混合料矿料级配进行优化设计及性能验证,通过现场施工研究了高性能混合料的施工工艺,经过工后检测对其应用效果进行评价。结果表明：HET-Y(B)高性能混合料配合比设计合理,路用性能优良;当原路面车辙深度小于6mm时,采用1.0cm HET-Y(B)摊铺效果较好;车辙深度在6～10mm之间时,建议对车辙处治后再加铺或采用1.2～1.5cm HET-Y(B)薄层罩面;采用同步摊铺施工更易于高性能薄层罩面的摊铺及碾压,施工均匀性良好;工后检测结果表明,工程实例的应用效果较好。     

基于Spark平台的海量AIS数据k-means算法聚类分析

随着船舶数量不断增加,A IS数据的数量持续增长,与此同时数据复杂和处理难度大等缺陷也日渐突出.为了分析大量的AIS数据并充分挖掘有效信息,文中构建了一个基于Spark、Hadoop和Mesos的AIS数据处理和分析平台,使用k-means算法对船舶数据进行聚类分析,获得更清晰的船舶航迹信息,并比较有、无安装Spark...     

面向地铁场景的激光雷达目标检测研究

针对列车运行前方限界难以实时构建、非结构化轨道道路环境目标聚类检测复杂等问题,提出一种基于激光雷达的目标检测及前方界限实时构建系统。首先,采用了空间换时间的策略提升轨道提取效率,利用轨道局部高程信息、全局几何平行信息并融合多帧信息实现轨道稳定提取,从而基于提取的轨道位置实时构建列车通行的前方限界;其次,基于点云深度图、梯度与距离特征解决了非平铺路场景下的障碍物聚类问题,采用航迹信息进行多目标跟踪提高目标跟踪的稳定性。通过在地铁场景实车测试验证,结果表明该方法能够准确可靠地提取轨道位置和进行目标检测与跟踪。     

基于改进Mask R-CNN的轨道扣件状态检测方法

为提高轨道扣件状态检测的准确率,基于K均值聚类算法改进掩膜区域卷积神经网络(Mask R-CNN)实例分割算法中的区域建议网络。进行基于改进Mask R-CNN的轨道扣件状态检测方法研究,并将该方法分别应用于普速铁路有砟轨道2个扣件数据集和高速铁路无砟轨道1个扣件数据集上进行轨道扣件状态检测。结果表明:该方法能对普速铁路有砟轨道和高速铁路无砟轨道图像中的扣件状态进行准确检测,扣件的定位准确率和分类准确率平均分别达到97.05%和98.36%,均优于YOLO V3,Faster R-CNN和Mask R-CNN算法;相较于前2种算法,本方法对普速铁路有砟轨道扣件状态检测的优势更为明显。