军工企业档案信息化自主研发初探

档案信息化建设已经成为“十一五”档案工作的主流和大势所趋。随着计算机设备的普及和专业人才的引进,军工企业完全有能力依托现有的人力、财力和物力,独立自主研发适用于本单位的档案管理系统。这既可避免信息化过程中软、硬件采购的大幅度投入,也可防止外部单位在参与军工企业信息化研发过程中出现的泄密事故,使操作进程更加符合国防军工单位保密认证的要求。     

城市轨道交通项目后评价体系研究

分析我国城市轨道交通项目后评价的研究现状,建立城市轨道交通项目后评价体系,包括过程后评价、效益和影响后评价、可持续性后评价和综合后评价四个部分,并详细介绍各部分内容。     

探析总承包模式下风电工程项目文件过程管控——以某电力设计国企为例

在国家“双碳”目标的指引下,风电工程在国内国际市场发展迅速,风电项目总承包业务逐渐成为国内电力勘测设计企业的重点业务之一。从风电工程总承包项目的实际情况出发,结合工作实践,分析总承包模式下风电工程项目文件的重要性,提出做好过程管理的主要内容,明确具体要求。对如何做好总承包风电项目档案管理,提供一定的工作参考和借鉴。     

中日东北亚海域大风浪预警信息对比分析

为保障东北亚海域船舶航行安全,分析了中日两国发布的大风浪预警信息的特点,提出了应用方面的注意事项。介绍了一种新型海事气象安全保障服务软件,并给出了应用实例,为船舶驾驶员和航运企业安全管理人员提供确保大风浪中航行安全的新思路。     

水利工程造价全过程控制与管理方法探析

深入研究水利工程造价全过程控制与管理方法,强调在设计阶段建立成本估算模型的重要性,以实现对项目成本的初步预测和控制。在施工阶段,提出了采用挣值计算分析和成本会计计算等方法来监控和控制成本,确保施工过程符合预算要求。最后,在竣工阶段,讨论了工程结算和决算审计的重要性,以确保所有工程成本得到准确计算和合理结算。以期通过这些全过程的控制与管理措施,能够帮助水利工程实现成本的合理控制,提高项目的投资效益。     

考虑出行者行为的多重网络拥堵风险传播模型

城市道路交通拥堵风险传播过程受拥堵预警信息、出行者行为特性及居民出行流量分布等诸多因素影响.本文提出包括道路子网、信息子网和出行子网的多重网络模型,应用改进的UAU-SIR(Unaware-Aware-Unaware-Susceptible-Infective-Recovered)模型,探讨多重网络预警信息下的城市道路...     

列车动力响应的平稳性和各态历经性分析

研究列车动力响应的平稳性和各态历经性对寻求列车动力响应随机过程的统计规律具有重要意义.基于多体动力学理论,采用多体动力学分析软件Simpack建立国内某高速列车动车车辆的多体动力学模型.采用三角级数法模拟得到的轨道不平顺作为随机输入激励计算得到列车以不同速度行驶不同距离的动力响应时程样本序列.进一步运用平稳性检验方法中...     

重点要“稳” 采埃孚自动驾驶目标锁定L2+和L4

"现在市场上有些系统,让你在驾驶过程中,明显的感觉到车身的摆动,说明它们的车道保持不好。这样会影响驾驶者的驾驶体验。对我们而言,度量级别不重要,重点是稳!"——采埃孚全球CEO沃夫翰宁·施艾德回顾过去三年所经历的CES展会,整个自动驾驶行业一直长期处于亢奋状态。从L2-L5级别,只要你想似乎都能找到相对应的产品以及解决方案。仿佛大家之间正进行一场不言而喻的军备竞赛。远的不说,单说采埃孚本身,2017年第一次亮相并现场与百度合作上车的ProAI至今历历在目。随后两年,ProAI的型号一年比一年高,性能也逐代强悍。     

考虑驾驶人风格的跟车预警规则研究

为研究驾驶人的跟车特性及探究可适用于不同风格驾驶人的跟车预警规则,为自动驾驶车辆开发可满足不同用户驾驶需求和驾乘体验的主动安全预警系统,选取50名被试驾驶人开展实车试验,采集驾驶人跟车行为表征参数并基于雷达数据确定跟车事件提取规则。选取平均跟车时距和平均制动时距为二维向量,使用基于K-means聚类结果的高斯混合模型将驾驶人聚类为3种风格类型(冒进型、平稳型、保守型)。通过分析3组驾驶人的跟车及制动数据,将不同类型驾驶人的制动时距分位数作为跟车预警阈值,结合实际预警数据及不同制动时距分位数对应的预警正确率,对现有跟车预警规则进行调整,以适应不同类型驾驶人的驾驶需求。研究结果表明:3组驾驶人的平均跟车时距和平均制动时距差异显著,冒进型驾驶人倾向于选择较小的跟车时距和制动时距,保守型驾驶人的跟车时距和制动时距则普遍较大;3组驾驶人的实际跟车预警次数为215次,驾驶人采取制动操作而系统未予以预警的次数为329次,系统整体预警正确率为21.9%,漏警率为87.5%,通过分析信息熵等判定当前预警规则并不合理;将每类驾驶人制动时距的10%分位数作为阈值时的预警效果较好,调整后的跟车预警规则能在一定程度上适应不同的驾驶人类型。     

基于卡尔曼-高斯联合滤波的车辆位置跟踪

车辆位置的精确、可靠获取,一直是阻碍智能驾驶技术的难题.特别当车辆处于复杂道路环境中时,车辆卫星定位信号易受较大干扰,使车辆定位产生漂移现象.针对车辆定位的这种漂移现象,研究了针对车辆位置跟踪的卡尔曼-高斯联合滤波方法.对于车辆卫星定位受到的干扰不同,采用分层处理的滤波方法;针对卡尔曼滤波不能较好地滤除一些干扰较大的位置漂移点,通过设置与车速、航向角等相关的动态阈值,对卫星定位的车辆位置进行动态阈值判断;通过动态阈值识别出的车辆位置漂移数据,结合高斯过程回归,以车辆的历史数据作为学习样本,使用预测值和真实观测值构建补偿量,通过对卡尔曼观测方程加入动态观测补偿实现车辆位置优化;对于一般噪声产生的卫星定位波动,联合滤波也可以有效优化.实车实验表明,该方法可以有效识别出车辆定位的漂移点,车辆卫星定位在信号受较大干扰的情况下,车辆卫星定位的精度可以提高30%左右,最大误差由9 m降低到0.8 m左右.该联合滤波方法在使用低成本定位装置的情况下,有效提高车辆卫星定位的精度及可靠性.