神经网络用于汽车制动跑偏特性仿真的研究

制动性是汽车的主要性能之一，为了探讨神经网络在汽车制动特性研究中的应用，利用神经网络ＢＰ算法对汽车制动跑偏特性进行了仿真研究，结果表明，神经网络对汽车制动特性的研究有实用价值。     

非完美信息下京津冀区域物流设施选址研究

针对大规模物流设施选址问题,本文构建了非完美信息下设施可靠性选址的连续逼近模型.该模型不仅考虑了设施存在损坏的可能性,而且考虑了由于信息缺失顾客无法获得设施状态且存在返回出发地的行为.由于该模型的结果无法直接确定设施选址点,因此采用Disk算法对该模型的结果进行离散化,获得物流设施选址方案.以京津冀区域物流设施选址为例,验证了该模型有效性并对设施布局特性进行了分析.最后,通过灵敏度分析探讨了不同参数对京津冀区域物流设施选址的影响.     

三维可视化应用中Delaunay三角形剖分算法研究

讨论了实现Ｄｅｌａｕｎａｙ三角形剖分的新算法。该算法使用一个均匀的格子结构，并采用循环生成三角形的策略实现Ｄｅｌａｕｎａｙ三角形剖分。与其他算法相比，具有许多新特征。尤为重要的是，算法的时间复杂度随点数的增加呈线性增长，而不是固有的Ｏ（ｎ＾２）。文中给出了该算法及其实现的细节。讨论如何处理数据；描述如何基于均匀格子结构建立内部数据结构；通过一个例子描述如何实现三角形剖分进程的细节；给出算法思想的证     

三种路面破损分类算法的仿真比较

路面破损分类是制约路面破损自动检测的发展和普及的重要因素之一。本文在前文提出的破损密度方法的基础上,提炼出两种基于密度因子方法的算法——基本密度因子算法和方向密度因子算法,并通过仿真,验证了其对常见的5种路面破损类型进行分类的可行性。文中作为对照的方法是由美国Lee,Byoung Jik博士提供的PROXIMITY算法。仿真结果表明：1)三种路面破损分类算法中,方向密度因子算法对5种常见路面破损类型的整体识别效果最好;2)对于常规算法最难区分的块状裂缝和龟状裂缝,基本密度因子的算法的识别效果最好。这充分验证了前文中我们提出的基于破损密度因子的路面破损分类方法的可行性和优越性。     

港口物流筹供决策系统狄杰斯特拉算法的优化与实现

港口口岸的物资流通是建设国际化港口的重要环节。在港口物流筹供决策系统的计算机应用中,使用狄杰斯特拉算法以求解最佳及最经济路径。但是,在决策系统的实际应用中,该计算模块往往消耗大量的内存空间和计算时间。结合“港口物流筹供决策系统”的开发,依实际应用情况,对狄杰斯特拉算法进行优化,这样就大大降低了内存消耗和计算时间。文章提出了一个优化设计方法,最后利用C＋＋语言对算法进行详细的算法描述和运算,效果良好。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。     

双横臂独立悬架的前轮主销内倾角算法研究

针对前桥为双横臂独立悬架汽车，基于轮胎侧偏特性和计及外倾角的影响，建立前轮转向后回正力矩数学模型，根据转向轮回正力矩与回正阻力力矩平衡方程式，推导其前轮主销内倾角的算法。用样车做实例计算与试验，验证其正确性，为前轮定位参数中主销内倾角的设计提供理论参考。     

基于小波域谱相减算法的语音增强研究

谱相减算法是目前常用的语音增强算法，它常在处理宽带噪声中使用，具有运算量小、效果明显等特点，但该算法是基于短时傅立叶变换（STFT）基础上的，是一种单分辨率的信号分析方法。与STFT本质不同的小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗口很大，而当分析高频时，其时间窗口减小，这恰恰符合实际中对非平稳信号进行分析的自然规律。基于小波域的谱相减算法，是将带噪语音信号进行Mallat多尺度分解，然后分别对各尺度下的信号进行谱相减运算，再逐一进行小波重构，得到去噪后的语音信号。仿真结果表明。该方法不但有效地提高了语音信号的信噪比，而且也在很大程度上改善了语音的失真程度，不失为一种有效的语音增强算法。     

人工挖孔桩的安全防护措施

文章详述了人工挖孔桩可能发生的安全事故类别及主要原因,介绍了安全管理及技术防护措施。认真落实这些安全措施对人工挖孔桩的安全施工有一定作用。