《自动变速阀体维修彩色图解系列1》新书快讯

内容简介:本书用彩色图解的方式介绍自动变速器阀体的各个控制阀、弹簧和规格,书中有很多彩色实物图,即使基础一般的维修人员也能看懂此书。另外,书中各个阀体的位置和安装顺序都是根据阀体实际位置排照出来的,可以给再次安装提供很高的参考依据。     

Smart River发展现状与思考

针对Smart River 2011会议,介绍了Smart River在内河电子航道图、RIS系统及其应用,以及其他有关Smart River的最新发展情况,同时介绍了我国长江电子航道图、信息服务,及其他内容的发展近况。通过对比分析,认为我国在下一步内河航运发展中,应全面统筹发展。在着力电子航道图的全面发展,加强内河航运信息服务的同时,大力发展公铁水联运。同时要注意保证船员适任性,灾难应急的处置。环境的保护、规划选址方法也应该得到充分的重视。     

基于加权Voronoi图的扇区优化研究

管制员的工作负荷是制约空域容量的主要因素.扇区优化的目的则是在符合一定约束条件下平衡管制员的工作负荷,增加容量.文中提出了基于加权Voronoi图的扇区划设方法,确定了管制员工作负荷统计的方法.针对模拟退火算法收敛速度较慢,遗传算法存在早熟收敛的缺陷,使用生长算法与蚁群算法相结合的方法对数学模型进行求解,进而优化Voronoi多边形,最终得到最优扇区边界.仿真结果验证了所提出的扇区优化方法的合理性.     

基于卷积神经网络优化回环检测的视觉SLAM算法

传统视觉即时定位与建图（SLAM）算法若无回环检测可能会存在累积误差无法消除的现象,即使有回环检测,也因准确率和效率比较低而无法应用于轻量级设备上,为此,研究一种回环检测优化的视觉SLAM算法. 前端估计时,对相邻帧图像进行ORB （oriented fast and rotated brief）特征提取与匹配,对匹配成功的特征点进行PnP （perspective-n-point）求解,获得相机运动估计并筛选出关键帧图像;后端优化时,利用SqueezeNet卷积神经网络 （CNN）提取图像的特征向量,计算余弦相似度判断是否出现回环,若出现回环则在位姿图中增加相应约束,利用图优化理论对全局位姿进行整体优化;最后利用项目组制作的数据集和TUM （technical university of munich）公开数据集进行测试与对比. 研究结果表明:相比于无回环检测算法,本文方法可以成功检测到回环并为全局轨迹优化增添约束;相比于传统词袋法,在回环检测准确率相同的情况下,本文方法召回率可提高21%且计算耗时减少74%;与RGB-D （red green blue-depth） SLAM算法相比,本文方法建图误差可降低29%.      

基于3D CNN的道路视频交通状态自动识别

为了从视频直接有效地提取交通信息,提出了基于三维卷积神经网络 （3D convolutional neural networks,3D CNN）的交通状态识别方法.首先,以C3D （convolutional 3D）深度卷积网络为3D CNN原型,对卷积层数量与位置、平面卷积尺寸及三维卷积深度进行优化调整,形成了37个备选模型;其次,建立了视频数据集,对备选模型进行系统的训练测试,提出了交通状态识别模型C3D*;然后,对C3D* 和现有三维卷积网络模型进行视频交通状态识别测试分析;最后,对比测试了C3D* 及常用二维卷积网络的交通状态识别效果. 对比结果显示:针对视频交通状态识别,C3D* 的F均值为91.32%,比C3D、R3D （region convolutional 3D network）、R (2+1) D （resnets adopting 2D spatial convolution and a 1D temporal convolution）分别高12.24%、26.72%、28.02%;与LeNet、AlexNet、GoogleNet、VGG16的图像识别结果相比,C3D* 的F均值分别高32.61%、69.91%、50.11%、69.17%.      

探地雷达在隧道检测技术中的波形识别

本次研究对探地雷达系统组成和波性特征的基本情况分析后,对探地雷达的主要原理加以研究,然后对探地雷达在隧道检测技术波形识别中的应用情况进行解析,旨在加强隧道建设防止受到地质、地理位置因素影响,通过探地雷达隧道检测技术对隧道是否存在缺陷加以检测,并实行波形识别客观评判隧道缺陷。     

基于自动车牌识别数据的混合交通流饱和流率实时估计

为解决混合交通流饱和流率测算的实时性和时变性问题,实时获得混合交通流的饱和流率用以信号配时,本文提出基于自动车牌识别数据(Automatic License Plate Recognition,ALPR)的混合交通流饱和流率实时自动估计方法。首先,分信号周期提取车头时距数据,在当前车和后车车辆类型确定时车头时距满足同一正态分布的假设基础上,构建车头时距的高斯混合模型并应用 EM(Expectation Maximization) 算 法 求 解 ;其 次 ,基 于 赤 池 信 息 准 则 (Akaike Information Criterion,AIC)选取高斯混合模型的最优个数,拟合数据得到高斯混合模型参数;最后,根据车头时距的高斯混合模型推算出混合交通流饱和流率。以杭州城市道路3条路段的ALPR数据为例,分析基于 ALPR 数据获取车头时距的采样误差,对模型进行验证,并与传统的 HCM(Highway Capacity Manual)方法进行对比。结果表明：基于ALPR数据的车头时距采样误差满足精度要求; 与HCM的实测法相比,模型所得的混合饱和交通流率相对误差小,结果准确;该方法与传统的标准车流饱和流率折算法效果相近,并考虑混合交通流时变特性,能自动部署实时计算,鲁棒性良好,有实际应用意义。     

基于改进离散S变换算法的常规通信信号分选识别模型

S变换由于其良好的时频结合特性,在信号处理领域受到了极大重视.论文在研究S变换基本原理的基础上,针对目前常用的离散S变换算法进行了分析,提出了改进的离散S变换算法,以减少离散S变换的运算量,实现离散S变换的快速运算,并建立了同时多目标常规通信信号分选识别模型,进行信号样式识别和参数提取.实验和算法性能分析证明了算法和模型的有效性.     

基于图像的打击效果评估研究综述

打击效果评估在现代战争中发挥了重要作用,是精确作战体系不可缺少的一部分.论文回顾了打击效果评估的发展历程,从物理级、功能级和系统级三个层次描述了打击效果评估,总结了现有的几种评估方法和评估模型,分析并指出各类方法和模型存在的优势与不足,进一步探讨了基于图像的打击效果评估研究中有待解决的问题.