西伯利亚第一条公路

“西伯利亚将会促进俄罗斯的强大”，这句家喻户晓的话是俄罗斯伟大学者米哈伊尔·罗蒙诺索夫的预言。但是，第一个把自己的名字与西伯利亚写在一起的人，是强悍的阿达曼人叶尔马克。1582年，叶尔马克从上卡马出发，征服了这片广袤的土地。     

复杂海洋环境水下航行体低频声传播损失计算方法综述

本文对国内外水下航行体低频声学特征传播损失计算的传统方法和改进方法进行综述,并针对复杂海洋边界条件、三维海洋环境等问题的传播损失仿真计算的适用性进行分析,提炼并总结了复杂海洋环境下传播损失计算方法的研究现状。未来,水下航行体声传播损失研究将更加聚焦于低频声传播特性、声场时-空-频相干特性以及两极冰区环境下的声传播规律等问题,进一步提高传播损失计算方法在复杂海洋环境下的准确性和稳定性是重点研究方向。     

基于改进Hough变换的车道线检测

针对车道线检测中存在的诸多问题,在道路图像预处理的基础上,对Canny算子中的双阈值选取进行改进,能够自适应精确提取车道线边缘特征,并利用带极角约束的Hough变换完成直线检测。算法能够在不同道路环境中准确检测车道线标识,降低光照等因素对车道线检测结果的影响。     

红砂岩筑路施工技术探讨

红砂岩是一种易软化的软质岩石，用其修筑高级公路路基尚是一个新课题。分析了红砂岩的特征，阐述了用红砂岩筑路的优缺点，介绍了用红砂岩筑路时的一些参考方法。提出了采用“可变最大干密度”法来检测其路基压实度。     

持续学习算法在车辆目标识别上的应用

自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得算法流畅运行的环境,选定目标识别的原始图像数据集;在分析现有评估指标的基础上,选取适合于本次实验的评估指标,并采用卷积神经网络（CNN）、最接近类均值（NCM）、增量分类器与特征表示（iCaRL）三种持续学习算法对原始图像数据集进行学习训练与对比验证,通过实验验证了应用iCaRL算法使机器进行持续学习训练时,其精度和效率均优于其他两种方法。针对智能驾驶目标识别图像数据集不完善这一问题,构建了一个新的图像数据集,包含车辆、行人、交通标志及信号灯,将iCaRL算法应用于新建图像数据集进行研究,并在新建智能驾驶图像数据集上进行了训练与测试。结果表明,采用iCaRL算法能够较好地学习新建图像数据集,不会因为环境的改变而使得其性能发生大幅变化,测试结果良好,证明该方法可以在智能驾驶领域进行目标识别。     

增程式电动汽车全生命周期节能减排绩效评价

采用全生命周期评价(LCA)一整套方法和理论,基于德国开发的生命周期评价专用软件GABI,选取国内市场上某款增程式电动汽车,建立该车全生命周期评价模型,从而对增程式电动汽车的节能减排绩效进行研究.根据增程式电动汽车结构特点,将整车划分为发动机、发电机等10大部件,从原材料获取、制造装配、运行使用和报废回收4个阶段进行节...