面向多源异构信息融合的隧道群组装备数据提取技术研究

为保证隧道施工多源异构设备数据的有效采集，针对施工群组装备运行数据特征，开展散布、异构设备数据的并行采集方案及技术研究； 在先行构建出数据采集系统框架、采集实施流程的基础上，针对设备多维、连续数据生成的特点，开展基于流数据管理（stream-based date management， DSM）的技术方法探究； 通过构建多并发数据采集（forward-oriented optimal concurrency control， FOCC）系统，实现多源异构数据的集采、并采。通过重点对前向乐观并发数据采集管理、采集设备自动组网技术方案进行研发实践，研发多协议集成、多接口并发采集、自组网、自主发送的“数据采集终端”，成功实现了龙门吊、泥水分离系统等隧道施工装备运行数据的实时提取。研究证明，提出的多数据并采技术方案可有效解决多源异构数据采集问题。     

智能汽车专业校企合作模式及人才培养方式的探究

智能汽车已经成为未来汽车领域的发展方向,且高校逐渐与企业合作,建立智能汽车人才培养模式。但是现阶段,校企合作深度以及人才培养方式仍然存在一定的不足,不利于为智能汽车领域输送更多的人才。基于此,本文主要探究智能汽车专业校企合作模式以及人才培养模式,详细阐述智能汽车专业校企合作模式及人才培养模式中存在的问题,进而提出针对性的建议。     

2022博之旺开启智能制造新征程

近几年,一些标杆线束企业自动化取得了极大发展,工业4.0对线束加工行业既是机遇也是挑战,不管是现在的自动化生产,还是将来的智能化生产,都离不开线束作为数据传输和电力供应的媒介。工业设备的智能化,反而会更加地依赖线束,这对线束加工行业来说是一个发展机遇。     

基于线性叠加的智能船舶经济性评估模型构建

经济性是智能船舶能否实现推广应用的关键,目前国内外有关智能船舶经济性分析的研究较少。本文通过对传统船舶经济性分析方法进行修正优化,提出智能船舶经济性分析计算模型,并根据理论推导结果,得出智能船舶经济性分析的线性叠加简化模型,并利用40万吨级VLOC实际运营数据进行科学性检验。本文提出的模型与方法适用于各类智能模块加装情况下的经济性核算,为相关单位开展智能船舶经济性快速分析提供了理论支持和解决方案。     

互联网环境在舰船智能制造中的应用

智能制造是舰船制造业向智能化方向发展的必然之路。随着互联网技术的普及应用,为舰船智能制造发展带来了技术支撑,通过将无线传感网络应用到智能制造的设计、生产和管理的全过程中,可实现对制造环境的全面监控,自动评估制造效率,辅助建立起快速反应机制,以提高舰船制造的智能化水平。本文基于互联网环境分析舰船智能制造架构,提出舰船智能制造中生产系统的具体应用,并以生产线能力评估为例分析舰船智能制造的评估方法,能够有效提高舰船智能制造系统的运作效率。     

基于改进物元法的智慧港口发展水平评价模型

针对当下智慧港口建设如火如荼,而建设行业标准体系却迟迟未能统一的问题.首先利用智慧港口建设发展路径的研究基础,结合国内外信息化发展评价指标体系研究成果,构建了适合国内智慧港口建设发展的评价指标体系;其次利用主客观综合赋权法降低了传统评价过程中,主观因素对指标权重的影响,引入基于云模型的改进物元理论,解决了传统评价方法中模糊性和随机性带来的误差;最后以天津港智慧港口建设工程为算例,对天津港的智慧港口发展水平进行评估,计算得到期望为3.9956,发展等级为较好,与正态云模型和灰色关联分析法的验证结果一致.研究结果表明:评价体系符合现阶段智慧港口的发展方向,评价方法简洁有效,在降低了双重不确定性对于评价结果影响的同时计算了评价结果的置信度,为今后我国智慧港口发展和评价体系的建立提供了参考.     

中长运距城际旅客出行方式选择行为模型 ——以高铁、民航为例

针对中长距离城际旅客对高铁,民航,空铁联运与民航中转等出行方式的选择行为.应用意向调查(SP)方法选择3个典型OD开展客流调查,构建多项式logit(mnl)模型与混合logit(ml)模型拟合数据,分析影响旅客选择行为的关键因素,说明旅客选择行为的异质特征.研究结果表明:相比MN L模型,ML模型显著提升了模型预测能力,更好描述了旅客选择行为的异质性,更适于出行方式选择行为建模;行程前时间,在途时间,中转时间是影响旅客选择的主要因素;出行目的,公费出行等对出行方式选择也有重要影响;在1400～2000 km运距范围,减少中转时间可以有效提高空铁联运与民航中转出行方式市场分担率;1400 km运距范围内,如果中转时间在1.5 h以内,则民航中转与空铁联运2类出行方式的替代特征明显,2000 km运距范围民航中转市场分担率显著高于空铁联运.     

智能座舱交互式功能测试技术研究

随着汽车电子技术的高速发展，汽车智能化成为发展趋势，而智能座舱作为现阶段汽车智能化程度的重要体现，也是汽车消费者重点关注的配置之一，软件定义汽车的时代，敏捷开发、快速迭代成为智能座舱开发的技术主流，面对日趋复杂、庞大的智能座舱软件系统，如何设计有效的测试方法、应用高效的智能座舱交互式功能测试手段适应快速迭代的软件开发策略、保证座舱开发质量将成为智能座舱发展的重要挑战。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

基于数字孪生的舰船动力系统智能运维技术北大核心CSCD

[目的]为提高舰船动力设备的可靠性并降低维护成本,研究基于数字孪生的舰船动力系统智能运维技术及实现方法。[方法]首先,根据模块功能及结构体系需求,建立数字孪生特征的动力系统智能运维架构;然后,通过工况标杆库建立、控制参数智能寻优以及运行自优化,实现基于综合平稳度的智能控制技术;最后,根据基于知识、基于模型及基于大数据驱动的故障诊断方法,实现复杂系统综合故障诊断技术,形成以数字孪生为技术特征的动力系统智能运维体系。[结果]动力系统智能运维平台的应用案例验证了实现智能控制、故障诊断功能的可行性。[结论]研究成果可为舰船智能机舱的研究和设计提供参考。