DF5型内燃机车滑油末端油压采样点的变更

针对DF5型机车滑油末端压力取样点不能有效反映机车油质变化的问题，提出了改进思路。     

基于可靠性的电动汽车车身骨架设计分析

结合采样方法理论,分析蒙特卡洛法、超拉丁法及Hammersly采样法的特点。在Hyperstudy平台上耦合多性能工况共有随机设计变量,完成了其实验设计分析,基于Hammersly采样法,计算车身静态扭转刚度及自由模态2种工况的可靠度,分析了骨架的可靠性及置信度为90%以上的车身性能响应指标。     

基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

基于采样数字法和自功率谱幅值校正的相位差测量方法

本文提出一种测量同频率正弦信号相位差的新方法：采样数字和自功率谱幅值校正相位差测量法,和一些传统的方法相比,此方法没有理论上的误差,具有硬件电路简单,算法简单,计算量小的特点,给出了理论分析和实际的仿真结果,结果计算表明,本算法的精度可达到2．0分,完全满足工程应用的需要。     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)...