基于小波变换的运动汽车阴影分割

利用在阴影区域内的点所接受环境光强与汽车的相对位置关系，结合多分辨率小波分析，提出了一种新的基于小波变换的运动汽车阴影分割方法．该方法不需要知道光源的方向，也不需要车体的彩色信息；对背景的纹理也没有要求，适用于复杂纹理背景下任何颜色的汽车阴影分割．实验表明，该方法定位准确、速度快、抗噪能力强．     

混合动力FCEV控制策略的仿真研究

目前国内外都在深入研究燃料电池混合动力电动汽车(FCEV)，而FCEV的控制策略是更好的发挥FCEV的优势的一个关键。比较了FCEV与传统的汽车在整车性能上的不同，并从理论上分析了FCEV的能量分配和系统控制方式，用SIMULINK建立了一个FCEV的系统模型进行仿真，通过对仿真结果的分析验证了文中所迷的控制策略。     

基于整车动力学的电动助力转向系统建模仿真

结合EPS的结构和动力学特性,建立了EPS的动力学方程,采用PID控制方法分别对电机进行助力和回正控制,并结合三自由度的整车模型(考虑侧倾影响)和Fiala轮胎模型建立了EPS整体仿真模型.分析了EPS系统对方向盘瞬态响应品质的影响以及路面冲击下汽车纵横向加速度的变化.     

OSPF路由协议的安全性分析

介绍了OSPF动态路由协议及OSPF的安全特性,分析了OSPF当前版本可能遭受的攻击,指出了OSPF存在的漏洞。     

小潜深充压式轻质防水耐压舱设计及分析

基于跨介质飞行器对小潜深、轻量化、严密封的综合控制舱的迫切需求,设计了一种充压式复合材料防水耐压舱。通过预先充入2 MPa气体产生内压以抵抗水下200 m附近工作时的外部静水压力,使舱体处于轻微受力状态,最大程度减小舱体壁厚,进而实现轻量化设计。开展舱体纤维铺层角度和铺层厚度等设计,建立有限元模型,对其刚度、强度和稳定性进行校核,并通过5轮充压2 MPa并浸泡、保压48 h测试,验证结构安全性和密封可靠性。设计的3 L容积耐压舱总质量仅390 g,比常规结构减重22.4%。本方法有望为后续跨介质飞行器控制舱设计提供参考。     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

神经网络校正的EKF在高超声速目标跟踪中的应用

针对临近空间高超声速目标高度非线性、强耦合、高机动、时变参数、和独特气动特性等特点,综合运用军事运筹学理论与方法、系统建模技术、神经网络技术以及计算机仿真等,提出基于神经网络校正的扩展卡尔曼滤波(EKF)算法,并在高超声速目标跟踪中进行了应用研究。采取神经网络的学习能力来克服卡尔曼滤波发散问题,通过卡尔曼滤波后加一级误差处理环节使滤波收敛。仿真结果表明:该算法在目标发生较大机动时仍能保持较高的跟踪精度。     

再入飞行器总体参数优化设计

研究再入飞行器总体参数的优化设计方法。方法在内部装填物参数给定的情况下,应用步长加速法与外点罚函数相结合的优化设计方法,以再入飞行器的最小质量为目标函数,求得最优设计方案。     

计算机网络技术的近期发展

目的 论述和分析计算机网络技术的近期发展。方法 通过分析交换技术,路由技术,第３层交换技术,实时信息传输技术和异步传输模式（ＡＴＭ）技术的特点,揭示各项网络技术适用面。结果 指出交换技术解决带宽问题,第３层交换技术解决路由瓶颈问题,ＡＴＭ等技术解雇实时信息传送问题。结论各项网技术都是针对某些实际需要提出的,都有其适用范围,用户选择时要从需求出发才能充分发挥网络的作用。     

机动车多点源排放空气污染物浓度解析模式

针对公路机动车排放源和环境特点，建立了风速和扩散系数随高度变化的公路机动车多源排放空气污染平流扩散方程。提出了在地面和对流层边界对污染物为全反射条件下的定解问题。引用Green函数的概念，提出了公路机动车多源扩散方程的求解思路，利用微分方程的特征理论，求得了Green函数的横风和垂直向分量。通过Green函数分量与排放源强的线性组合，得到了公路机动车排放为多点源、线源和面源时污染物浓度三维分布的解析解。指出了广泛使用的高斯扩散模式在公路机动车排气污染物浓度计算中的局限性。