相关向量机在车辆行驶状态估计中的应用

针对车辆运动的非线性特性,利用比支持向量机(SVM)测试时间短、多样本时具有计算量小的相关向量机(RVM)对车辆行驶状态进行估计.为了能够较为准确地估计车辆行驶状态,采集实车试验数据,利用Kalman滤波器对采集到的车速和横摆角速度数据进行滤波,将滤波后的数据作为RVM的输入.依据贝叶斯理论建立最大似然函数,考虑到横摆角速度和车速变化的差异性,依据不同迭代次数下最大似然估计值、伽马值以及值的差异性确定最佳的迭代次数,保证模型具有较短的测试时间和较高的击中概率.有效性验证结果表明:该模型能够较为准确地逼近待估计样本的真值,其中波动性较大的横摆角速度所需要的迭代次数更多,伽马值和值的变化更为迅速,收敛速度较快.     

如何进行高中历史教学

在新课改的要求下，高中历史学习不应该只关注于学生对书本上少数知识的掌握，教师更重要的任务是从多个角度入手，教给学生正确的学习历史方法，培养出他们自主学习的意识独立学习的能力。     

基于模糊着色Petri网的车辆行驶状态估计

车辆行驶状态的有效估计是改善综合交通运输效能的有效途径,针对车辆行驶过程数学模型难以准确建立,依据车辆的行驶状态流跟Petri离散并行系统的相似性,提出利用具有良好层次化和时序性特点的Petri网建立车辆行驶状态估计模型。分析影响车辆状态变化的影响因素,将车速、车辆质心侧偏角以及车辆横摆角速度作为描述车辆状态属性指标,并确定输入的论域以及隶属度函数,依据车辆运动状态的可控性和驾驶舒适性建立相应的模糊规则。最后,在CPNtool中构建车辆行驶状态估计模型,采集路车试验数据对模型进行训练与测试,结果表明,Petri网模型不仅能够以可视化方式充分展现车辆状态变化过程,且能够通过着色的库所变迁确定影响车辆状态发生的关键性因素,模型的估计结果逼近真实值。