疯狂车轮下的生死竞速——长沙渣土车运输安全调查

<正>渣土车,也称拉土车、运渣车,多为大型载重卡车,不是特指哪一种车,而是指车辆用途是运送沙石等建筑材料的卡车。长沙苦渣土车久矣。我们崇信城市是和谐美好的,然渣土车这一从城市中呼啸而过的"猛兽",却长久困扰着星城。由于种种劣迹,渣土车这个本无情感色彩的词语,甚至已被公众等同于负面——道路上,车辆行人唯恐避之不及;言谈中,市民舆论不抑厌恶之情……为什么人们会"谈渣色变",渣土车为何"野性"难改?本期,记者     

一种基于分层模糊控制的免疫遗传优化算法

针对标准遗传算法的不足,借鉴生物免疫机理和人脑模糊思维功能提出一种新的基于分层模糊控制的免疫遗传算法.该算法利用免疫系统独特性网络学说,改进标准遗传算法选择算子,提高了种群多样性;同时从环境、种群、个体和基因角度,全面分析算法寻优性能和各种进化参数的启发式模糊关系,采用模糊推理动态调整交叉率、交叉位置和变异率,减小了标准遗传操作的随机性.实验结果表明,新算法不仅可有效克服标准遗传算法的缺陷,而且收敛速度、计算精度和算法稳定性也得到明显提高.     

辐射源信号模糊函数主脊切面特征优化

模糊函数主脊切面特征能较好地反映不同信号波形结构上的差异,但搜索表示信号的模糊函数主脊切面角度的计算量非常大,因此,如何快速精确地寻求这个角度成为一个亟需解决的问题.先将搜索模糊函数主脊切面转化成一个优化问题,考虑量子进化算法(quantum-inspired evolutionary algorithm,QEA)具有种群小、收敛速度较快、全局寻优能力强的特点,应用量子进化算法对这个问题进行寻优.实验结果表明,针对各种信号,算法在不降低参数估计精度的条件下,可以大大减少计算量.     

新型模糊控制算法在交叉口信号控制中的应用

作为智能控制的分支,模糊算法已越来越多地应用于交叉口信号控制,成为交叉口信号控制的新热点。文中通过提出路段车辆数这一新概念,提出了一种新型的孤立交叉口信号控制的模糊算法,实现了孤立交叉口信号控制的优化,并在此基础上进行了系统仿真。通过与传统定时控制方法进行分析对比,论证了这种新型模糊控制算法在车辆延误时间和排队长度方面有较大的改善,具有实用性和可靠性。     

基于Nios处理器的磁浮车运动状态检测与控制

高温超导磁悬浮车以高达500km/h速度前进,必须装备能检测位置、速度和加速度的设备,并由测量误差确定驱动力数值作为控制依据。设计的硬件平台构建用Altera公司的SOPC Builder,其中标志检测器采集位置数据,检测与控制模块处理信号,Nios处理器完成计算。该装置具有功耗低、体积小和实时性好的特点,设计的瓶颈在于实时计算必须满足车体高速运行的要求。     

基于微加速度传感器的高速动态车辆超载检测

针对动态车辆超载检测,基于微加速度传感器建立了一种新型的高速动态超载检测方法.桥梁采用简支梁模型,车/桥相互作用模型化为两个具有固定间距点力匀速通过桥面,系统分析了两点力情况的桥梁振动,建立了两点力情况下桥梁振动与力的函数方程,从而奠定了基于微加速度传感器的实际车辆超载检测的理论基础.同时利用先进微传感器搭建了高速超载车检测试验平台,进行了传感器安装位置选择的研究.理论仿真和试验结果证明,该方法可以较准确地进行高速动态超载车辆的检测.     

基于卡尔曼滤波的参考速度估计及仿真

为提高轨道交通车辆在制动防滑控制中速度差测量的准确度,本文利用4个轴的轴速信号建立系统状态空间模型,基于卡尔曼滤波算法对防滑控制中的参考速度进行估计。本文首先根据前一阶段的量测信号的波动情况及卡尔曼滤波算法的估计误差修正协方差矩阵,保证估计的稳定性和准确性。其次对比分析了几种估计方法的效果。最后通过实车数据,对卡尔曼滤波算法的有效性进行了验证。     

基于改进YOLOv5的道路车辆跟踪算法

针对现有多目标跟踪算法参数量和计算量大,难以满足移动设备实时性要求的问题,本文通过改进JDE跟踪算法,提出了一种道路车辆多目标跟踪算法。首先,设计关联融合网络来解决JDE算法中多任务学习存在的竞争问题,提高算法的跟踪精度,减少身份切换次数;其次,使用改进的EfficientNetv2重新构建YOLOv5的特征提取网络,降低模型复杂度,提高模型实时检测速度;最后,使用改进的YOLOv5检测算法与JDE跟踪算法结合,实现道路车辆多目标跟踪。实验结果表明,提出的方法相比原JDE跟踪算法,MOTA提高0.3个百分点、跟踪速度提高约43.2%,可以满足实际自动驾驶场景中对车辆跟踪的速度要求。     

基于改进YOLOv5的道路车辆跟踪算法

针对现有多目标跟踪算法参数量和计算量大,难以满足移动设备实时性要求的问题,本文通过改进JDE跟踪算法,提出了一种道路车辆多目标跟踪算法。首先,设计关联融合网络来解决JDE算法中多任务学习存在的竞争问题,提高算法的跟踪精度,减少身份切换次数;其次,使用改进的EfficientNetv2重新构建YOLOv5的特征提取网络,降低模型复杂度,提高模型实时检测速度;最后,使用改进的YOLOv5检测算法与JDE跟踪算法结合,实现道路车辆多目标跟踪。实验结果表明,提出的方法相比原JDE跟踪算法,MOTA提高0.3个百分点、跟踪速度提高约43.2%,可以满足实际自动驾驶场景中对车辆跟踪的速度要求。     

免疫蚁群算法在电力系统无功优化中的应用

将人工免疫算法和蚊群算法相结合形成免疫蚁群算法,运用免疫机理提取疫苗获得初始解,通过免疫操作加快算法收敛速度,并用基于浓度的选择机制抑制算法的"早熟".将该算法用于求解电力系统无功优化问题进行仿真,结果表明它的收敛速度和计算精度都有较大提高.     

一种基于部分信道估计的DTD算法

在声学回声消除(acoustic echo cancellation,AEC)系统中,双讲(doubletalk,DT)信号和信道突变都导致滤波器误差变大,然而AEC系统需要分别对这2种情况做出不同的反映。因此,常见的基于误差信号及其函数的双讲检测(doubletalk detection,DTD)算法在信道突变情况下容易产生误判。为此,利用声学回声信道的特殊性和归一化最小均方(normalized least mean square,NLMS)算法的跟踪特性,提出了一种新型的基于部分信道估计的DTD算法。该算法采用累加信道估计尾部的值作为判决条件,能够区分出通话过程中的双讲时段并且忽略回声信道突变的影响。该算法具有计算复杂度小和检测DT信号速度快的优点。仿真结果表明,在实验条件下该算法优于常见的DTD算法。     

磁导航智能车定位计算方法研究

讨论了以电磁信号为航标的智能车位置检测的原理与方法,对前端垂直双传感器布局的控制信号提取方法进行了建模分析,以智能车前行方向与导航线夹角为控制变量,分析了常用的传感器信号处理方式,提出了一种线性度较好的控制信号处理算法,并与常用方法进行了仿真对比分析。实验表明,论文方法较好地实现了磁导航智能车运动方向与速度的闭环控制。     

基于弱关联频繁模式的超限行为挖掘优化

目前采用博弈分析和流量预测等模型,对未来时间段道路网货运车辆超限行为进行提前识别,取得一定的检测效果,但对具有时空动态性和迁移性的超限车辆分布挖掘仍具有局限性.根据道路网超限车辆数据特点,提出一种基于弱关联频繁模式的超限行为的挖掘优化算法,该算法采用空间弱关联频繁模式构建的超限频繁模式树,建立时间弱关联的状态转移模型,得到频繁模式的预测值.在FP-growth频繁模式挖掘算法的基础上,首次建立了超限模式挖掘与货运车辆行为数据的时空弱关联,使超限行为预测算法误差率降至6%以下,有效提高了超限行为的检测效率.     

基于接收信号强度测量的室内定位算法

首先对现有的“路径-损耗”模型进行了修正,引入距离估计误差随机变量,由于其一般误差较小,不足以改变现有的模型中遮蔽因子的概率密度函数,所以遮蔽因子仍然满足正态分布．然后,推导了一种迭代最大似然估计算法,通过有限次的迭代,可以将由遮蔽因子导人的误差减小到一定程度,并得到令人满意的用户位置的估计结果．模拟表明,该方法可以提供较高的精度。     

压缩传感在电能质量扰动信号分析中的应用

针对电能质量扰动信号分析中, 传统信号处理方法存在采样数据量极大、 采样时间长、 压缩时浪费采样资源等问题, 将压缩传感（CS: Compressed Sensing）应用于电能质量扰动信号分析中。实现了采样与压缩同时完成, 极大地降低了采集的数据量和采样速率。通过对压缩传感的过完备字典设计, 实现了压缩传感同时检测多个电能质量扰动信号, 以及压缩传感对信号在一维、 二维上的重构, 并对重构的电能质量扰动信号进行分析。实验结果表明, 与传统的电能质量扰动信号处理方法相比, 该算法在采样数据量、 重构效果方面都有很大提升, 得到的重构信号误差更小, 对信号的分析更准确。     

一种新的多视角背景下人脸检测方法

针对实际生活中普遍存在的多视角、多人脸检测问题,提出了一种新的分类器训练方法及人脸检测的解决方案;首先采用NPD差分特征对人脸特征进行描述,NPD特征通过判断两个像素值间相对差异对人脸进行描述,其特征值可从二维表直接获取,能大大节省训练时间;同时提出了一种深度二叉特征树结构来训练分类器,可有效结合特征间的关联性,将训练得到分类器与肤色算法相结合来提高检测速度;通过在CMU人脸数据库上对所提出算法进行验证,仿真结果证明在多人脸、多视角检测背景环境下,该算法较Ada Boost算法在检测率提高了8.7%,误检率降低了4.1%,检测速度提高了27.7%。     

军用飞机斤斗类飞行轨迹最优化方法

针对军用飞机斤斗类飞行过程,以半滚倒转和半斤斗翻转为例,建立机动飞行计算模型。根据最小机动速度设置改出速度约束条件,将斤斗类机动平均分段,利用神经网络的拟合功能,得到动作改出速度和操纵条件之间的非线性关系。利用遗传算法的全局寻优功能,结合神经网络得到的权重和偏置结果,探索机动过程中边界飞行性能最大的法向过载选取方法。仿真结果表明,与相关手册中给出的常规操纵方法相比,利用遗传算法优化后得到的过载控制规律飞行,可以使飞机具有更大的高度-速度范围,同时,比直接将遗传算法和数值积分相结合具有更快的计算速度。提出的方法也可以用于其他机型斤斗类飞行轨迹的最优化设计中。研究结果具有一定的实用价值。     

变步长自适应滤波算法的谐波检测

为提高自适应滤波算法的收敛速度,并降低其稳态误差,建立了LMS算法理论最优步长值与误差信号和输入信号之间的关系,提出了一种新的变步长LMS自适应谐波检测算法。该算法的优点是:根据误差信号的平方时间均值估计来调节步长因子,克服了以往算法在自适应稳态阶段步长调整过程中的不足。即使待检测信号的信噪比较低,检测过程也具有较快的动态响应速度和保持较小的稳态失调噪声。计算机仿真表明,该算法具有更好的收敛精度。     

快速造型系统的轮廓精度控制

以轮廓误差为控制量,在不对硬件作任何改动的情况下,通过对插补数据的修改,实现二维激光高速切割的轮廓精度控制,并应用于ＬＯＭ加工系统．应用表明方法简单,效果良好．     

一种改进的MIMOOFDM信号迭代反馈检测算法

传统串行干扰消除(SIC)算法进行信号检测时,前期的错误判决,会对后期的检测造成巨大的影响、为了降低这种差错传播的概率,提出一种新型的反馈串行干扰消除算法,利用反馈信息,通过选取候选点,构造候选向量,从构成的向量集合中,利用ML准则选取最接近接收信号一个向量,以此达到降低因前期错误判决而引起的差错传播的概率,提升系统的检测性能。仿真结果表明,在天线数量N_t=N_r=6,阈值d_(th)=0.5的情况下,误码率达到10~(-4)时,本文检测算法的检测性能比OSIC检测算法的检测性能提升了约3 d B。