车辆安全行驶动态仿真模型及应用研究

针对智能车主动安全系统中安全建模、实时求解等问题，根据车辆行驶速度与车距两个重要的安全因素，将汽车安全行驶的及时感知(检测)和处理(驾驶)分解为与速度相关的时间量，提出了汽车安全行驶仿真动态模型P^2OT(环境感知、决策、驾驶操作、汽车行驶)及其时间表达式。应用分析及实验结果说明本文所讨论方法是可行的，具有实际应用价值。     

基于DCT系数分布的含密图像识别算法

提出了一种基于DCT系数统计分布的含密图像(stego-images)和掩护图像(cover-images)的识别算法。实验表明:该算法能快速识别各种JPEG和BMP格式的基于变换域和空间域的含密图像和非含密图像,并且优于其他含密图像识别方法。     

面向测控的数字化靶场环境生成系统设计

数字化航天靶场环境生成系统是面向航天测控系统应用的可视化平台，其建模仿真是一项复杂的系统工程。立足于适应未来信息化航天靶场建设的要求，介绍了建立面向测控的数字化靶场环境生成系统的必要性，对其功能和主要特性进行分析说明，描述了系统的组成以及体系结构。对系统实现的关键技术进行分析讨论，主要包括三维地形的快速生成、基于复杂度的三维实体建模方法、分布式仿真环境的设计、人机交互方式的实现等技术难点。     

Mean-shift改进算法在火箭目标跟踪中的应用

针对火箭目标跟踪问题,提出了一种基于改进Mean-shift算法的火箭目标跟踪算法。为克服传统Mean-shift算法难以对快速运动的火箭目标进行跟踪的问题,以及在跟踪过程中的跟踪误差累积问题。采用3帧差分法检测出火箭目标的大概位置,然后在此基础上使用Mean-shift算法实现对火箭目标的精确跟踪。仿真实验表明所提算法能够有效的实现火箭目标的跟踪,并能很好的解决跟踪过程中的跟踪误差累积问题。     

汽车安全行驶智能辅助操作系统中的道路检测

研究了汽车智能辅助驾驶系统中的计算机视觉问题,讨论了基于区域生长的图象分割方法确定汽车的行驶路面区域和路面的边缘点,采用数据拟合的方法找到道路边界轨迹,提出了一种实时、有效的高速公路路面检测算法,并准确地估算公路延伸方向,实现汽车防偏预报,并结合的问题进行了有益的探讨。     

半监督增量式SVM在故障诊断中的应用研究

基于半监督学习能够有效降低人工标注成本,以及增量学习可以加快训练速度,避免数据量大时训练时间过长等特性,本文提出了一种半监督增量式SVM算法.在算法中,首先对已标记样本进行训练得到初始分类器,然后利用此分类器对新增样本进行标记,最后结合KKT条件选择合适的样本对分类器进行更新.每当有新样本加入便执行以上过程,以保证分类器得到及时更新.将该算法运用于6135D型柴油机的故障诊断中,并与传统SVM算法和增量式SVM算法进行了对比,证实了本文所提算法的可行性与有效性.     

基于回归分析的会展产业链互动关系的实证研究

会展经济是城市经济发展中的新兴动力。上下游会展企业构建了会展产业链,会展产业链的效率直接影响会展企业的竞争力。通过问卷调查的方式,采用计量模型定量分析了会展产业链相关因素。实证研究表明:企业认知资本、探索性学习资本、企业发展资本和企业人力资本变量与会展产业链核心竞争力存在着正相关关系;会展企业的合作频率与合作企业抱着共赢的心态、有共同语言能够有效沟通、关注会展企业现有项目的市场、高层管理者具备完备的知识结构、高层管理对会展创新活动的支持和参与等因素存在着正相关的关系。为此,在核心竞争力的构建上,会展企业应该关注产业链上相关因素的正相关作用。     

污水处理过程的QSOM出水水质预报

针对活性污泥污水处理过程中微生物活动的不确定性、生化反应的复杂性及工艺参数的强耦合和大滞后等特性,提出一种量子自组织特征映射神经网络（QSOM）方法来进行出水水质预报。该方法将出水水质在异常情况下所对应的进水数据样本转换成量子态形式提交给网络输入层,通过计算量子输入与相应权值的相关系数作为网络的最佳输入匹配,学习规则中采用量子门更新网络权值。最后通过某污水处理厂生化处理过程中的实际运行数据的实验表明所提预报方法是有效的。     

地面保护目标相对危险度确定算法设计及应用

针对运载火箭发射飞行安全控制任务的核心问题——地面保护目标,提出了地面保护目标相对危险度确定算法。此算法将地面保护目标相对危险度的度量考虑为当前时刻保护目标与火箭预示落点的距离、火箭残骸碎片散布和毒气扩散分布、保护目标的人口分布、保护目标重要设施的代价函数,实现了目标的危险程度综合评估。通过将该算法应用于某对策分析及决策支持系统,实现了运载火箭安全控制决策中对地面保护目标危险程度的定量描述,为安控人员实施火箭安全控制决策提供了有效的支持。     

在线多尺度滤波多变量统计过程的适时监测

在详细分析现有MSPCA模型不足的基础上,借助在线多尺度滤波(OLMS),提出了一种多变量统计过程的在线监测方法,并将其应用于传感器故障诊断。该方法中,首先在固定窗长的数据窗口内用边缘校正滤波器对信号进行小波分解,然后用小波阈值滤波对分解的小波系数进行消噪,并借助该固定窗长的移动窗口将小波变换和自适应PCA结合起来对数据进行在线多尺度建模,从而避免了直接对信号进行消噪所造成的时间浪费,提高了故障诊断率。最后以6135D型柴油机在严重漏气下的8个振动信号的故障诊断为例进行故障分析,结果表明了所提方法的可行性和实用性。