山地城市道路交叉口车辆纵向加速度特性分析

为明确车辆在山地城市交叉口停车等待到直行通过这一过程中的纵向加速度特性以及驾乘人员舒适性,在重庆市选取4处交叉口作为研究对象。基于无人机航拍的交叉口交通流视频,提取车辆运行状态参数,研究不同坡度交叉口不同停车位次的车辆纵向加速度特性,并以加速度和急动度为指标进行舒适性分析。结果表明：(1)在缓坡路段,停车位次越靠前的车辆其加速度峰值越大;(2)在下坡路段,车辆在加速阶段末段加速度会在0 m/s2上下波动,车辆间断性的加减速;(3)在上坡路段,第1和第4位次车辆加速度特性相近,加速峰值较大,第2和第3位次加速度特性相近,加速峰值略小;(4)第1停车位次的车辆在下坡减速过程中更容易带来不适感。     

山区公路回头曲线车辆横向加速度特性研究

为了明确车辆在山区低等级公路回头曲线段的横向加速度特性,选择重庆市彭水县境内的一段含有12处回头曲线段的山区公路作为研究对象,开展了20位驾驶员的实车驾驶试验,采集了自然驾驶状态下车辆运行参数,包括速度、轨迹和横向加速度等,分析了回头曲线段横向加速度的幅值特征、变化模式以及峰值位置分布。研究结果表明:（1）车辆在回头曲线段内的横向加速度整体变化特征分为三个阶段:入弯增大阶段、弯中稳定阶段、出弯减小阶段;（2）根据横向加速度85th百分位值的整体变化趋势,将横向加速度划分为四种变化模式;（3）回头曲线段左、右转横向加速度的85th百分位值分别是3.85m/s2和3.69m/s2,相比一般弯道,驾驶员在回头曲线能容忍更高程度的横向不舒适;（4）车辆在左、右转过程中,每个弯道的横向加速度峰值多集中在曲线中点和圆缓点之间,即圆曲线的后半段。     

考虑车辆加速度和次邻近车辆速度差的跟驰模型及仿真研究

在次邻近车辆速度差模型(Two Velocity Difference Model,TVDM)的基础上,提出了一个扩展的交通流模型,即加速度与次邻近车辆速度差模型(Acceleration and Two Velocity Difference Model,ATVDM)。线性稳定性分析表明:和TVDM相比,ATVDM模型可以使交通流的稳定性得到增强,稳定区域有明显增加。数值模拟结果表明ATVDM不仅可以成功预测车辆运动延迟时间和启动波波速,还可以避免急刹车情况下事故的发生。     

软弱夹层土对软土场地地震效应的影响

本文以来自天津某工程的一场地为原型,对软夹层的埋深和厚度对软土场地地震效应的影响进行了数值分析.为了分析软弱夹层的埋深和厚度对地表地震动参数的影响,分别对原剖面进行了以下处理：软弱夹层的埋深从2 m增加到62 m,构造了16个剖面;软弱夹层的厚度从2 m增加到10 m,构造了5个剖面.选用Taft、ElCentro和Northridge地震记录作为输入地震动,利用程序SHAKE91对不同的构造剖面、不同的输入地震波及不同的峰值加速度水平,进行了场地地震反应分析,结果表明：对于给定的输入地震动和峰值加速度水平,随着软弱夹层埋深的增加,地表加速度峰值和放大系数λ都有减小的趋势,当埋深超过一定值后,地表加速度放大系数小于1.0;软弱夹层厚度对地表加速度峰值的影响与软弱夹层所处位置有关.     

用加速度传感器测量位移的原理与误差分析

给出了将加速度传感器用于示功仪中测量位移的原理和计算方法,用这种算法可实现加速度的动态零点校正和确定积分边界条件,并对影响位移测量精度的各种因素作了定量分析,试验结果表明,这种测量方法是有效的。     

单星探测弹道特征信息提取方法研究

单星探测预警是天基预警系统发展的必然经历过程和重要组成部分,单星探测预警属于不完备测量,需要先验信息的支持才能估计弹道以及进行相应的预警,因此如何构建预警信息库就尤为重要。首先分析了一种弹道导弹的本质特征,并在此基础上建立了提取弹道特征信息的算法,从而使单星预警成为可能,仿真算例验证了该方法的可行性。     

随机线加速度运动环境生成原理及实现

在大气层中飞行的飞行器,往往易受大气扰动的影响,大气紊流现象可用随机过程的理论和方法来描述,其对飞行器的影响反映为飞行器含随机加速度分量。本文利用关联驱动六自由度平台来模拟随机线加速度运动环境,可实现空间六自由度模拟。试验结果表明,该平台有能力实现随机线加速度运动环境。文章也提出了用平台模拟该环境需解决的一些问题。     

基于双向LSTM神经网络可穿戴跌倒检测研究

针对老年人跌倒后不能得到及时救助带来的伤害,研究跌倒检测算法和及时告警,可以减轻跌倒给老年人带来的严重危害和后果。为了提高跌倒检测精确度和实时性,本文提出基于双向长短期记忆神经网络的可穿戴跌倒检测算法,该算法可以对输入的数据(取自惯性传感器)自动提取跌倒行为内部更深层的数据特征,实现数据从预处理到检测结果的过程处理。算法模型通过神经网络提取加速度传感器的特征向量,并利用双向长短期记忆神经网络进行跌倒检测。通过跌倒公开数据集SisFall验证算法模型,结果表明该算法在SisFall实验数据集上具备较高的检测精度,满足准实时检测要求,具有较好的实用性和较强的泛化能力。     

基于加速度干扰的路面平整度评价与行车舒适性研究

公路路面平整度与行车舒适性密切相关。在分析路面平整度评价指标的基础上,提出了用垂直方向振动加速度干扰来评价公路路面的行车舒适性。结合路面的正弦波理论,建立垂直方向的振动加速度干扰模型,最后,通过实例仿真,将模型应用于行车舒适性评价,并分析路面振幅、波长与速度对加速度干扰及行车舒适性的影响。新模型的建立既能为行车舒适性提供准确的评价指标,达到定量分析的目的,又能在道路路面设计阶段提供一定的参数设计依据。     

利用轻量化深度学习模型和加速度信号的枪击识别方法

枪支射击的检测与识别有助于实现枪支和子弹的精准管控,从而防止枪支滥用、提高公共安全。区别于传统利用加速度传感器的枪击识别需要进行特征提取的方法,本文针对不同类型的枪击加速度信号,首次采用深度学习的方法进行研究,提出了一种新的兼顾精度和轻量化的EfficientNetTime时间序列分类模型。该架构核心由MBConvTime,Fused-MBConvTime模块组成,能够自动提取枪击加速度信号特征,对不同输入时间尺度更具鲁棒性。在识别精确率方面达到97.42%超越传统枪击识别算法,并在公开枪击数据集上与SVM、决策树、随机森林三种传统机器学习模型和FCN、Resnet、Inceptiontime、Xceptiontime四种时间序列深度学习模型对比。实验结果表明EfficientNetTime模型更加高效,识别精确率也更高。