智能小车避障算法和速度调节算法研究

主要对智能小车的避障算法及速度调节算法进行了研究。首次提出一种无障碍权值算法解决小车的避障问题。无障碍权值算法通过对小车左右前方连续195°扇形区域的障碍距离进行采集,经过数据处理,找出障碍间的较宽可行路径,有效解决了小车避障过程中可行路径遗漏问题。该算法能使智能小车避障具有更准确的方向、更优化的路径。由于在避障时需要进行速度调节,研究了速度调节算法。通过障碍距离的检测对PWM进行比例调节,来控制小车速度,实现小车的快速变速。经过实验验证,小车速度调节也能很好地满足快速性要求。     

基于伪数据的机器翻译质量估计模型的训练

为向基于深度学习的机器翻译质量估计模型提供高效的训练数据, 提出面向目标数据集的伪数据构造方法, 采用基于伪数据预训练与模型精调相结合的两阶段模型训练方法对模型进行训练, 并针对不同伪数据规模设计实验。结果表明, 在构造得到的伪数据下, 利用两阶段训练方法训练得到的机器翻译质量估计模型给出的得分与人工评分的相关性有显著的提升。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

网络参与者见面概率的迭代估计方法北大核心CSCD

针对网络参与者见面概率的估计问题,引入效用分析的方法,并将效用函数的估计问题与logistic回归分析相联系.在深入分析网络参与者链接形成过程的基础上,提出了迭代估计算法.进一步给出了该方法的基本算例,并在合著者网络中进行了方法的应用研究.结果表明该方法能够实现对网络参与者见面概率进行估算的研究目标,有助于优化网络的整体产出,可行并实用.     

高速公路分车道荷载差异及其响应特性

为研究我国高速公路各车型分车道行驶的交通规则对分车道荷载及其响应的影响,选取实测的单向两车道、三车道和四车道的动态称重(WIM)数据,首先统计了各车型对车道的选择概率;然后,对比了分车道交通流量及荷载分布的差异;最后从车重极值、荷载响应极值、荷载响应损伤累积三方面研究了分车道行驶对桥面结构局部设计、桥梁整体设计和桥梁疲劳设计的影响.研究表明,各车型对车道具有特定的选择概率,分车道在车型组成、交通流量及荷载分布上显著差别.不同车道数时,分车道的外推车重极值存在差别,桥面结构局部设计用车辆荷载模型应据此进行车道修正.分车道荷载响应极值的比值及等效应力幅的比值均不为1,说明分车道最不利荷载响应及疲劳损伤累积效应都不相同,桥梁的整体设计和疲劳设计应该考虑这些特性.     

低温工况下燃料电池性能衰减及策略优化

利用极化曲线、电化学阻抗谱(EIS)、循环伏安(CV)及分区测试技术等表征手段,从不同角度对质子交换膜燃料电池(PEMFC)在低温(0℃)存储和启动工况下的性能衰减进行研究.结果表明:停机过程无气体吹扫的情况下,冻结/解冻循环导致PEMFC极化阻抗增加,电流密度衰减,催化剂电化学活性面积(ECSA)减少,以及分区电流密度分布均匀性下降,直接影响了PEMFC耐久性;基于优化的二次吹扫策略,可在更少吹扫气体用量下,增强吹扫除水效果;通过水浴加热辅助,在340s内成功实现单电池-30℃低温冷启动.     

融合倾斜仪数据的盾构姿态严密解算模型

推导了倾斜仪与盾构的严密标定模型;将倾斜仪采集的双轴角度数据视为平面点云,推导了倾斜仪角度数据的稳健估计方法;在前述模型方法的基础上,利用最小二乘配置方法建立了倾斜仪与棱镜数据融合的严密联合解算模型.最后,通过试验对上述模型方法进行了分析验证.结果证明,提出的盾构姿态解算模型正确可行.     

全球参考站网窄巷非校准相位延迟

窄巷非校准相位延迟（UPD）产品的质量和可用性是影响精密单点定位模糊度固定（PPPAR）效率的重要因素.采用全球108个国际GPS服务（International GPS Service,IGS）测站观测数据,计算了基于全球参考站网的窄巷UPD产品,分析了窄巷UPD产品的变化特性,其单日变化量最大可达0.6周.通过分析UPD改正后的模糊度残差,论证了UPD产品和用户端模糊度均受到因未被恰当模型化而造成的残余误差的影响,且UPD的时变特性与各参考站残余系统误差有关.最后,采用4个用户站进行PPPAR实验分析UPD产品的可用性,以模糊度固定失败率、固定错误率和首次固定时间为评估指标,结果表明,全球参考站网窄巷UPD产品的最佳使用时限不大于30 min.     

基于电化学机理模型的锂离子电池参数辨识及SOC估计

采用Fisher信息矩阵进行参数可辨识性分析,解决了参数的辨识问题,进而提出了基于简化电化学机理模型SP2D(simple pseudo-two-dimensional)的SOC(电池电量)在线估计方法。实验表明,该SOC估计方法较基于等效电路模型(一阶RC模型)的SOC估计方法,可将SOC估计的平均误差减小近30%,而在电池放电中后期更可减小达60%,有效解决了在电池全工作范围内的SOC高精度估计问题。     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。