海浪因素下自动排管系统的多柔体动力学分析

为了研究海浪影响下自动排管系统的运动学特性,利用有限元分析软件ANSYS建立其重要柔性杆件的有限元模型。通过多体动力学仿真软件Adams形成自动排管机的多体系统模型,对其进行多柔体动力学仿真并获得其动力学仿真特性曲线,对刚体以及海浪因素下柔体模型运动学仿真结果进行对比。通过正交实验法在波高、最大摆角和周期等参数不同时,对自动排管机夹持爪的位移、加速度的变化进行分析。进而,分别就2个主要影响因素垂荡波高和周期及不同横摇相位角对自动排管系统进行精确的多柔体动力学分析。结果表明,海浪的影响下,系统的位移精度和惯性发生明显的改变;随着波高、最大摆角和周期等参数的改变,自动排管系统的运动学特性呈规律性改变;随着周期的增加和波高的减小,系统的惯性变化越大,当垂荡波高在2～4 m、垂荡周期在10～20 s时,自动排管系统的位移偏差相对较小;随着横摇相位角的改变,当相位角在90°～180°时自动排管系统位移偏差和惯性最大。     

基于SUMO软件的异构交通流仿真平台车辆模型开发与集成

采用实车参数和实际道路试验数据对基于SUMO软件的车辆模型进行优化,构建了具备自动驾驶全工况测试能力的高保真车辆运行特性模型,并与SUMO软件交通流仿真集成,形成了面向混合异构交通流的仿真平台。最后,通过典型交通运行场景对集成效果进行准确性和可用性验证。     

基于参数描述的换道场景自动驾驶精确决策学习

为提高车辆驾驶安全性并充分考虑人类驾驶员对于自动驾驶控制系统的接受度,研究并实现了自动驾驶车辆在换道场景下的精确决策学习。汽车自动驾驶不仅需要决策是否换道,还需要决定汽车的具体微观行为,如换道时间和期望加速度的确定等,因此,车道变换的精确决策需使用3个参数来描述,并需要通过强化学习求解。这种基于参数精确决策的合理性体现在两个方面：首先是不同的决策参数值会影响规划的轨迹,如果决策不精确,将产生运动的不确定性;其次是基于真实交通数据（NGSIM）的分析,因为人类换道行为在换道时间和期望加速度上存在显著的差异性,在当前的决策研究中很少被明确考虑。此外,发现NGSIM数据中存在一些潜在的紧急情况,可以通过优化部分决策参数来提升其安全性;在强化学习算法的设计中,动作过程中加入换道时间和期望加速度;奖励函数考虑了安全性、当前驾驶员的意愿和平均人类驾驶风格;问题求解中,自定义了基函数,并通过基于核函数的最小二乘策略迭代强化学习方法学习精确的安全决策行为。仿真结果表明,使用强化学习参数决策可以实现更精确的决策,从而提高安全性能,并可在变道场景中模仿人类驾驶员的行为。     

机载视频中的仪表读数自动判读

针对某机型记录的飞行参数存在较大误差的现象,基于特定图像细化和Hough变换对机载视频中航空仪表的读数进行图像自动判读.实验表明判读稳健有效,可用于飞参的对照分析和自动校正.     

提高热工控制系统生产安全性的措施研究

随着热电厂机组容量的不断增加,热工控制系统的设计越来越复杂。发电过程智能化控制是热工控制系统设计人员必须具备的一项基本技能,热工控制自动化系统通常是通过分散控制系统(DCS)来实现的。本文结合现代工业主流的分散控制系统在电厂自动控制方面的应用,分别从超驰保护、信号选择、限制输出等角度,提出了提高热工控制系统生产安全性的措施。经生产实践检验,热工控制系统运行效果良好,生产安全性显著提高。     

自动驾驶汽车测试评价体系研究

随着汽车智能化、网联化的进度不断加快,自动驾驶已成为未来汽车行业的重要发展方向。为了应对我国复杂、多岔口的路况特点,提升自动驾驶汽车在道路行驶过程中的安全性,需要对自动驾驶汽车进行长期严格的道路测试。但是,对于自动驾驶汽车的测评来说,现在尚未建立完整成熟的测试评价体系。本文基于现有的自动驾驶汽车测试标准体系进程,从安全性、高效性和舒适性三个方面分析了自动驾驶测试评价面临的问题,并构建了自动驾驶汽车测试评价系统架构。     

区域自动站垂直气温变化对比

目前,我国地面气象观测以国家站观测作为主体、区域站作为补充,由于区域自动站经常搬迁,地理环境和下垫面会发生变更,而环境变化会影响区域自动站气温观测,影响地面气象观测的代表性、准确性和比较性。本文通过对比景德镇市四个有代表性的区域自动站气温数据,探讨不同环境的地面与楼顶气温变化。     

车辆变速轨迹跟踪横纵耦合控制方法

针对变化速度下车辆轨迹跟踪精度以及实时性差的问题,提出一种基于模型预测控制的横纵耦合控制方法。在三自由度车辆动力学模型中,将车轮驱动力与前轮转角作为控制量,以单控制器形式实现车辆横纵向运动的综合控制,并且在考虑耦合特性的基础上,设计目标函数与可变权重系数,求解最优横纵向控制量。并且基于五次多项式理论,设计一种变速双移线轨迹以验证控制器综合轨迹跟踪能力。实验结果表明,该控制器能有效跟踪变化车速并且保持高轨迹跟踪精度与良好的实时性。     

A Synthesis Instance Pruning Approach Based on Virtual Non-uniform Replacements

The employment of non-uniform processes assists greatly in the corpus-based text-to-speech （TTS） system to synthesize natural speech. However, tailoring a TTS voice font, or pruning redundant synthesis instances, usually results in loss of non-uniform synthesis instances. In order to solve this problem, we propose the concept of virtual non-uniform instances. According to this concept and the synthesis frequency of each instance, the algorithm named StaRp-VPA is constructed to make up for the loss of nonuniform instances. In experimental testing, the naturalness scored by the mean opinion score （MOS） remains almost unchanged when less than 50% instances are pruned, and the MOS is only slightly degraded for reduction rates above 50%. The test results show that the algorithm StaRp-VPA is effective.     

基于模糊神经网络算法的自动分类系统设计

介绍了基于模糊神经网络算法的塑料饮料瓶自动分类系统,包括算法设计和系统实现.系统根据各种塑料饮料瓶的颜色特性信息,迅速、准确地将饮料瓶按不同颜色进行自动分类,从而实现生产过程的自动化.