驾驶员前向避撞行为特征的降维及多元方差分析

驾驶员在追尾临撞工况下的避撞过程可以分为多个阶段(如制动前、制动后),而在每一阶段中,又存在多个分析角度(如制动快慢、制动力度)及不同的关键时刻与特征值,因此系统描述驾驶员的避撞行为需要多种参数.对多种避撞行为参数进行降维处理,并探究工况紧急程度对每类参数的综合影响.利用同济大学8自由度高仿真驾驶模拟器,研究驾驶员在不同前车减速度(0.30g,0.50g,0.75g)和不同初始车头时距(1.5s,2.5s)下的避撞行为,全面记录了驾驶员危险感知、油门释放和刹车制动等避撞行为参数.利用主成分分析对众多参数进行降维处理,将避撞行为特征划分为感知反应、制动延误、制动力度3个方面,并通过多元方差分析探究车头时距、前车减速度及二者交互项对这3个方面的影响.结果表明,驾驶员感知反应受到车头时距和前车减速度同时影响,制动延误受到车头时距、前车减速度以及二者交互项的影响,制动力度则仅受到前车减速度的影响.在变化趋势上,随着工况紧急程度的增加,驾驶员的感知反应越快,制动延误越短,而制动力度越大.     

电动负载模拟器反演终端滑模控制

电动负载模拟器存在高阶非线性、参数时变以及多余力矩扰动,常规控制算法难以得到理想控制效果.本文提出一种反演设计的终端滑模控制策略.采用反演控制的思想,将加载系统划分为3个子系统,设计终端滑模控制律,并引入低通滤波器显著降低抖振,使跟踪误差在有限时间内收敛到0.利用Lyapunov方法证明闭环系统的渐进稳定性及有限时间收敛特性,实验结果表明所提出控制策略的有效性,与常规前馈反馈控制相比,加载控制精度有显著提升.      

基于微机的雷达操纵模拟器的研究

对基于微机的雷达操纵模拟器的构成和仿真方法进行了深入地研究,给出了岸线的生成方法和步骤,岸线回波的显示方法,目标船回波的显示方法,海浪回波的模拟方法,并针对雷达中ＰＰＩ对固标圈的载剪提出了圆对弧的完整的裁剪方法。     

油船装卸操纵模拟器报警装置的研制

介绍一种多种报警的快速处理方法,在人工干预处理的情况下,使报警的状态有所变化,为报警信号的处理提供一种新的思路。     

NS2下无线节点MAC层帧分段发送实现

NS-2是当前广泛使用的网络模拟器.在NS-2的IEEE 802.11实现基础上增加了分段实现,并进行了实验.实验数据表明在网络环境较差的情况下,对大的帧进行分段传输能够有效地提高无线网络的性能.     

ESD模拟器电流波形校验装置

分析了静电放电模拟器的实验原理,研制成功符合国际电工委员会ＩＥＣ６１０００４－２标准的ＥＳＤ模拟器电流校验系统,该系统的自动采集ＥＳＤ电流波形,计算上升时间、峰值电流、３０ｎｓ时电流、６０ｎｓ时电流等参数,该装置还可广泛应用于其它形式静电放电电流测量和静电放机理研究。     

ATCA管理模块模拟器的设计与实现

ATCA作为新一代计算平台标准,能够确保平台的可靠性和稳定性,得到普遍的关注和青睐,成为下一代通信技术的新宠。其管理模块是整个ATCA的控制中心,负责管理、监视机架中所有设备的状态,并且提供多种外部管理接口与第三方软件交互。目前尚没有该管理模块的模拟器,总结了其功能和特点,设计并实现了该管理模块的模拟器,为ATCA上的软件开发和测试提供了便利——大大提高了开发效率,缩短了开发周期,节约了开发的硬件成本。最后利用该模拟器构架了整套虚拟ATCA环境,某国际知名公司的电信平台中间件系统在其上运行效果良好。     

水陆坦克运动模拟洗出滤波算法设计

在水陆坦克运动模拟过程中,运动模拟平台有限的工作空间往往限制了运动模拟逼真度。针对上述现象,提出了一种坦克运动模拟洗出滤波算法,采用平台倾斜策略来模拟运动低频动感,采用高通滤波方法来获得高频运动动感。结合坦克的具体训练任务对此算法进行了详细的分析,揭示了算法参数调节对运动模拟器运动动感的影响。该算法通过离线测试显示了很好的实用性,它的提出对水陆坦克运动模拟器动感模拟性能的提高具有实践意义。     

Smith小体积管控制板分析及体积管模拟器的研制

对Smith小体积管CPU控制板各功能模块进行了详细分析,使用80C51兼容单片机制造小体积管模拟器。此模拟器可用于确定控制板上体积脉冲计数的准确性,为体积管控制系统的维护检修提供了有效的手段。     

飞行员异常事件处理能力的脑电评估方法

为客观准确评估飞行员在飞行过程中对发生的异常事件的处理能力,在A320NEO/CEO全任务飞行模拟器中设定异常事件,并利用脑电设备进行实验信号采集。脑电信号（Electroencephalography,EEG）经独立成分分析（Independent Component Analysis,ICA ）等预处理后,通过近似熵法与小波包分析法提取相应特征以构建特征集,再选择适用于脑电领域的机器学习算法构建模型,并引入F1值、ROC-AUC曲线等模型评价指标对构建的模型进行评价。分析结果显示随机森林算法所构建的模型的分类效果最好,其准确度为88.5%,F1值为84.2%,AUC值为0.95。研究表明该模型预测精度良好,可用于辅助飞行员训练与评估。