基于DADS的履带车辆多体模型与仿真

将建模与仿真方法应用于覆带车辆，对于深入研究覆带车辆性能，降低研究成本，缩短研制周期具有重要意义，本文针对某型履带车辆，分别对其车体，悬挂装置，推进装置进行了基于DADS的多体建模与仿真，并对仿真结果与实验数据进行了比较，表明这个模型对于研究覆带车辆的平衡性能是合理的。     

薄煤层高产高效途径探讨

薄煤层开采一直是困扰着各级生产决策者的难题，其开采空间小，煤层生产率低，产量和效率较低，要实现高产高效更困难，所以一直不被重视。本文介绍了我国第一个机械化刨煤机无人工作面开采的有关技术条件、工艺和指标，它为我国薄煤层无人并采和高产高效实现了历史性的突破，改善了井下安全生产环境，提高了生产效率，降低了生产成本。对全国具有广泛的指导和借鉴意义。     

基于视觉的自动空中加油技术

无人机在军用和民用领域都发挥着越来越重要的作用,但是续航时间短、负载能力弱等缺点限制了无人机的应用。自动空中加油技术能够增加无人机的续航时间,增强无人机执行长航时、复杂任务的能力,从而有效地弥补上述缺点。计算机视觉技术的发展为无人机自动空中加油技术的实现提供了有效的支持。对基于视觉的硬管式自动空中加油技术的2类典型解决方案进行了介绍和对比,并在此基础上提出了基于切换模式的双目视觉解决方案,总结了涉及的关键技术和待研究的问题。     

基于ODMA的无线车载视频监控系统

研究了ODMA(机会驱动多址接入,opportunity driven multiple access)无线网络技术,在布建了覆盖完善的ODMA网络的基础上,设计实现了基于ODMA的无线车载视频监控系统.系统借助ODMA网络及时地将现场视频回传至监控中心,提高了安保工作的机动性和实时性,系统目前已在河北大学成功投入使用.     

低速电动汽车混合能源存储系统效率分析

利用超级电容的高功率密度特性和磷酸铁锂电池的高能量密度特性,设计了低速电动车主动并联混合储能系统方案.采用实验方法分析磷酸铁锂电池的效率,并通过理论公式分析了双向直流功率变换器的效率.探讨了将超级电容和磷酸铁锂电池结合使用,结果发现,采用双向直流变换器的混合能量存储系统能提高效率.通过实验验证,双向直流变换器的实际效率为90.5%,接近理论公式计算得到的效率91.6%.     

风场扰动对无人机控制/导航影响效应仿真

为了全面、定量分析风场扰动对无人机控制/导航系统的严重影响,选取某型探测/侦察无人机作为典型代表,首先利用近60余年NCEP再分析资料,针对我国及周边地域,进行了低空风场建模（包括平均风速和湍动分量）和仿真再现;在此基础上,在Matlab/Simulink仿真环境中,构建了该无人机虚拟样机,包括动力学、控制、惯性/GPS导航等关键子系统,反映了其基本飞行品质和控制响应;最后,分别在理想和风场扰动条件下,进行了该无人机典型巡航/侦察任务的飞行仿真,得到了飞行航迹/姿态、控制响应等关键参数,通过对比分析,全面、定量评估了风场扰动对惯性/GPS导航系统的影响效应。结果表明：风场扰动对于无人机惯性导航系统具有较大的影响,所产生的积累误差随时间增加逐步增大,相比而言,基于GPS的控制/导航系统具有较好的适应性和鲁棒性。     

计算再入飞行器可达区域的快速算法

以无量纲反值能量为自变量建立了飞行器3自由度运动方程组,提出了一种改进的计算再入飞行器可达区域的快速算法.引入倾侧角反向策略,使计算的可达区域更精确;改进产生可达区域中间边界的插值方式,使计算结果更加均匀;改进了终端约束处理方法,使弹道更加平滑.以一种乘波体模型为例进行仿真验证,仿真结果表明改进算法计算的可达区域比现有算法更精确且弹道更平滑.     

基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法

无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足。为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最后引入LegoNet卷积单元,减少了卷积参数,实现了精度与速度的平衡。实验主要采用的验证数据集为VisDrone2019和UAV_OUC,UAV_OUC数据集相比于VisDrone2019,其图片具有更高的分辨率。相比于CenterNet,所提出的方法在数据集UAV_OUC和VisDrone2019上的检测精度大约分别提高了10%和2%。     

基于卷积神经网络的语义同时定位以及地图构建方法

环境感知技术是智能车功能实现的前提,而在感知的基础上提高智能车对环境的认知能力是实现全自动驾驶的关键。本文针对室外交通场景,基于卷积神经网络提出了一种新的智能车同时定位以及语义地图构建方法,对智能车进行定位,并且构建稠密的3D语义地图,提高智能车的环境感知、认知能力。首先,基于双目ORB-SLAM提出了一种四线程的双目SLAM（Simultaneous Localization and Mapping）方法构建稠密的3D点云地图,四线程分别为追踪线程,局部地图构建线程,回环检测线程以及稠密地图构建线程;其次,为提高智能车的环境认知能力,使用端对端的方法对图像进行语义分割,并且为提高语义分割精确率,将环境的几何信息也作为卷积神经网络输入;最后,将感知的能力与认知的能力相结合构建语义地图,为智能车实现全自动驾驶奠定基础。本文将算法在KITTI数据集上进行测试,整体算法速度为10帧/秒,语义分割的全局精确率为73.1%,构建的语义地图显示本文提出算法能够在大规模室外场景下重构全局一致性地图,并且帮助智能车实现对环境的解析。