共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

船舶减摇鳍智能控制器(英文)

提出基于自适应网络模糊推理系统 (ANFIS)的神经 模糊控制器作为船舶减摇鳍系统的控制装置。仿真结果表明 ,ANFIS控制器在恶劣海况下也能够改善船舶的横摇减摇性能。该智能控制器有希望作为常规PID控制器的改进选择     

基于小波变换和ANFIS模型的不规则海浪组合预报

利用小波变换对不规则海浪进行多尺度一维小波分解与重构,得到相对简单、规则的准周期分量信号,然后建立了各信号的多输入、单输出自适应神经模糊推理系统(ANFIS)预报模型,最后对预报结果进行集成。基于Matlab语言的仿真结果表明,该方法不仅降低了预报的难度,而且具有较高的预报精确度。此方法亦可用于船舶横摇、纵摇、艏摇运动的预报。     

基于线性变参数的船舶运动H∞控制及仿真

为确定船速变化对船舶操纵控制的影响,提出线性变参数H∞航向控制算法.通过变量代换,得到显含船速项的Nomoto船舶运动方程,以船速作变参数,转换为连续线性变参数系统方程.将其凸分解为多胞表示,利用线性矩阵不等式方法,对多胞的各顶点分别设计满足H∞性能和动态特性的输出反馈航向控制器,综合顶点控制器得到具有同样多胞结构的全局连续变增益控制器.仿真结果表明,该控制器能有效控制船舶航向.     

基于马尔柯夫过程的可修系统可靠性建模

针对可修系统的可靠性、维修性计算问题,运用马尔柯夫过程数学模型对可修系统可用度和可靠度进行数学建模.首先推导出单部件可修系统可用度与可靠度的表达式,在此基础上,推导出工程上常用的两并一备复杂可修系统可用度与可靠度的表达式,总结出求解复杂可修系统稳态可用度的简单方法.两种方法结论一致,为进一步研究可修系统可靠性、维修性提供重要理论依据.     

高仿真度的DMS-2000型船舶机舱模拟器

给出研制的采用虚拟现实技术的DMS-2000型轮机模拟器的总体结构、配置和系统功能.综合应用三维图形、VGA墙显示系统和分布式仿真技术,并采用大量高精度的仿真模型有助于提高DMS-2000轮机模拟器的仿真性能.本模拟器可进行典型船舶机舱的常规操作、应急工况或高级培训等各种操作训练.     

轮机模拟器船舶柴油机改进的仿真软件

介绍轮机模拟器船舶柴油机改进的仿真软件.首先,对6S60MC柴油机工作过程数学建模,包括气缸、涡轮增压器、空冷器、扫气过程和排气过程等;其次,采用一种改进的方法计算排气过程,在满足计算精度要求的同时,缩短工作过程仿真的计算时间;第三,计算柴油机各缸的主要工作参数,比如,示功图P-ψ,P-V和T-ψ,dQ/dψ-ψ,dx/dψ-ψ等曲线图,以及扫气空气系数、残余废气系数、燃烧室壁温等参数;第四,软件有许多故障设置,以训练学生或学员判断故障的能力;第五,软件还有报警参数等.     

带有资格迹的模糊CMAC控制仿真研究

提出一种带有资格迹的模糊CMAC控制器(FCE),资格迹的引入可以对控制系统进行超前预测,提高系统的稳定性。研究了FCE系统的构成,并推导其学习算法。为适用于在线控制,给出了高效的FCE算法实现方案。应用于船舶航向控制的仿真结果表明,当存在风浪干扰海况下,船舶航向的控制仍能取得令人满意的效果。     

轮机模拟器燃油系统仿真软件(英文)

基于燃油系统的数学模型 ,仿真软件模拟了轮机模拟器主机和发电柴油机燃油系统的功能。对系统的主要设备进行了仿真 ,例如 :重油柜、柴油柜、放残柜、增压泵、供油泵、循环泵、滤器、流量计、粘度计、所有阀及它们的控制面板。该软件能训练学生或学员判断故障的能力 ,软件有许多故障设置 ,以及许多报警点和燃油系统的参数 ;而且 ,界面友好 ,易于学生操纵和学习     

基于RSSI分布的无线Ad Hoc网络终端定位算法

为了解决基于信号强度衰减模型的定位算法误差较大的问题,提出了一种基于RSSI分布的无线Ad Hoc网络终端定位算法(LRPD).通过实际测量发现,接收端信号强度RSSI呈现波动态势,仅依靠信号强度的平均值不能较好地描述接收信号,因此考虑使用信号强度出现的频率来估计目标节点在可能位置出现的概率.LRPD算法根据每一个参考节点接收到的RSSI的分布,确定目标节点在离参考节点不同距离位置处出现的概率,然后综合考虑各参考节点的影响,实现最终位置的确定.在真实环境中,使用Intel无线网卡和Samsung平板电脑实现了LRPD算法定位.实验结果表明:针对边长为12 m的正三角形实验场景,所提算法误差约为1.43 m;与传统的质心定位方法和三边定位法相比,LRPD算法的定位精度更高.