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.     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

光散射法扬尘监测仪关键设计与数据分析

为提高光散射扬尘监测仪对环境空气中颗粒物PM10及PM2.5的测量的稳定性及精度,通过对光散射扬尘监测仪的关键设计,提供一种温湿度传感器以及动态控制系统,消除环境湿度对采样气路的影响;设计零气校准及自动吹扫系统防止高浓度颗粒物对光学气室的污染,提高本底测量精度,从而实现光散射法扬尘监测仪测量精度更高、稳定性更好.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

基于有限状态机的售卖机控制器的设计与仿真

自动售卖机是商业模式下自动化实现的典型应用之一,随着嵌入式系统和自动化技术的不断发展,其应用也越来越广泛。有限状态机作为一种反映状态间转移的数学模型,可以被用在嵌入式系统控制器的设计开发中。利用有限状态机技术对自动售卖机的控制器进行设计,利用Verilog HDL语言将控制器编程实现,并在Model Sim中进行了仿真,实验结果证明了该方法的可行性。     

网络设备配置标准化系统研究

网络设备配置标准化平台的设计紧密结合实际工作的需要,注重实际应用,操作简单.网管人员只需填写设备的基本信息即可自动生成配置脚本.通过网络设备配置标准化平台的应用,可大大减少网管人员配置设备的工作量,同时可以降低因配置不规范引发的设备运行风险,减轻运维工作量,提升工作效率,确保业务系统稳定运行.     

基于激光跟踪仪的飞机发动机舱罩后段上盖组件测量应用

飞机制造过程中,零组件、部件的外形精度和质量直接影响飞机气动性的精度质量。以某型号通用飞机的发动机罩舱后段上盖组件为典型研究对象,应用激光跟踪测量技术,针对其外形进行测量,对测量过程中涉及的测量方法和激光跟踪仪站位设置等关键问题进行了研究和探讨。最终完成飞机的发动机罩舱后段上盖组件的测量     

教你如何拍雪景

冬天来了,好期待下雪啊.看着别人拍出来的美丽雪景,是不是觉得很眼馋?雪景该怎么拍才好看?现在我们就来学习一些拍雪景的小技巧吧. 选择最佳拍摄时机 冬天的早晨有很多美妙的景象,所以最好赶在太阳完全出来之前出门,这样就不怕太阳把冰雪融化掉了.不仅如此,在还不太明亮的晨光中,蜘蛛网、草上的露珠、覆盖着雪的浆果都能成为不错的拍摄对象,让你拍出浓浓的冬天的气息.     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.