红色战神中国122毫米自行火炮

自行榴弹炮是同车辆底盘构成一体，靠自身动力运行的榴弹炮。它越野性能好，进出阵地快，多数有装甲防护，战场作战力强，便于和装甲兵、摩托化步兵协同作战。[编者按]     

关于露天矿生产车辆安排的数学模型

通过适当的假设,始终以最短路径作为出发点,充分利用所给数据特点,运用线性规划、矩阵、统计、最优化等数学理论来进行模型的建立和求解。在求解过程中,采取分阶段进行,先确定铲位,再定路线,最后安排车辆。把铲位分为两类,把品位要求的搭配比例转化为路程比例,结成一个新拟合铲位,再取最短路径,快捷地选取铲位。     

机动车地感线圈式测速系统使用中应注意的几个问题

在介绍机动车地感线圈式测速系统和车辆检测器技术参数、工作原理的基础上,就使用机动车地感线圈式测速系统应注意的问题进行了讨论。     

基于迟滞鲁棒性的自动车队队列稳定性控制

基于车辆纵向迟滞动态模型,对自动车队队列稳定性以及控制方法进行分析研究.建立考虑迟滞因素的车辆纵向迟滞动态模型,在此模型的基础上建立基于固定时间间距策略的滑模控制器和比例积分微分(PID,Proportion Integration Differentiation)控制器,然后依据队列稳定性判断准则分别对两种控制器进行队列稳定性分析并分别得到相关的队列稳定性条件.定量比较分析和仿真比较分析结果显示,PID控制器具有更强的迟滞鲁棒性.     

风环境下行驶于大跨度桥梁上的车辆安全评价及影响因素研究

建立了风环境下行驶于振荡桥梁上的车辆受到侧向突发阵风时的车辆安全性分析方法.定义了包括侧翻、侧滑和偏转在内的三种风致车辆事故.在综合考虑路面粗糙度、车辆悬挂系统以及车轮相对于桥面侧向相对滑动的基础上,提出了能够考虑桥梁的静风响应、抖振响应、汽车一桥梁耦合振动、系统的时变特性以及结构几何非线性和气动荷载非线性影响的风一汽车一桥梁系统空间耦合分析模型,编制了相应的分析程序.以杭州湾跨海大桥为工程实例,运用所编制的程序研究了路面粗糙度、风速以及干、湿、雪、冰路面状况对行驶于桥梁上的车辆安全性的影响,给出了典型车辆在桥梁上发生事故的临界风速,并与车辆行驶于路面上的相应值进行了对比;对比表明:振荡的桥梁会降低车辆发生事故的临界风速.     

基于改进Sobel算子的边缘检测车牌定位方法

车牌定位是自动识别的关键步骤,而在整个车牌定位过程中,边缘检测是其中的一项重要环节和关键技术。文中在分析了目前常用的边缘检测方法后,给出了一种基于Sobel算子的改进边缘检测方法。实验结果证明具有较好的检测效果。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。      

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

三十年不断发展的MEMS惯性传感器

近三十年来,MEMS惯性传感器技术取得了巨大进步,在人类生活、工业和高端装备等方面得到了广泛应用。概述了MEMS惯性传感器在我国的发展历程与主要路线,并以车辆辅助驾驶为例,总结了国内外MEMS惯性传感技术的快速发展与典型应用情况,研判了MEMS惯性传感器正在向高可靠、集成化、高融合与智能化等方向加速发展。