基于运动属性约束的船舶AIS航迹去纠缠方法

航迹去纠缠处理是基于自动识别系统(Automatic Identification System, AIS)数据进行船舶运动行为深入分析的基础。传统航迹去纠缠处理方法存在虚警率和漏警率均较高的问题,这会造成重要船舶运动特征信息缺失以及纠缠去除不彻底等,进而影响数据的可用性。基于此,通过分析船舶AIS原始定位数据特点以及船舶运动属性特征,提出基于运动属性约束的船舶AIS航迹去纠缠方法(A Method for Removing Entanglement of AIS Trajectory Based on the Constraints of Motion Attributes, CoMA),以瞬时航行速度和时间间隔约束船舶空间位置合理范围,以瞬时航向约束船舶转向的合理区间,双重约束下对航迹纠缠点进行去除。通过实例验证与对比可得,相较于传统航迹去纠缠方法,该方法能够在纠缠点彻底、精准、高效去除的前提下,最大程度地保留船舶运动行为特征,可为后续船舶航迹深入分析提供准确的数据输入。     

基于级联霍夫变换的车道线快速检测算法

车道线检测是智能辅助驾驶算法中的核心算法之一。为了解决基于传统霍夫变换的车道线检测算法检测效率低下等问题,提出一种基于级联霍夫变换的快速车道线检测算法。该算法首先对视频帧进行ROI选取、滤波、边缘检测、非极大值抑制等预处理,然后使用基于平行坐标系的映射将原始图像转换到参数空间,完成点到线、线到点的映射,接着再使用一次映射,最终实现点到点、线到线的映射,以此快速提取车道线消失点,并根据消失点位置扫描实际车道线,实现车道线的提取。该算法在点的映射过程中,坐标值始终是线性变换,克服了传统霍夫变换在映射过程时需对每一个点进行极坐标转换的缺点,计算更简单,运算效率更高。仿真实验表明,文中提出的改进算法比传统霍夫变换运算速度提高了31%,准确率提高了6.2%,检测效果有明显提高,可广泛应用于智能辅助驾驶中。     

钒电池的工作特性及其在微电网中的应用前景

为了有效解决因微电网规模较小、系统惯性不大、网络及负荷发生波动明显的问题,提出在微电网中配以适当容量的钒电池（vanadium redox battery,VRB）储能系统以提高微电网的电能质量和稳定性的措施。介绍了VRB在微电网中的应用前景,分析了其工作原理,建立了等效电路模型,并利用MATLAB/Simulink仿真软件对其充放电特性进行仿真分析。