老旧建筑安全鉴定辅助决策系统的初步开发

以老旧建筑的表观检测数据或震害调查结果为依据,利用区间分析方法、模糊综合评判模型、专家系统的构造思想等最新信息处理技术建立起整套的老旧建筑安全鉴定辅助决策系统(专家系统).系统按照检测管理步骤(现场监测→数据处理→专家评价),分为数据录入及管理、等级评定、专家评价三大模块.该系统不但可以帮助建筑物管理者处理大量的检测数据,评价既有建筑物的安全等级,还可以根据老旧建筑物的实际情况,给出专家的最佳管理方案.     

基于C-V2X的车路协同自动驾驶关键技术与应用

随着车联网技术的演进,自动驾驶在单车智能的基础上,又有了新的发展形态——车路协同自动驾驶。通过“人-车-路-云”深度融合形成的一体化复杂信息物理系统（cyber physical system,CPS）,可以与自动驾驶车辆实现协同感知、协同决策规划甚至协同控制,提升自动驾驶安全性,帮助克服各类复杂交通环境。首先介绍了车路协同的复杂信息物理系统的概念内涵和总体架构,并提出了车路协同自动驾驶的一系列典型应用场景、技术原理、C-V2X(cellular vehicle-to-everything)性能要求、车路协同系统功能与性能要求,可以为下一阶段智能网联汽车与智能交通的深度融合发展提供参考和解决思路。     

MHz-driven snubberless zero-current soft-switching high step-up DC-DC converter with a multi-resonant tank

A novel high step-up DC-DC converter suitable for the power interface of fuel cells (FC) is presented in this paper. The proposed converter features a multi-resonant tank for achieving high-step up ratio under zero current soft switching (ZCS) without any snubber circuits. The simple and minimized-component topology is beneficial for megahertz driving of gallium nitride (GaN) power transistors with effective reductions of switching loss, electromagnetic emission interference (EMI) noise, and ripple-free DC input current. Mode-transitional power stages are described in detail, following that the high step-up principle is revealed by means of frequency-domain analysis. The essential performances of the proposed circuit topology are demonstrated by simulation and experiment of 1.8 MHz-120W prototype whereby effectiveness of the snubberless and multi-resonant topology are verified from the practical point of view.     

鄱阳湖出湖流量时序变化特征与驱动因子分析

长江中游与鄱阳湖及五河构成复杂的“江-湖”系统,研究阐明鄱阳湖出湖流量的时序变化特征与驱动因子,是调控改善江湖关系的关键所在。本文在初步选取12个潜在的出湖流量驱动因子基础上,有机结合相关系数判别和主成分分析方法,揭示了不同潜在驱动因子间的多重共线性;进而通过构建出湖流量数学模型,量化了不同潜在驱动因子对出湖流量的相对重要性排序及其影响程度。研究结果表明：（1）赣江、抚河、饶河、修水的入湖流量,湖区星子站水位,三峡出库流量等6个驱动因子间不存在多重共线性,可完整表征五河来流、湖区水位、长江干流的多重驱动作用;（2）运用基于随机森林回归方法的出湖流量数学模型,揭示了湖区水位、长江干流来流、赣江入湖流量是最为重要的驱动因子,并且其对出湖流量的影响呈现复杂的非线性特征。研究表明：影响出湖流量的众多驱动因子之间关系复杂但影响程度有所差异。这为科学调控典型通江湖泊江湖关系提供了重要参考依据。     

智能汽车拟人驾驶风险量化方法研究

驾驶风险量化评估对智能汽车拟人驾驶决策至关重要,针对复杂多任务场景下的驾驶风险量化问题,提出了一种基于 人类风险感知机理的智能汽车驾驶风险量化方法。 首先,利用传感器获取驾驶场景周围环境信息与行驶状态信息,并根据人类 驾驶经验对潜在冲突因素赋值代价,生成驾驶场景代价地图;其次,根据车辆运动状态与拟人驾驶的基本原则,利用高斯函数建 立动态风险模型;最后,结合驾驶场景代价图与动态风险模型实时计算拟人驾驶风险量化值。 仿真结果表明,提出的方法能够 基于人类驾驶经验,计算出动态变化的驾驶风险量化值,应用于智能汽车自动驾驶决策,可产生拟人驾驶行为。     

Picture-Neutrosophic Trusted Safe Semi-Supervised Fuzzy Clustering for Noisy Data

Clustering is a crucial method for deciphering data structure and producing new information. Due to its significance in revealing fundamental connections between the human brain and events, it is essential to utilize clustering for cognitive research. Dealing with noisy data caused by inaccurate synthesis from several sources or misleading data production processes is one of the most intriguing clustering difficulties. Noisy data can lead to incorrect object recognition and inference. This research aims to innovate a novel clustering approach, named Picture-Neutrosophic Trusted Safe Semi-Supervised Fuzzy Clustering (PNTS3FCM), to solve the clustering problem with noisy data using neutral and refusal degrees in the definition of Picture Fuzzy Set (PFS) and Neutrosophic Set (NS). Our contribution is to propose a new optimization model with four essential components: clustering, outlier removal, safe semi-supervised fuzzy clustering and partitioning with labeled and unlabeled data. The effectiveness and flexibility of the proposed technique are estimated and compared with the state-of-art methods, standard Picture fuzzy clustering (FC-PFS) and Confidence-weighted safe semi-supervised clustering (CS3FCM) on benchmark UCI datasets. The experimental results show that our method is better at least 10/15 datasets than the compared methods in terms of clustering quality and computational time.     

自动驾驶交叉路口测试场景建模及验证方法

自动驾驶汽车在缓解交通拥堵和消除交通事故方面发挥着重要作用.为了保证自动驾驶系统的安全性和可靠性,在自动驾驶汽车部署到公共道路之前,必须进行全面的测试.现有的测试场景数据大多来源于交通事故和交通违法场景,而且自动驾驶系统最基本的安全需求就是遵守交通法规,这充分体现了自动驾驶汽车遵守交通规则的重要性.然而,目前严重缺少针对交通法规构建的自动驾驶测试场景.因此,本文从交通法规出发,根据自动驾驶系统安全需求,提出交叉路口测试场景的Petri网建模及形式化验证方法.首先,依据自动驾驶测试场景对交规进行分类,提取适合自动驾驶汽车的文本交规,并进行半形式化表征.其次,以覆盖道路交通安全法规以及测试场景功能测试规程为目标,融合交叉路口场景要素的交互行为,合理选择并组合测试场景要素,布设交叉路口测试场景.然后,基于交规的测试场景被建模为一个Petri网,其中,库所描述自动驾驶汽车的状态,变迁表示状态的触发条件,并选择时钟约束规范语言（CCSL）作为中间语义语言,将Petri网转换为一个可进行形式化验证的中间语义模型,提出具体的转换方法.最后,通过Tina软件分析验证交规场景模型的活性、有界性和可达性,结果表明所建模型的正确性,并基于SMT的分析工具MyCCSL来分析CCSL约束,采用LTL公式以形式化方法验证交规场景模型的一致性.     

嵌入路网图模型的自动驾驶场景描述语言

深度学习的快速发展带动着自动驾驶技术的迅速进步.深度学习感知模型在识别准确率逐步提升的同时,也存在鲁棒性和可靠性不足等隐患,需要在大量场景下进行充分测试以确保达到可接受的安全标准.基于场景的仿真测试是自动驾驶技术的核心和关键,如何描述和生成多样化仿真测试场景是需要解决的关键问题之一.场景描述语言能够描述自动驾驶场景并在虚拟环境中实例化场景获取仿真数据,但现有的场景描述语言大都缺少对于场景道路结构的高层抽象和描述.提出路网属性图来表示路网中抽象出的实体及他们的关系,并设计能简洁描述场景路网结构的语言SceneRoad. SceneRoad可以基于描述的场景道路结构特征构建路网特征查询图.这样,在路网中搜索符合描述的场景道路特征的问题被抽象为路网图上的子图匹配问题,该问题可用VF2算法求解.进一步地,将SceneRoad作为扩展集成到Scenic场景描述语言中.使用拓展后的语言随机生成大量多样的静态场景并构建仿真数据集.仿真数据集的统计信息表明生成的场景具有丰富的场景多样性.不同感知模型在真实和仿真数据集上的训练测试结果表明,模型在两个数据集上的表现呈正相关,意味着模型在仿真数据集上的评估...     

基于动态门控特征融合的轻量深度补全算法

稠密深度图在自动驾驶和机器人等领域至关重要,但是现今的深度传感器只能产生稀疏的深度测量,所以有必要对其进行补全.在所有辅助模态中, RGB图像是常用且易得的信息.现今的许多方法都采用RGB和稀疏深度信息结合进行补全.然而它们绝大部分都是利用通道拼接或逐元素求和简单的对两种模态的信息进行融合,没有考虑到不用场景下不同模态特征的置信度.提出一种以输入深度稀疏分布为指导,结合双模态信息量的动态门控融合模块,通过动态产生融合权重的方式对两个模态特征进行更高效的结合.并且根据不同模态的数据特征设计了精简的网络结构.实验结果表明所提出模块和改进的有效性,提出的网络在两个有挑战性的公开数据集KITTI depth completion和NYU depth v2上,使用了很少的参数量达到了先进的结果,取得了性能和速度的优秀平衡.     

Development of vehicle maneuvering system for autonomous driving

Recently, autonomous driving technology has received significant interest, and consequently, various autonomous driving algorithms have been developed by researchers. An experimental (conventional) vehicle verifies the strategy for autonomous driving by testing the performance and feasibility of the corresponding algorithms. Implementation of the autonomous driving strategy in the conventional vehicle system requires modification of the electronic control unit (ECU); however, this is limited by security issues and the high cost of development.In this paper, a maneuvering system that can control the steering angle, braking force, and accelerating signal so that autonomous driving does not operate via the ECU is proposed. Because the steering angle is an important factor in terms of the vehicle motion behavior, a robust angle controller based on the disturbance observer is adopted. Moreover, to ensure safety and user convenience, a user intention recognition algorithm is proposed. Based on this algorithm, the maneuvering system can be disabled during control without using any perception sensor. Finally, several experiments are conducted to evaluate the functions of the maneuvering system. A scenario-based driving test is also performed to verify the feasibility of the maneuvering system.