移动Ad Hoc网络中基于能量优化的多路径速率分配算法研究

提出了一种移动 Ad Hoc 网络中以优化整体能量消耗为目标的多径速率分配算法,该算法分布地运行在各路由源节点,综合考虑路径间速率调整对路由内部和外部的功率影响,使用功率增量的方式对各路径的速率进行动态转移。仿真结果表明,在保证总传输速率以及服务质量(误码率)的前提下,该算法能使移动 Ad Hoc 网络路由的总能量消耗得到优化。     

某新型整体自装卸车设计及分析

在现代战争中,双方军事相对均衡的情况下,后勤保障系统和机动性是胜负的关键.整体自装卸车不仅在提高装备的机动性上有很大的贡献,更重要的是可提高整个后勤保障系统的效率.在整体自装卸车使用越来越广泛的时代,新的环境对其要求也越来越高,主要体现在地理环境、高可靠性方面.文中介绍了针对新的要求而进行的新型整体自装卸车的设计,并利用有限元软件进行仿真分析及优化设计.     

特种线路重载轨道架车设计

从铁路车辆、公路运输车的设计思路提炼,着重探讨了轨道架车在特种线路运输行驶时应具备的主要功能,介绍了设计方案,对于关键技术如多转向架跨装、球面回转心盘、弹性滚珠旁承、制动系统等作了阐述.作为一个全新概念的轨道架车,参照铁路标准进行仿真分析,从而对整个系统设计的合理性、主要性能的优劣做出判断.     

考虑电动汽车时空负荷分布特性的主动配电网动态重构

实现电动汽车(ElectricVehicle, EV)规模化发展并与电网双赢的关键问题之一是如何提高EV充电负荷的预测准确性,并保证含大规模EV充电负荷的配电网运行的安全性和经济性。考虑EV时空负荷分布特性,建立了主动配电网动态重构与有功、无功联合优化数学模型,并给出了其求解方法。首先,根据出行链技术和马尔可夫决策理论,考虑天、人、路对EV的影响因素,构建了EV单位能耗模型和充电负荷的时空分布预测模型。其次,提出考虑储能系统、有载分接开关、投切电容器组、静止无功补偿装置和动态重构多种主动管理措施,计及经济、技术指标和各设备、系统运行约束,建立了含EV的主动配电网动态重构与有功-无功联合优化数学模型。然后,为了提高所构建模型的求解效率,通过二阶锥松弛和变量乘积线性化方法将非凸等式约束和非线性不等式约束线性化后,将原始的混合整数非线性规划问题转化为易求解计算的混合整数二阶锥问题。最后,基于修改的IEEE33节点系统进行仿真实验和对比分析,结果验证了所提方法的有效性和优越性。     

新能源汽车低频振动噪声传递路径模拟方法

针对新能源汽车低频噪声分布规律具有复杂性,造成噪声传递路径模拟难度加大等问题,提出新能源汽车低频振动噪声传递路径模拟方法.定义声阻与声抗以明确材料声学特征,以此为基础建立新能源汽车低频振动方程.分析低频振动噪声传递路径,使用力锤激励法测量传递函数,同时采用悬置刚度方法测量激励力,分析噪声激励响应,并修正噪声响应系数.计...     

无线传感器网络路由协议研究

在分析无线传感器网络(WSN)特点的基础上,把WSN路由协议分为数据为中心路由、层次路由、地理位置路由和基于QoS的路由4类路由协议进行机制研究,指出WSN路由协议未来的研究热点有:数据为中心路由协议中,如何提供高效的标准命名机制以适应复杂查询;层次路由协议中,如何选举簇头、分簇、数据融合从而使能量更高效;地理位置路由协议中,如何智能地利用地理位置信息来辅助能量有效路由等.     

一种基于跟踪微分器的智能车辆加速度闭环控制方法

为了满足智能车辆进行L3及以上级别智能驾驶的需求,文章开发了一种基于跟踪微分器的加速度闭环控制方法.该方法采用跟踪微分器对加速度进行辨识,并对加速度进行闭环控制.其上层控制器根据车辆的当前速度、目标速度以及加速或者减速的距离计算一个加速度指令,并通过CAN网络将该指令发送到加速度闭环控制器中,从而实现对智能车辆进行加速...     

高性能纤维在新一代汽车中的最新应用进展

汽车向轻量化、节能化、电动化和环保化发展已是大势所趋。近年来,通过更新传统电池的设计理念,采用高性能纤维的关键部件和不断降低生产成本,各种新能源动力汽车开始孕育而生。本文介绍了汽车轻量化、节能化的最新进展和国内外新型车用动力电池的发展动态,重点介绍了高性能纤维在其关键部件中的最新应用进展,以为我国新能源汽车的发展提供一些思路。     

跨域联合学习与共享子空间度量的车辆重识别

目的 现有的跨域重识别任务普遍存在源域与目标域之间的域偏差大和聚类质量差的问题,同时跨域模型过度关注在目标域上的泛化能力将导致对源域知识的永久性遗忘。为了克服以上挑战,提出了一个基于跨域联合学习与共享子空间度量的车辆重识别方法。方法 在跨域联合学习中设计了一种交叉置信软聚类来建立源域与目标域之间的域间相关性,并利用软聚类结果产生的监督信息来保留旧知识与泛化新知识。提出了一种显著性感知注意力机制来获取车辆的显著性特征,将原始特征与显著性特征映射到一个共享子空间中并通过它们各自全局与局部之间的杰卡德距离来获取共享度量因子,根据共享度量因子来平滑全局与局部的伪标签,进而促使模型能够学习到更具鉴别力的特征。结果 在3个公共车辆重识别数据集VeRi-776（vehicle re-identification-776 dataset）、VehicleID（largescale vehicle re-identification dataset）和VeRi-Wild（vehicle re-identification dataset in the wild）上与较新方法进行实验对比,以首位命中率（rank-1 accuracy,Rank-1）和平均精度均值（mean average precision,mAP）作为性能评价指标,本文方法在VeRi-776→VeRi-Wild,VeRi-Wild→VeRi-776,VeRi-776→VehicleID,VehicleID→VeRi-776的跨域任务中,分别在目标域中取得了42.40%,41.70%,56.40%,61.90%的Rank-1准确率以及22.50%,23.10%,41.50%,49.10%的mAP准确率。在积累源域的旧知识表现中分别取得了84.60%,84.00%,77.10%,67.00%的Rank-1准确率以及55.80%,44.80%,46.50%,30.70%的mAP准确率。结论 相较于无监督域自适应和无监督混合域方法,本文方法能够在积累跨域知识的同时有效缓解域偏差大的问题,进而提升车辆重识别的性能。     

弹性光网络中结合预测的多维感知RSA算法

弹性光网络(EON)中的传统路由频谱分配(RSA)算法多考虑路由跳数或频谱资源占用情况,缺乏时域与相邻链路的信息有效利用.提出一种结合预测的多维感知RSA算法,对持续时间已知业务的历史时间信息通过后向传播神经网络预测未来业务的时间信息,在路由时综合考虑时间、频谱和相邻链路资源占用程度.仿真结果表明:与传统RSA算法相比...