日立将为天津生态城提供智能电网等先进技术

日本日立公司与中新天津生态城投资开发有限公司达成一项关于协助建设天津生态城的协议。日立公司将对天津生态城的智能电网合作开发、家居节能系统、电动汽车充电管理系统等环保型城市设施建设提供先进技术及解决方案．     

基于自适应滑模控制的智能车车道保持分析

针对目前智能车车道保持控制算法对参数摄动适应性不足的问题,提出一种基于模糊自适应调节的滑模控制方法。在建立车辆线性二自由度动力学模型的基础上,采用滑模变结构控制来提高车道保持控制器对参数摄动和未建模动态的适应性;利用模糊控制自适应调节滑模面的切换增益,降低控制抖振。仿真分析表明,提出的方法不仅能够显著降低传统滑模变结构控制器的抖振,而且对参数摄动和未建模动态具有较高的鲁棒性和适应性。     

跨座式单轨交通车辆用基础制动装置制动盘国产化分析

介绍了制动盘装配位置、工作特点及使用要求,通过对现有重庆跨座式单轨交通车辆用制动盘工作特点的分析,结合当前国内铸造技术水平,对制动盘材质进行小样性能试验分析,并进行了台架试验和装车试验验证。对单轨列车制动盘铸造工艺进行了国产化研究,从中积累类似制动盘的铸造经验。     

基于视觉导航的智能小车调速控制器设计

智能小车控制是构建智能车路系统中汽车列队行驶模拟系统的基础。针对智能小车自主寻迹问题,通过对寻迹路径的偏差及偏差的导数进行模态划分,提出对应的模糊控制规则,进而以DSP TMS320F2812为主控芯片控制智能小车电机的转速,实现智能小车纵向自主控制。模型车运行实验表明智能小车速度调节算法可行。     

黑龙江省交通数字化中元数据创建问题研究

交通信息数据内容繁杂且数据量庞大,建立交通数据元数据是对其进行管理及共享的有效、可行的方法。通过对黑龙江省交通信息数据元数据的现状分析,对已有的元数据标准做必要的改进,重新建立黑龙江省交通信息基础元数据集,使黑龙江省交通信息基础元数据管理和应用更加科学、合理、规范。     

基于小波分析的交通参数组合预测方法

为了更加准确地预测交通参数的变化趋势,结合小波理论处理时变信息的优势,设计了一种在小波分析的基础上利用BP神经网络进行预测的组合预测方法。该方法采用小波理论与神经网络结合的策略,具有普适性,且比传统的基于小波分析的组合预测过程简单,为大运算量的实时应用提供了可能。利用实际数据对该方法进行了验证,并与对比算法进行了效果对比。结果表明,本文提出的方法预测效果较好,具有一定的实用性。     

城市主干路拥挤路段基于地点交通参数的行程速度估计

以提高基于地点交通参数估计主干路拥挤交通流平均行程速度的精度为目标,通过分析信号控制主干路的交通流特性及地点交通参数与平均行程速度之间的相关关系,以路段下游停车线前的截面平均速度为基础,提出了城市主干路拥挤交通流路段平均行程速度的3种估计模型,并采用仿真手段进行了对比分析。结果表明,所提出的全状态行程速度估计模型明显优于对比方法,所提出的两种分状态平均行程速度估计模型可以进一步改善全状态模型的估计效果,尤其是基于模比系数的分状态估计模型可显著提高拥挤条件下的行程速度估计精度。     

结合浮动车技术的SCATS自适应控制策略生成技术

针对SCATS信号控制系统存在的两个问题:相位差实时优化能力差和备选方案固化,尝试结合浮动车技术研究了SCATS自适应控制策略生成技术。通过改进地图匹配算法,提高浮动车路段行程时间估计精度,从而提高相位差实时优化能力以及模型的输入数据精度。同时根据实时的检测器数据和浮动车数据,采用模糊神经网络以及多属性决策技术自适应生成控制区域交叉口的配时参数。最后,以上海某SCATS控制区域为仿真路网,以SCATS采集的检测器数据及浮动车数据为仿真输入数据,以Paramics V6为仿真平台对本文模型进行验证,结果表明能够提高系统的控制效率。     

C2H技术在智能相机系统中的应用

为了解决由于大量数据频繁读写而影响系统性能的问题,在分析了应用程序各部分处理时间的基础上,介绍了一种基于Altera NiosⅡ嵌入式处理器的智能相机系统(Smart Camera System)。采用C2H(C语言转换至硬件加速,C-to-Hardware)编译器生成硬件加速器的方法来加速数据的读取和存储。同时通过修改LAN91C111网卡的驱动程序,将图像数据即时发送至以太网。该方法对于在数据处理实时性要求较高的图像采集产品中应用,有很大的实用价值。     

高等智能·机制主义·信息转换

提出了一种全新的人工智能研究方法,称为第4方法,或“机制主义”方法,从智能生成的共性核心机制入手探讨智能的本质. 结果发现,在一般情形下,智能生成的共性核心机制表现为“信息—知识—智能转换”. 进一步研究发现,知识是一个生态系统,它从欠成熟的经验性知识生长为成熟的规范性知识,再进一步生长为过成熟的常识性知识. 可以证明,此前互不相容的结构主义、功能主义、行为主义3种国际主流方法分别是机制主义方法在不同知识状态下相辅相成的特例,于是在“机制主义”框架内实现了和谐的统一,从而形成了人工智能的统一理论. 更有意义的是,还可以证明,机制主义方法更一般的表述是“信息转换”,它是研究高等智能(AI)的有效方法,与物理学的质量转换和能量转换同样重要.