共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

光散射法扬尘监测仪关键设计与数据分析

为提高光散射扬尘监测仪对环境空气中颗粒物PM10及PM2.5的测量的稳定性及精度,通过对光散射扬尘监测仪的关键设计,提供一种温湿度传感器以及动态控制系统,消除环境湿度对采样气路的影响;设计零气校准及自动吹扫系统防止高浓度颗粒物对光学气室的污染,提高本底测量精度,从而实现光散射法扬尘监测仪测量精度更高、稳定性更好.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

煤直接液化油中混合酚的分离研究

利用分子筛择形特点，对煤直接液化油中的混合酚实施高效分离。本研究选取间甲酚和对甲酚作为分离煤直接液化油馏分段混合酚的模型化合物，采用化学液相沉积法对HZSM-5吸附剂的孔口结构进行改变，分析分子筛硅铝比及颗粒粒径对模型化合物间甲酚和对甲酚吸附分离性能的影响，以获得高性能固相吸附剂，并将其应用于180-190℃馏分段混合酚分离。结果表明，当分子筛硅铝比为25、粒径为3-5 μm时，分子筛的孔口结构调节效果最优；当正硅酸乙酯的最小用量为0.2 mL/g时，固相吸附剂的吸附量为0.03 g/g，对甲酚选择性高于95%。由于外表面沉积物对吸附剂的孔口结构变化，导致对甲酚选择性的提高。进一步采用HZSM-5（1）吸附剂对真实煤直接液化油混合酚的分离中发现，苯酚和对甲酚的选择性均达到100%。     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

基于有限状态机的售卖机控制器的设计与仿真

自动售卖机是商业模式下自动化实现的典型应用之一,随着嵌入式系统和自动化技术的不断发展,其应用也越来越广泛。有限状态机作为一种反映状态间转移的数学模型,可以被用在嵌入式系统控制器的设计开发中。利用有限状态机技术对自动售卖机的控制器进行设计,利用Verilog HDL语言将控制器编程实现,并在Model Sim中进行了仿真,实验结果证明了该方法的可行性。     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

网络设备配置标准化系统研究

网络设备配置标准化平台的设计紧密结合实际工作的需要,注重实际应用,操作简单.网管人员只需填写设备的基本信息即可自动生成配置脚本.通过网络设备配置标准化平台的应用,可大大减少网管人员配置设备的工作量,同时可以降低因配置不规范引发的设备运行风险,减轻运维工作量,提升工作效率,确保业务系统稳定运行.     

基于混合高斯模型的储物柜存取货行为检测方法

针对储物柜存取货物场景的实际情况和人员行为的特点，提出一种通过融合时间调整机制控制前景融入背景的改进型混合高斯建模检测方法，并引入手臂识别机制。融合时间调整机制减小了由于人员停止运动而错误决策为背景的可能性；手臂识别算法模型有效地识别人员伸手动作。实验结果表明，该方法可以简单有效地从连续的图像序列中检测出人员在储物柜场景下的存取货物行为。