钩形弯交叉口信号协同控制优化方法研究

针对车辆在钩形弯交叉口与相邻常规交叉口间的整体运行特性，建立了各条车道的车辆平均延误计算模型。以各交叉口的周期时长和相位绿灯时间为约束，钩形弯交叉口与相邻常规交叉口间的车辆平均延误最小为目标，建立了信号协同配时方案。以位于苏州市高新区内有轨电车沿线的两个相邻交叉口为例，采用实际数据验证所建立的方法，并设置钩形弯渠化方案。将设置的钩形弯交叉口与其相邻常规交叉口的信号协同作为改进方法，在VISSIM软件中对比分析改进方案与现状方案的车辆延误指标。实验结果表明，钩形弯交叉口与相邻常规交叉口的信号协同优化方法可有效提高交叉口的通行能力，尤其是干道直行机动车的通行能力，可降低车辆的平均延误。     

直接转弯带式输送机的研究设计

探讨了直接转弯带式输送机的结构特点，给出了其关键部件转弯滚筒的设计参数和布置方式。     

神秘飞人之谜

正核心提示:1955年10月18日,一个奇异的漂浮平台在英国被人看到了。当时一位名叫克斯利的牧师正在火车上旅行,火车是开往伦敦的,当火车停在西汉普斯泰德高架桥下时,克斯利看到了一个中巴车大小的灰色平台出现在大约30多米的高空,非常安静地飞行着,速度有10米/秒的样子。上面有大约20个士兵样子的人,戴着头盔,穿着黄褐色的制服,平台在他的视线范围内飞行了有三四分钟。神秘的现象引发了国际社会的关注……     

犁式滑雪转弯膝关节软骨有限元分析

随机挑选200名实验对象,记录他们的基本信息、关节角度和滑行速度,对其中181个有效数据进行分析.根据1名志愿者的MR,CT数据建立了膝关节140°软骨与骨的三维模型.根据运动学分析结果和膝关节解剖学结构定义载荷及约束,在Abaqus 6.14中得出转弯膝软骨应力集中出现的位置.研究结果表明:体重过大、速度过快时应适当增大转弯半径以减少向心力对膝关节软骨施加的应力;犁式转弯的过弯速度应控制在3 m/s之内.     

蹲踞式起跑与转弯跑中的物理学知识

我国成功地举办了第29届奥林匹克运动会,运动健儿们都取得了优异的成绩,创造了许多新的世界纪录,我们在享受奥林匹克的精神大餐时,同时也应关注其中的物理学奥妙。奥运会中短跑是一项分秒必争的田径运动项目,所以在短跑中的每一环节包括起跑对运动员来说都是至关重要的,那么在比赛中运动员如何跑才会达到理想的效果呢？本文就带着这个问题讨论了短跑中起跑和转弯跑时的物理学原理。     

叉车的横向稳定性与转弯安全

本主要介绍及时减速、正确把握制动与转向、合理装载货物，有助于提高叉车在满载堆垛和空载行驶急转弯时叉车的横向稳定性，以确保转弯安全的问题。     

仿生机器鱼巡游性能分析与实验

以鱼体运动行波方程为动力学基础,参照鱼体尾部运动函数方程设计了"BLRF--I"系列仿鲹科机器鱼.在该系列机器鱼中,采用模块化设计结构,可以方便地更改尾部驱动舵机的数量,形成仅有驱动舵机数量不同、其他机制完全相同的单关节、两关节和三关节仿生机器鱼.对"BLRF--I"系列机器鱼的巡游速度与最小转弯半径进行实验分析.结果表明,"BLRF--I"系列机器鱼尾部驱动舵机数量的增加可以有效地提高巡游速度,最小转弯半径在舵机数量为2时达到最小.进而论证了仿生机器鱼关节数目对机器鱼游动性能的影响,并提出了仿生机器鱼关节数目和巡游速度的关系方程.     

二维DMesh网络中基于转弯模型的无死锁路由算法研究

路由算法对整个互连网络的性能有着至关重要的影响。二维DMesh网络有效地结合了Mesh网络以及高阶路由器的优势,降低了网络的拓扑直径和平均跳步数,为消息传输提供了更多的可选择路径。针对DMesh网络,设计了一种基于转弯模型的适应性无死锁路由算法,该算法为消息传输提供了更多的灵活性。当网络中负载率较高时,能够指导消息避开拥塞区域和热点路由器,降低等待时间,最终指导消息以更快的速度到达目的节点。对新提出的路由算法进行了路径多样性方面的分析,并对算法的无死锁性进行了严格的证明。仿真实验结果表明,与DMesh网络中传统的DXY路由算法相比,这种新的适应性路由算法有效地降低了平均延迟,增加了消息传输的灵活性,最终提高了整个网络的通信性能。     

目标跟踪中飞机无坡度转弯操纵方法研究

飞机无坡度转弯技术在目标跟踪中具有重要地位。给出了飞机带坡度转弯时的操纵方法和转弯性能计算公式。根据带坡度转弯特点,分析了无坡度转弯的特点,提出了无坡度转弯操纵方法。最后给出了无坡度转弯时主要性能指标简化计算公式。建立了飞机无坡度转弯时飞机动力学模型,给出了无坡度转弯时初步控制算法。基于某飞机气动模型,对无坡度转弯操纵方式及性能进行了仿真验证,给出了提高转弯性能的建议方法。     

基于模糊逻辑和机动检测的AGIMM跟踪算法

针对机动目标高机动和多阶段运动的特性,单模型跟踪算法难以实现精确跟踪的问题,提出一种基于模糊逻辑和机动检测的AGIMM跟踪算法。考虑现有的AGIMM算法网格模型收敛速度慢和机动检测方法过于依赖模型后验概率的问题,首先引入模糊逻辑算法计算机动检测的可信度,然后利用机动检测可信度信息、目标的机动信息和模型的后验概率调整跟踪模型集的结构,克服了AGIMM算法模型收敛速度慢的不足,实现了模型与目标运动模式的快速匹配。仿真结果表明:与AGIMM算法和固定结构交互式多模型算法相比,文中提出的算法使得不同条件下的位置跟踪误差分别至少降低5.6%和15.1%,说明该算法具有更快的模型收敛速度和更高的目标跟踪精度。