针对现实中交通正常运行状态远多于事件状态这一事实,提出了面向不平衡数据集的交通事件检测算法。运用SMOTE (Synthetic Minority Over-sampling Technique)算法重构训练集,使之平衡,以支持向量机(Support Vector Machine ,SVM)作为分类器,对交通事件进行检测。使用美国I-880高速公路获取的交通数据进行算法的训练和性能测试。结果表明,基于SMOTE-SVM的交通事件自动检测(Automatic Incident Detection , AID

经典CIC抽取滤波器处理宽带信号时幅频响应不理想，满足带外衰减指标时，通带衰减过大，难以满足抗混叠性能要求。针对该问题，提出了一种改善性能的方法，在已有的分级抽取滤波器的基础上利用锐化技术提高滤波器阻带衰减，并利用补偿滤波器在采样率降低后对通带进行额外补偿，减少计算量的同时使带内更平坦。仿真分析表明，改进后的滤波器的通带衰减度均大于-0.002 dB，阻带衰减小于-57 dB，抗混叠性能优良。

根据充填采煤液压支架结构原理及控顶作用，建立了支架顶梁的力学模型，分析得出了顶梁受力情况及3排立柱受力之间的关系；运用Pro/E软件对支架进行三维建模和运动学仿真分析，模拟出主要部件的运动过程，得出各主要部件在工作过程中的运动特征曲线，并对支架参数进行了校核。基于以上分析结果设计制造了ZZC8800/20/38型充填采煤液压支架，支架前、后排立柱受力分别是中立柱支架受力的4.1倍、4.6倍。该支架在平煤十二矿成功应用表明受力分析及设计是科学合理的。

针对现有水质监测系统存在的问题,设计实现了基于ZigBee无线网络技术和嵌入式系统技术的水质在线监控系统.系统以CC2530和ADS1234为核心,组成水质监控节点,部署于监控水域对水质信息进行采集、预处理和无线发送等工作,通过基于ARM11的嵌入式网关与以太网连接,将采集数据传输至远程主机,通过远程监控中心系统实现对采集数据处理和实时监控.试验结果表明,系统实现了稳定可靠的数据传输,时效性好,运行成本低,适合水质信息的远程和实时监控.

针对影响射频窄带信号时延估计精度的3个主要因素:中频偏差、信号带宽及信噪比,提出了一种基于频差补偿的相位谱时延估计方法。其采用平方倍频法分别估计两路信号的中频,通过频差补偿消除中频偏差对时延估计精度的影响;利用线性调频Z变换(CZT)在有限带宽内增加时延估计的有效点数;并针对相位法自身的特点利用Kalman滤波器优秀的抗噪声特性提高时延估计的精度。理论分析和实验仿真均验证了该方法的有效性。

针对TASI两步法相机标定过程无法求解相机主点位置的问题，引入灭点几何约束进行改进，推导并建立了平面格网上两组正交直线透视投影形成的双灭点与相机内参数以及TASI两步法相机标定过程参数间的严格数学关系，详细阐述了综合运用双灭点与径向准直约束计算相机内参数的迭代过程，并以此为基础，给出了相机外方位参数以及径向畸变参数的求解步骤。实验结果验证了该改进方法的有效性。

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型。通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数。对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE,MAE,MPE和Th

高速动平衡机摆架的动力学特性直接影响到动平衡试验的准确性.为了改善动平衡机摆架的动力学特性,分析了动主刚度杆对平衡机摆架动刚度的影响.首先,使用有限元分析软件ANSYS建立高速动平衡机摆架模型,对其进行模态分析,得到动平衡机摆架的各阶频率和振型,除去对动平衡机摆架工作无影响的固有振型.对不同结构的摆架进行模态分析,比较计算结构,除去对动平衡机摆架固有频率没影响的结构.其次,在简化模型的基础上,提出摆架主刚度杆的5种改进方法.分别对各种改进之后的摆架进行谐响应分析,得到动刚度与频率关系曲线.结果表明,适当改

根据Spalart-Allmaras模型建立了NACA0006翼型二维湍流流动模型,并对模型近壁面进行了网格加密处理。利用Fluent软件模拟了NACA0006翼型的二维湍流流动,得到在不同攻角及马赫数下升力系数和阻力系数的变化特性。研究结果表明,在所选攻角范围内,随着攻角的增大,升力系数和阻力系数均逐渐增大;在跨音速区,由于激波的产生,升力系数急剧下降。Fluent为研究翼型气动特性提供了重要参考和依据。

针对短时傅里叶变换等时频分析方法不能提取由腿部和手臂运动产生的细致微多普勒特征这一问题，提出了采用分数阶傅里叶变换的雷达步态信号分析方法。在短时傅里叶分析的基础上，应用分数阶傅里叶变换对步态回波信号进行处理，由实测步态数据生成分数阶傅里叶变换谱图并进行了详细分析。结果表明，通过分数阶傅里叶变换可以从步态数据中提取出手臂、腿部摆动的细致微多普勒特征。