在车道偏离预警、防止及车道保持等基于机器视觉的驾驶安全辅助系统中，为解决单一直线模型无法预估道路曲率，而曲线拟合方法计算量大等问题，应用车道线直线模型，提出了一种基于远端直线拟合的弯道曲率估计方法，其特征在于车道线仍使用全局直线描述，估计曲率时对远端候选点进行直线拟合．由于保证了较多的候选点数量且使用Hough变换检测直线，以及利用跟踪、滤波等方法，算法在保证车道线检测鲁棒性的同时，基于远端直线拟合方法实现了对弯道曲率的相对定量估计．采用装有全球定位系统(GPS)的实车试验进行验证，结果表明：所提方法在增

针对非线性船舶航迹控制系统，利用Backstepping方法和李亚普诺夫直接法，提出一种非线性鲁棒控制算法，并设计直线航迹控制器。仿真结果表明，控制器可以使船舶航向偏差和航迹偏差同时稳定在平衡点，航迹偏差几乎无抖震，稳定时间明显缩短，并可通过设计参数调节，使船舶直线航迹跟踪控制效果理想。控制算法具有强鲁棒性。

以三相异步电机调速原理为基础,为获取电机机械调速特性曲线,运用 Matlab M语言编程实现改变频率 及改变转差率获取异步调速机械特性曲线的仿真分析。通过实例仿真结果表明程序实现简单,通用性强,参数易修 改,图形方便直观,可以为三相异步电机调速设计、实验及其应用提供理论指导。

可重构天线旨在使天线能够根据实际环境的需求实时的重构天线的特性,以适应高速发展的通信技术.可重构天线按照其功能可以分为频率可重构天线、方向图可重构天线、极化可重构天线以及混合可重构天线.对近年来国内外关于可重构天线的主要研究成果进行了总结,分析了各种功能的可重构天线的设计方法.在此基础上,对可重构天线的研究前景进行了展望.

从高铁数据中分析得到高速列车的运行状况对保障高铁安全至关重要.列车的振动数据就是其中之一,这些振动数据是通过多个传感器以一定的采样频率得来的.一个1～2d的测试实验将得到GB以上的数据,因此振动数据分析之前的预处理过程必不可少,包括异常点处理、消除线性趋势项等.异常点处理是指先用通用规则发现异常点,并用其邻近的数据点来恢复它的值.线性趋势项是指测试设备的原因使得采集的数据有一个线性的偏移,不处理偏移,则误差将会进一步累积.传统的振动数据预处理方法是顺序逐个处理文件,处理时间长,不能满足要求,且受内存的限制

针对并联机器人在设计过程中的约束变量多、干涉情况复杂和设计周期长等问题，进行电动六自由度并联机器人结构参数设计与仿真的研究-以Stewart并联机器人为例，对并联机器人工作空间的两种求解方法进行了分析。首先利用几何法求解出其工作空间，然后提出一种基于虚拟样机技术求解其工作空间与承载能力的方法。这种方法利用Pro/E软件进行三维设计，将三维造型导入Adams软件中进行动态仿真。仿真结果表明，该方法在保证仿真结果可靠性的前提下，可避免烦琐的计算，缩短设计周期。

为了校正广角镜头的桶形畸变，提出一种新的桶形畸变数字校正方法。它使用点阵样板校正的方法，根据畸变图和理想图中圆点的位置关系，得出畸变图像素在X轴和Y轴方向上的偏移量曲面，采用三次B插值函数对曲面插值；由曲面插值获取像素点的偏移量，对各像素进行坐标转换得到校正图像；然后对图像进行了双线性插值的灰度重建。仿真结果表明，该方法使图像的坐标位置和灰度都得到很好的校正。

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。

针对分布式高频地波雷达(HFSWR)的工程应用,研究了基于自适应混合算法(AHA)的阵列无源校正方法.该方法将阵列误差估计问题转化为多元参数的联合估计问题,利用改进的混合算法得到了该优化问题的最优解估计.利用海洋回波校正了分布式高频地波雷达阵列幅相误差之后,将该方法应用到雷达系统的阵列互耦误差校正.仿真和现场实验实测数据的分析表明,该方法对空间谱算法性能的改善十分明显,验证了其有效性.

为真实反映飞机起飞着陆的滑跑过程,记录了某型飞机的速度、加速度传感器现场数据,建立了飞机起飞着陆滑跑过程的微分方程并进行了解算;基于飞机滑跑过程的微分方程采用Simulink对飞机起降性能进行建模和仿真,记录数据、理论结果和仿真结果三者对比验证了所建立的仿真模型是有效的。基于该模型对该飞机滑跑过程进行仿真分析,结果表明起飞和不放阻力伞着陆过程可近似为匀加速直线运动过程,放阻力伞着陆过程则比较复杂。最后,研究3个主要参数对滑跑距离的影响,结果表明滑跑距离与机场海拔和风速呈近似线性关系,与迎角呈非线性关系且在