摘要：为了实现北斗B1C+B1I信号的联合生成,提出一种基于软件无线电和图形处理器(graphics processing unit,GPU)加速的北斗B1宽带复合信号的实时生成方法,该方法针对单边带复数二进制偏移载波(single-sideband complex binary offset carrier,SCBOC)调制方式的信号体制进行设计,系统根据用户配置的接收机运动轨迹和星历文件,生成中频信号并通过射频端发射。为了进一步提升GPU并行运算速度,从优化设备内存结构、设计并行线程架构和统一计算设备架构流(compute unified device architecture stream,CUDA)加速3个方面,设计了基于异步运算的加速采样点数据计算的CUDA优化实现方案。测试结果证明,优化后的算法可以基于SCBOC调制实时生成北斗B1I+B1C信号,基于GTX3060的GPU平台,信号90 M采样率下能实现8颗卫星复合信号的实时生成。

摘要：通过理论与实验对比,证明模式传输分析(MPA)方法求解单模-多模-单模(SMS)结构的可行性.以MPA理论为基础,提出了SMS结构折射率传感装置线性响应点的寻找方法.利用该方法为实验制作的无芯光纤SMS折射率传感器设计了大范围高分辨率线性响应位置,并在实验中获得证实.实验采用短至4.4mm的直径104μm无芯光纤,在折射率1.326—1.417范围上获得了19.10dB的功率线性变化,以商用光功率计0.01dB分辨率计,折合折射率分辨率4.76×105,实现了理论指导下的大范围高分辨率线性响应.

摘要：建立了双向双车道环境下单车超越车队模型,分析了影响双向双车道超车危险区域范围的主要因素;设计了分步式单车超越车队算法,研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系,提出了车辆入队所需最小安全间隙的速度匹配方案;建立了单车超越车队算法的目标函数,设定最大允许超车时间内超车车辆与车队行驶距离最大,超车车辆超越车队车辆数最多,前、后车形成安全间隙过程中加速度、减速度最小;提出了基于改进粒子群的分级约束多目标优化方法,为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明:双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系;改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度,平均收敛时间缩短39.2%;在分步式单车超越车队过程中,车队车辆平均速度提升9.04%,即在车队间隙生成过程中,虽然部分车辆速度减小,但车队整体平均速度得到提升;超车车辆平均速度提升16.8%,即在超车过程中,不仅超车车辆的安全性得到保证,其运行效率也得到提升。

摘要：提出了一种用于分析车联网关键指标对车辆安全影响的仿真测试方法。首先,基于微观交通流仿真软件设计了危险跟驰、换道等基础仿真场景;然后,分析了基于高斯分布的定位误差模型和单跳通信延误模型,并建立了定位误差、通信延误和渗透率在仿真过程中的执行策略;接着,基于车辆最小安全距离跟驰模型和车辆非线性分段制动模型分别提出了车辆危险跟驰预警和危险换道预警方法;最后,通过建立基于HLA(high level architecture)的车联网仿真平台对不同定位误差、通信延误和渗透率对车辆安全的影响进行了仿真测试。结果表明,在危险跟驰场景中,在注入了基于高斯分布的定位误差后,预警成功率为88%,预警成功率随着预警策略中减速度的减小而增大;在危险换道场景中,在注入了单跳通信延误后,预警成功率达100%;成功预警数随着OD(origin destination)取值和渗透率的增大而增大,并且受渗透率影响更加明显。

摘要：为了提高城市交叉口通行效率,在车路协同环境下对无信号交叉口优化控制方法进行了研究。设计并采用基于时延Petri网(Timed Petri Net,TdPN)的无信号交叉口优化控制方法,利用TdPN建立无信号交叉口控制模型,并依此建立交叉口车辆最快消散目标函数,采用递归方式求解车辆最优通过序列;利用Q-Paramics构建基于车路协同环境下的无信号交叉口仿真平台,分析该方法在不同交通流量下对交叉口平均延迟、平均停车次数、平均排队长度和平均速度4个交通参数的影响,并将其与传统的信号控制方法进行对比。研究结果表明:基于TdPN的无信号优化控制方法能够在一定程度上缓解中小交通流量下的交叉口通行问题,并且其控制结果明显优于传统的感应控制方法。

摘要：为了对车路协同系统的功能进行有效测试,提高测试效果,对测试序列优化方法进行了研究。通过对车路协同系统进行功能需求分析,构建包含多交叉路口、多路段、多车的车路协同系统典型应用仿真场景,并对典型场景利用故障树分析的方法进行功能特征分析,建立基于系统功能特征的系统测试用例,研究车路协同的功能特征,生成的测试用例进行带端口标记的时间输入/输出自动机建模,并用建模工具UPPAAL完成建模实现,利用UPPAAL建模工具的测试序列生成模块,完成基于带端口标记的时间输入/输出自动机的测试序列的自动生成,得到针对车路协同系统仿真测试的测试序列。着重设计运用萤火虫算法和免疫算法对已经生成的测试序列进行优化,并且从序列覆盖度、冗余度、快速性方面对测试效果做出了评估。研究结果表明:当示例场景状态数较多时,优化算法能保证测试序列的覆盖度为100%,且能降低测试冗余82%,缩短测试时间约为10s;基于萤火虫-免疫算法的测试序列优化方法在测试冗余的降低上卓有成效,且优化算法较时间自动机而言能够更快更有效地降低测试冗余,优化算法的测试效果明显优于时间自动机生成的原始序列;通过对测试冗余的降低实现测试效率的提高具有可行性。

摘要：提出了一种联网智能车运动学仿真基础环境构建方法,该方法无需任何第三方交通仿真软件的协助,能够实现对联网智能车运动学相关功能的仿真验证.采用交叉口节点作为路网关键元素实现对仿真路网的描述,定义了交叉口和车辆属性,设计了车辆运动学模型在仿真环境中的实现方法,给出了基于高斯分布的车辆定位误差、基于平均分布和Rayleigh分布的通信延误在仿真中的运行机制,构建了仿真环境.仿真结果表明:该方法可靠性好;采用该方法构建的仿真环境得到的车辆延误与HCM 1994车辆延误模型结果保持一致;在危险跟驰预警场景中,预警时刻两车间距的变化规律与论文提出的定位误差模型和通信延误模型保持一致.最后,通过对交叉口车辆间隙控制方法进行仿真,进一步证明了该方法对联网智能车运动学方面功能验证的支持.

摘要：列车连续、高精度定位需要惯性测量单元(IMU)提供可靠的姿态校正补偿数据,IMU输出的数据质量会受外部环境干扰、内部结构磨损等影响而降低,因此有必要对IMU性能指标参数及剩余使用寿命(RUL)预测开展研究。根据IMU组成结构与性能评价准则,选取IMU中陀螺仪和加速度计的随机误差指标表征设备性能状态,在对IMU多关键部件特征进行分析的基础上,设计基于非线性漂移Wiener过程的IMU性能退化模型,构建基于Copula函数的二元性能参量RUL联合分布函数;分别采用后向平滑(RTS)和期望最大化(EM)联合算法、极大似然估计(MLE)算法估计性能退化模型参数和Copula函数中未知参数,实现RUL的实时自适应更新预测。基于RUL预测方法对IMU剩余使用寿命进行预测,与列车定位系统中IMU的实际性能退化监测数据对比。结果表明,采用本文提出的算法,IMU失效前最后6个监测时刻RUL预测期望值的均方相对误差(MRE)为9.87%,相比基于陀螺仪寿命预测方法降低了3.27%。

摘要：针对列控车载子系统数据庞杂混乱等特点,引入数据空间模型概念,分别建立列控车载子系统物理空间特征数据模型和时间特征数据模型;以此为依据,设计一种基于时空特性分析的可靠性分析算法,对典型系统及设备可靠性进行分析。结果表明,在物理空间特性方面,少数系统故障率较高,通信等四类故障约占全部故障的74%;在时间特性方面,系统群故障率波动较大,单系统月故障率约10%,故障次数与时间无明显依赖关系;选取的两类设备故障间隔时间均符合威布尔分布,通信设备和继电器设备可靠性下降到50%的时间分别约为200 h和100 h,通信设备可靠性优于继电器设备。本文提出的数据空间模型和时空特性分析能够较好地支持车载子系统的可靠性分析。

摘要：快速测试导航接收机的性能,确保接收机正常工作是在铁路装备中应用卫星导航技术的前提,相应的卫星信号模拟技术是促进卫星导航相关设备研发、测试设备性能的重要手段。而传统的卫星导航信号模拟设备价格高昂,并且不能兼具场景设置的灵活性和设备的便携性。为解决上述问题,采用一种结合软件无线电思想,基于GPU与CPU异构并行计算架构的软件信号生成方法,并以生成GPS L1C/A信号为例,详细分析信号生成过程中的并行计算结构、GPU内存结构以及场景参数设置方法,实现了高带宽导航信号的实时生成。为验证信号生成方法针对铁路装备测试的实用性,使用京沈客运专线和国家铁道试验中心环形试验场的轨道坐标测量数据,设计了静态单点,加减速状态及弯道状态三个测试场景,实时生成信号并使用硬件接收机对信号进行定位解算,结果表明,生成信号的水平位置误差在2 m以内,速度误差小于0.05 m/s,定位误差在接收机误差范围之内,满足针对接收机进行测试的需求,为铁路装备测试提供了新的方案。