导读:本文包含了跟随模式论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模式,自适应,模型,美利坚合众国,北美洲,布朗,全车。
跟随模式论文文献综述
张扬[1]（2017）在《基于前视摄像头的自适应巡航控制跟随模式研究》一文中研究指出自适应巡航控制系统(Adaptive Cruise Control,ACC)是一种根据交通状况进行自适应的车速调节系统,其作为汽车高级辅助驾驶系统(Advanced Driver Assistance System,ADAS)的重要组成部分,能够利用外界环境传感器帮助驾驶员提高驾驶安全性和舒适性,对缓解交通压力,避免人员伤亡具有重要意义。针对摄像头误识别率较低的特点,本文在Mobileye图像探测功能的基础上,以前视摄像头为环境传感器进行ACC跟随模式研究。简要介绍前视摄像头的总体方案设计,包括图像检测芯片EyeQ3、MCU以及前视摄像头工作原理;同时分析图像探测距离与相对速度的原理,通过图像探测功能发现前方多个车辆目标,确定主目标,测量与主目标的距离与相对速度,在保证一定安全距离的前提下,进行适当的制动与加速;结合传统时距模型和正面碰撞预警系统,建立合适的跟随模式安全车距模型,并根据汽车行驶和制动模型将安全距离分为四个部分:刹车报警距离、提醒报警距离、减速距离、加速距离;针对汽车行驶具有线性和非线性特性,采用具有在线参数调整的模糊PID控制算法,实现汽车自适应巡航跟随模式控制,使控制精度更高、响应更快。在Prescan中建立简单的交通环境模型、传感器及通讯模型,Simulink中建立车辆动力学模型、ACC跟随模式控制模型,利用Prescan与Simulink联合仿真,对直道、弯道、前方相邻车道车辆切入、主目标切出四种工况进行ACC跟随模式功能验证,并对这四种工况在实车上进行性能验证。(本文来源于《南京理工大学》期刊2017-12-01）
陈丽[2]（2016）在《移动对象跟随模式挖掘方法研究》一文中研究指出随着各种定位工具的不断发展,大量的移动对象数据得以被GPS设备,智能手机,无线网络设备等记录。这些移动数据作为分析移动对象行为的基础,包含着移动对象在空间和时间上的重要信息。对这些信息进行模式研究,不仅有助于理解移动对象的行为模式,而且研究成果也被应用于交通管理、动物异常行为分析、路径规划等领域。目前,移动对象模式挖掘主要集中在周期模式挖掘,频繁模式挖掘,护卫模式挖掘,集群模式挖掘等方面。本文主要针对移动对象跟随模式挖掘方法进行深入的研究。移动对象跟随模式是指跟随者与领导者有着相似的运动轨迹,但是跟随者在到达与领导者相似位置点时有一定的时间延迟。移动对象跟随模式的研究有益于许多实际的应用,例如研究动物群体中各个移动对象的亲近程度,通过分析可疑行踪来追踪罪犯等。本文的主要研究成果如下:(1)针对现有跟随模式挖掘方法中没有考虑到低采样率会导致数据不确定性这一问题。本文提出了一种从概率论角度来挖掘移动对象跟随模式的研究思路,为此提出了基于布朗桥模型的跟随模式建模方法。在收集数据时,由于设备的问题,数据的采样率可能并不高或者采样时间间隔不一致。在对这些数据进行分析时可能会造成结果的不准确或者不能如实反映真实情况。通过对移动对象的时空轨迹分布分别建模,再计算移动对象之间的跟随概率分布,可以避免外界因素对实验结果的干扰。实验表明该方法能够对跟随模式的挖掘更加精确形象。(2)在分析移动对象领导模式特点的基础上,提出了基于PageRank算法的移动对象群体领导模式挖掘算法。利用网页的拓扑结构与群体中领导模式结构的相似性,将PageRank算法引入到挖掘领导模式的问题上。提出的新算法在PageRank值的计算上提出改进,使其更适合群体领导模式的挖掘。由于REMO方法在领导模式上的定义较为严苛,导致实验结果准确性不高。本文提出的算法正好解决了这一问题。实验证明该算法在领导模式挖掘上的有效性,同时与其他算法相对比,准确性更高。(本文来源于《浙江理工大学》期刊2016-12-30）
孙喜[3]（2015）在《告别“跟随模式”——中国工业升级的自主道路》一文中研究指出面向智能制造的产业升级不再是某项单一技术、甚至某个产业的升级,而是以新的运行方式和更紧密的产业互动重塑整个工业体系。一场以"智能制造"为核心的产业剧变正在席卷全球。3D打印、工业机器人、物联网、(服)务联网、智能工厂接踵而来;各主要工业国纷纷投身这场创意大赛,"第叁次工业革命"、"先进制造业国家战略"、"工业4.0"等概念层出不穷。面对这一形势,中国政府也在今年上半年吹响了中国工业的迎战集结号:5月8日,作为中国制造强国建设战略的第一个纲领性文献,《中国制(本文来源于《文化纵横》期刊2015年05期）
周庆峰,姜书纳[4]（2013）在《兴趣跟随模式及其在教学中的应用》一文中研究指出为了提高课程教学质量,增强课堂教学效果,本文中,笔者从自身教学实践出发,提出了兴趣跟随教学模式,并从兴趣指向、兴趣引入等角度提出改革的措施。(本文来源于《读与写(教育教学刊)》期刊2013年01期）
张帆,朱振波,刘鑫,邓刚[5]（2010）在《跟随模式BiSAR动目标成像》一文中研究指出机载双站合成孔径雷达(BiSAR)对地面运动目标的检测与成像是雷达成像技术中一个重要研究内容.当地面目标运动时,目标回波信号方位向多普勒频率发生变化,带来图像位置偏移和散焦等问题.文中给出了跟随模式的BiSAR几何结构,在此基础上建立了地面成像区域目标的运动模型,进而研究了目标的不同运动分量对BiSAR成像的影响和BiSAR对动目标的检测和成像技术,并给出了计算机仿真结果.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2010年05期）
王地川,李斌花,谢晖,钟志华[6]（2004）在《汽车自适应巡航控制跟随模式的仿真建模》一文中研究指出自适应巡航控制跟随模式的研究是一个非常复杂的问题 ,大量试验分析及理论推导表明 ,传统的寻优控制方法难以获得满意的结果。该文介绍了自适应巡航控制及跟随模式的功能 ,根据模糊神经网络控制理论 ,详细分析了自适应巡航控制跟随模式下的距离控制 ,构造了适宜的五层模糊神经网络 ,对汽车自适应巡航控制跟随模式进行了仿真建模 ,推导了相应BP算法公式 ,并利用相关资料在Matlab环境下进行了仿真试验。分析结果表明 ,使用模糊神经网络技术能够取得满意的控制效果(本文来源于《计算机仿真》期刊2004年09期）
王地川[7]（2003）在《汽车自适应巡航控制跟随模式研究》一文中研究指出随着社会的发展，人们对汽车驾驶的安全性、舒适性和智能化的要求越来越高。从巡航控制技术延伸发展而来的自适应巡航控制(ACC)能够很好地与这些需求相适应，因而具有巨大的市场需求，使其成为现代汽车技术研究的热点之一。但现在轿车上装备的第一代ACC系统远远不能满足实际需要，研究开发新一代ACC产品就变得很有必要。在新一代ACC的各种行驶模式中，由于汽车大部分时间处在跟随行驶状态下，因此跟随模式研究是ACC研究中的重点。 本文讨论了汽车自适应巡航控制跟随模式的两个问题，一是跟随模式安全车距的确定，二是跟随模式控制模型的建立。 本文结合前碰撞避免系统(FCAS)的研究成果，提出了一种新的安全车距算法。与以前研究的不同在于：本文设定在同一平直车道内排队行驶的两辆同速汽车处在稳定的跟随行驶状况，当前车减速时，跟随车根据前车叁种不同减速状况采取相应的减速策略，使得最终两车有一个安全边际而不至于发生追尾碰撞。由此算得的车距就是ACC中的期望安全车距。该值考虑了汽车行驶中的各种因素，如车速、两车减速度等，比目前ACC中使用的“车间时距”更全面。 模糊神经网络(FNN)技术能够较好地处理诸如ACC这样的时变、不能精确定量分析的控制。本文运用模糊神经网络技术设计了ACC跟随模式的控制模型。研究中首先使用模糊控制表的形式建立了跟随模式的模糊模型，为进一步的模糊神经网络控制模型奠定基础，接着构造了一个五层前向BP模糊神经网络，神经元的运算采用逻辑比较计算方法，使得网络的工作方式更接近于人的思维方式，能有效适应各种行驶环境，提高控制的鲁棒性。 本文推导了ACC跟随模式模糊神经网络的运算公式，确定了需要学习的参数。并采用相关文献的实验数据，完成了跟随模式的仿真试验。对结果的分析表明，模型参数通过自适应学习，提高了模型的控制精度并减小了超调量。模型输出与司机控制行为的分析比较表明，跟随模式模型输出很“拟人化”，且相对于司机控制来讲，减少了控制超调，可以满足控制要求。 本文设计了ACC跟随模式模糊神经网络模型的Matlab仿真程序，是ACC开发的有益探索。(本文来源于《湖南大学》期刊2003-03-01）
跟随模式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着各种定位工具的不断发展,大量的移动对象数据得以被GPS设备,智能手机,无线网络设备等记录。这些移动数据作为分析移动对象行为的基础,包含着移动对象在空间和时间上的重要信息。对这些信息进行模式研究,不仅有助于理解移动对象的行为模式,而且研究成果也被应用于交通管理、动物异常行为分析、路径规划等领域。目前,移动对象模式挖掘主要集中在周期模式挖掘,频繁模式挖掘,护卫模式挖掘,集群模式挖掘等方面。本文主要针对移动对象跟随模式挖掘方法进行深入的研究。移动对象跟随模式是指跟随者与领导者有着相似的运动轨迹,但是跟随者在到达与领导者相似位置点时有一定的时间延迟。移动对象跟随模式的研究有益于许多实际的应用,例如研究动物群体中各个移动对象的亲近程度,通过分析可疑行踪来追踪罪犯等。本文的主要研究成果如下:(1)针对现有跟随模式挖掘方法中没有考虑到低采样率会导致数据不确定性这一问题。本文提出了一种从概率论角度来挖掘移动对象跟随模式的研究思路,为此提出了基于布朗桥模型的跟随模式建模方法。在收集数据时,由于设备的问题,数据的采样率可能并不高或者采样时间间隔不一致。在对这些数据进行分析时可能会造成结果的不准确或者不能如实反映真实情况。通过对移动对象的时空轨迹分布分别建模,再计算移动对象之间的跟随概率分布,可以避免外界因素对实验结果的干扰。实验表明该方法能够对跟随模式的挖掘更加精确形象。(2)在分析移动对象领导模式特点的基础上,提出了基于PageRank算法的移动对象群体领导模式挖掘算法。利用网页的拓扑结构与群体中领导模式结构的相似性,将PageRank算法引入到挖掘领导模式的问题上。提出的新算法在PageRank值的计算上提出改进,使其更适合群体领导模式的挖掘。由于REMO方法在领导模式上的定义较为严苛,导致实验结果准确性不高。本文提出的算法正好解决了这一问题。实验证明该算法在领导模式挖掘上的有效性,同时与其他算法相对比,准确性更高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
跟随模式论文参考文献
[1].张扬.基于前视摄像头的自适应巡航控制跟随模式研究[D].南京理工大学.2017
[2].陈丽.移动对象跟随模式挖掘方法研究[D].浙江理工大学.2016
[3].孙喜.告别“跟随模式”——中国工业升级的自主道路[J].文化纵横.2015
[4].周庆峰,姜书纳.兴趣跟随模式及其在教学中的应用[J].读与写(教育教学刊).2013
[5].张帆,朱振波,刘鑫,邓刚.跟随模式BiSAR动目标成像[J].武汉理工大学学报(交通科学与工程版).2010
[6].王地川,李斌花,谢晖,钟志华.汽车自适应巡航控制跟随模式的仿真建模[J].计算机仿真.2004
[7].王地川.汽车自适应巡航控制跟随模式研究[D].湖南大学.2003
论文知识图
