一、时序编程技术在交通信号灯上的应用（论文文献综述）
陈晓勇,袁松,齐丽曼[1]（2022）在《交通信号灯的实验画面设计》文中指出本设计采用西门子S7-200smart PLC和西门子的触摸屏作为交通信号灯实验画面设计的基本硬件,然后从硬件设计、PLC控制程序的软件设计两方面出发,详细介绍了设计原理、硬件接线、时序图及触控画面,实现了对交通信号灯的运行可靠控制,达到预期的设计目的。
刘琳琦[2]（2021）在《大型活动交通应急疏散仿真系统的设计与实现》文中认为伴随着我国经济的迅猛发展,越来越多的国际级大型活动在中国举办,这对我国的道路交通带来很多考验。大型活动在举办时带来的人车聚集,导致在活动散场后周边的交通很有可能出现拥堵状况,甚至有可能由此引发交通事故,这对市民出行生活带来极大不便,因此市政交通管理人员迫切需要寻找因大型活动散场带来的交通拥堵问题的解决办法。而在影响大型活动周边路网交通的众多因素中,交叉口信号灯对该区域交通的调控与活动散场后车辆的行驶路径成为两个十分关键的因素,这也是现代交通管理的重要组成部分。在大型活动散场后,通过调节周边区域信号灯与诱导车辆在该路网内的行驶路线达到缓解因活动散场带来的交通影响,是交通管理人员解决此类问题的常用办法。在上述背景下,本文研究了大型活动交通管理方式的不足,结合仿真场景构建、最优路径搜索以及系统前后端分离开发等技术优势,设计并实现了大型活动交通应急疏散仿真系统,旨在帮助市政交通管理人员对城市中频繁举办的大型活动进行系统管理,并高效、低成本的快速疏散该场景下区域性拥堵的车辆,以此消除因大型活动带来的交通影响。本文首先对相关技术与理论做了深入调查与研究,针对系统中需要面对的关键问题与难点,本文设计了合理的解决方式与算法:第一点是对于活动散场后交通仿真场景的还原,本文通过解析路网文件、分析散场车流的走向设计了一套基于当前路网的车流生成算法,并将车流写入车流文件,将路网与车流进行配置构建出仿真场景;第二点是路网中交通信号灯的调节,本文针对活动散场后的交通环境特征设计了路网区域车流量均衡模型,将道路情况输入模型获得信号灯调节方案并对其进行自动调节;第三点是对于参与活动车辆在散场后的行驶路线诱导,本文将当前道路车流密度与信号灯相位情况综合考虑,设计了针对动态路网的车辆路线计算方法,可根据道路交通状况的变化动态计算最优行驶路径,使车辆更快的驶离拥堵区域。本文根据系统的使用场景与功能需求,对系统进行了架构设计、各个功能模块的详细设计以及具体实现,实现了交通仿真场景构建模块、交通应急疏散模块、大型活动管理模块、用户管理模块以及用户展示模块。同时,通过对系统进行单元测试与集成测试,并针对各个模块功能设计了多个测试用例,最终验证了系统功能的正确性与实用性,并能够满足设计目标中的功能需求。
车健生[3]（2021）在《S7-200一维数组构建及时序状态数组编程方法》文中研究指明随着PLC应用日益广泛,程序需求数量和设计难度增加,梯形图经验设计法中存在的试探性、随意性、不易阅读、难以维护等问题进一步凸显。原因之一是其设计中忽视数据结构的建构与运用以及框架设计。文章提出了在S7-200下构建一维数组的梯形图定义及初始化方法。以十字路口交通灯为例,阐释了对于时序状态周期性变化的一类题目PLC梯形图编程框架式通用算法。
曹晓磊[4]（2019）在《基于车载视频的行车违章行为识别算法设计与实现》文中指出驾驶行为识别是机器视觉领域一项热门课题,是汽车辅助驾驶行业的首要研究目标。相较于目标识别,行为识别具有特殊的空间时序特征,因此通过盲目的增加数据集数量很难在各种深度学习经典网络上使行为识别的结果收敛。目前的辅助驾驶行业,虽然在日新月异的发展,但由于行为识别算法的局限性,目前车辆驾驶行为识别主要通过各类传感器以及GPS定位系统进行空间时序特征数据采集,该方法受环境条件限制,在隧道、地下、或者无基站覆盖的区域无法正常运行。针对以上情形,本文提出了一种基于视觉运算的违章行为识别方法,通过静态的目标元素识别与动态的场景状态识别相结合,实现实时识别车载视频中闯红灯违章驾驶行为和不礼让斑马线违章驾驶行为的目标。论文的具体研究工作分为三个部分:（1）对车载视频中的重要元素进行静态的目标识别,提出了一种Mobile Net-DSSD的轻量级网络。该网络致力于解决车载视频中静态交通元素识别的主要问题:多尺度目标分类与定位、小目标检测鲁棒性以及轻量型检测,该网络在DSSD网络的基础上,将主干网络由Resnet-101网络替换为添加卷积层后的Mobile Net网络,修改DSSD网络反卷积模块的特征融合模式以及调整特征融合层序号,以多尺度分类与定位、小目标检测鲁棒性、轻量级网络构架三个识别需求为目标,设计了Mobile Net-DSSD网络。实验表明,该网络识别车载视频中各类交通要素的平均准确率达到74.91%,识别车载视频中红绿灯、行人等小目标的平均准确率达到了76.4.%,网络的卷积乘计算量为790万次,相对于SSD网络,Mobile Net-DSSD网络的小目标的识别准确率提高了12.85%,卷积乘计算量减少了95.28%。（2）对车载视频中的行车场景进行场景状态识别,提出了一种可以用来识别车辆到达停止线以及斑马线状态的方法。场景识别一直是自动驾驶领域较难实现的问题,车载视频中的行车场景具有很强的空间位置特征以及时序位移特征,然而由于二维像素域在成像过程中发生畸变,直接通过像素坐标进行计算并不能有效的诠释行车场景所具有的空间位置关系以及时序位移特征。本文基于车道线消失点来进行像素域到空间域的坐标转换,以获得场景中目标的空间相对坐标,然后基于空间相对坐标,针对行车场景各状态的空间位置关系特征以及时序位移特征进行场景状态识别。实验表明,该方法可以有效地解决像素坐标直接进行空间位置计算的不足,车辆达到红绿灯路口场景状态的识别精准率为0.70,召回率为0.77,车辆到达斑马线路口场景的识别精准率为0.71,召回率为0.58。（3）对车载视频中的违章操作进行行为识别,提出一种违章行为状态迁移的编程思路。与目前发展迅速的固定视角单目标的运动轨迹跟踪相比,车载视频中的违章行为识别属于背景信息不断变化的多目标轨迹跟踪,同时车载视频中的违章行为主体并不直接出现在视频图像中,违章行为需要通过视频中各种背景参照物间的空间位置关系间接的识别。本文对车辆即将到达违章场景,正在通过违章场景,完成违章场景等状态的时序特征进行分析,并通过背景画面的边缘信息以及交通信号指示灯的运动规律进行车辆运动停止、拐弯直行的行车状态识别,通过阈值的调整,使系统的识别效果达到最优,通过帧率的调整,使系统可以满足实时性的要求。实验表明,在帧率设置为3时系统可以达到实时监测的要求,此时闯红灯识别系统的识别精准度0.63,召回率0.75,不礼让斑马线行为识别系统的精准度为0.85,召回率为0.66。
傅宁[5]（2020）在《基于深度学习的场景结构化描述方法研究》文中研究表明场景结构化描述技术是在人工智能以及大数据的背景下衍生出的一项重要技术,基于深度学习的场景结构化描述具有重要的应用研究价值。该技术是为了将视频场景中的关键信息自动化地以标签的形式结构化描述出来,使计算机能够理解视频内容并存储有意义的信息。目前,人们对于场景结构化描述的研究主要停留在自然语言处理的层面,通过视频的机器翻译来实现人与计算机之间的信息交互。但是由于视频的无结构化性,视频内容信息的复杂性,视频场景的不确定性等问题,要想实现场景结构化描述技术并非易事。本文从计算机视觉的角度出发,以视频场景、场景中结构化描述的对象、描述对象之间的属性关系为三个切入点,构建了结合场景分类、目标检测与识别、对象空间关系这三个方面组成的场景结构化描述方法,用以实现将视频中的无结构化信息以场景结构化描述技术表现出来。论文的具体研究工作分为三个部分:（1）提出了一种基于迁移学习和显着性区域提取的场景分类算法。首先建立用于场景分类的深度卷积神经网络模型,使用已经利用大型场景图片数据集训练过的网络模型进行参数迁移;将从视频中帧截取到的不同种类场景图片整合成新的小样本数据集,对用来训练的数据集进行图片预处理,采用滑动窗口来进行显着性区域提取;最后训练模型,最小化自定义的softmax分类器的损失函数,实现场景分类。实验结果表明,该算法可以有效应对训练样本不足导致的训练过拟合问题,并且对于场景构成因素较为单一、干扰因素少的环境取得不错了分类准确率;同时,在干扰情况较多的场景时,将分类准确率提高了约7%。（2）提出了一种基于轻量级网络的交通场景目标检测与识别算法。在实现场景分类的基础上,以交通场景作为主要的研究场景,并且为满足场景结构化描述需要,提出了多目标检测、实时性、轻量级网络的要求。首先,以YOLOv3算法网络模型为基础,通过替换主干网络、调整多尺度融合网络、设计新的损失函数,完成了YOLOv3-Mobile Net V2的轻量级网络模型的搭建;其次,确定交通场景中的描述对象,采集相关图片并做好标注工作,训练YOLOv3-Mobile Net V2网络模型,最小化损失函数,完成交通场景中目标的检测与识别。实验表明,该算法对交通场景中的描述对象可以针对性地识别;其次,在完成了轻量级网络模型的要求基础上,实现了多目标实时性检测与识别。（3）提出了一种基于对象空间关系的交通场景结构化描述方法。在场景分类和描述对象确定的基础上,通过研究描述对象之间的空间位置关系来完成交通场景结构化描述。首先,训练全卷积网络对视频图像中的对象作深度估计,提取出深度图,并利用深度图进行三维点云的转换,结合通过YOLOv3-Mobile Net V2算法检测出来对象区域相结合并优化,得到目标的三维定位;其次,通过空间坐标系与像素坐标系的转换,利用对象之间空间位置关系来进行场景结构化描述。在对空间位置关系的研究中,引入了逻辑描述的方法,以逻辑语言建立交通场景中的描述对象之间的空间位置关系,以空间位置关系来实现场景结构化描述。实验表明,以深度信息与YOLOv3-Mobile Net V2算法检测出的二维目标位置相结合的策略,可以定位出目标在三维空间的位置,对描述对象之间的空间位置定位提供了极大的便利。与此同时,可以通过描述对象之间的空间位置关系来对交通场景进行结构化描述。
徐恩炷[6]（2020）在《城市交通路口信号灯自适应控制研究》文中进行了进一步梳理城市交通拥堵带来诸如空气污染、效率低下、出行成本提高等一系列社会问题,如何提高通行效率一直是交通管理部门面临的重要课题。目前,城市中多数交通信号系统仍停留在单个红绿灯固定时间交替变换阶段,缺乏实时感知交通现状能力和交通网全局智能控制手段。已有的解决方法存在算法学习时间长,控制效果不佳的问题。针对这些问题,本文提出了一种自适应的交通信号灯网智能控制模型。该模型采用基于异步多智能体的深度强化学习算法,使用多个智能体同时学习城市交通路口信号控制,以提高多交通控制节点构成的全局交通网络自动控制模型的训练效率。该模型的优点还有,改进了自适应交通控制系统当中所使用的深度强化学习的奖励函数,是的奖励函数在刚开始训练的时候较为关注单个交通路口的学习情况,随着训练的进行,自适应交通控制系统更加倾向于优化整个交通路网的通行效率,从而最大程度提高整个交通网覆盖地区的通行效率。利用开源的交通模拟软件sumo作为仿真实验平台,将本文提出的基于异步多智能体深度强化学习算法的模型与传统的深度Q学习的算法进行了对比实验。实验结果表明,本文使用的异步多智能体深度强化学习算法相比于深度Q学习算法在算法的收敛速度和交通路网当中车辆的累计平均等待时间都有了改善。改进的交通信号控制系统奖励函数相比于传统的奖励函数在具有多个交通信号灯的交通路网当中的车辆的累计平均等待时间更低。
唐婕[7]（2020）在《基于半独立路权的有轨电车运营能力仿真》文中研究表明随着我国城市化进程的快速发展,城市的规模也不断扩张,人均机动车占有量不断增加,人们日常出行的需求也逐年增加,这使得城市交通的拥堵问题越发严重,同时空气污染问题也随之而来。为有效缓解交通拥堵现象,解决人均出行能源消耗与空气污染问题以及实现出行方式的多样化,国家大力推崇人们选择城市轨道公共交通方式出行。其中,现代有轨电车作为一种新兴的城市轨道公共交通方式,具有运量适中、绿色环保、舒适新颖以及建造成本较低等特点,被世界范围内很多城市所采用。而随着现代有轨电车的快速发展,在有轨电车工程设计及正式投运前,有必要研究有轨电车运营能力仿真系统对其运能进行仿真计算。为此,本文需要对有轨电车的整个运行过程进行研究分析,设计并实现有轨电车的运营能力仿真,然后根据仿真模型计算追踪间隔和平均旅行速度。本文以“有轨电车运营能力仿真”为研究目标,主要围绕以下关键技术问题开展研究:（1）线路模型、司机模型、电车模型、运行交路模型、道岔信号模型和平交路口模型等有轨电车基础模型的设计;（2）对半独立路权形式下的有轨电车运行过程仿真模型的设计;（3）对有轨电车运行间隔计算模型的设计;（4）对多列有轨电车在线路上的运行进行模拟,并可设置不同发车间隔,该功能根据电车受干扰情况验证所计算的运营间隔能力;（5）依托深圳有轨电车龙华线工程实际数据,对仿真系统各功能进行验证与测试。研究与仿真结果表明,有轨电车运营能力仿真系统的设计能较好的模拟有轨电车的实际运行并生成速度-距离曲线,以及能够应用有轨电车运行间隔计算功能仿真计算有轨电车在线路上任意位置的最小追踪间隔和在线路上运行的旅行速度,最终利用有轨电车运行仿真功能实现多列电车的追踪运行,并生成运行图和干扰信息实现验证和补充有轨电车运营能力的作用。
杨帅[8]（2020）在《智能网联汽车仿真实验教学系统开发研究》文中研究指明近年来,国家大力发展职业教育,中职院校作为技能型人才的输出端,在职业教育中扮演越来越重要的角色。随着汽车行业的快速发展,社会对汽车专业人才的需求不断增加,中职院校汽车专业培养的毕业生专业技能水平不足,尤其是对于智能网联汽车的相关专业的技能型人才培养现阶段还没有特别成熟的方案,中职院校的教学改革势在必行。智能网联汽车不仅仅包括了传统的汽车、电子行业,还融入了信息技术、通信、智能交通等众多技术领域,是一种新型的融合行业。它装配多种传感器、高性能的运算处理器、连接网络,车辆可以与道路、行人、车辆、云端数据进行数据采集、分析与共享。实现灵敏的环境感知性能、形成高效舒适的乘车环境、决策安全节能的行驶路径。智能网联汽车是现在全球的技术创新点。全文从七个方面对与该仿真实验教学系统进行阐述。第一章为绪论,从论文的前期调研,了解到国内外智能网联汽车教学系统的发展现状,提出中职院校对此类仿真实验教学系统的迫切需求。第二部分为课程规划部分,通过对于中职院校智能网联汽车的发展现状的了解,结合中职学生的行为特点分析,制定出了一套相对适合中职学生学习的课程指导方案。第三部分对于智能网联汽车仿真实验教学系统的整体设计进行了详细的介绍,对于智能网联汽车仿真实验教学系统的各部分组成分别加以说明,各个部分采取模块化的设计方式,对于教学的模块化学习起到了很好的指导作用,同时为后期设备的维护与调试带来了很多的方便。第四部分主要介绍智能网联汽车仿真模拟教学系统的硬件电路设计。硬件电路的设计方式与传统的电气工程专业设计方式不尽相同,需要考虑到电路设计在汽车上的运用,同时还需要了解真实智能网联汽车该功能的设计在电路的实现方面与真实的智能网联汽车之间的差别。在设计时,要尽可能与实车的电路设计保持一致,这样对于后期学生走向工作岗位的技术运用中减少技术隔阂。第五部分介绍该系统软件的设计。软件的设计关系到整个系统的功能实现,硬件是基础,软件的作用非常重要,在软件的设计上给学生们创造了更多的学习空间。第六章是这套系统的可行性验证,对于该教学系统进行各方面的实践总结,不断的进行改进。
石秀玲[9]（2020）在《PLC全虚拟仿真系统设计及中职实训教学应用研究》文中进行了进一步梳理PLC（可编程程序控制器）是电气自动化领域的核心控制器件,因此,PLC课程是自动化技术人才必须掌握的一门课程。该课程具有较强的实践性,对实训要求较高。但中职PLC课程的传统实训教学存在实训教学成本较高以及实训内容的扩展性较差等问题。PLC全虚拟仿真系统的设计与应用,在一定程度上,既能解决PLC实训教学中存在的问题,又能满足我国职业教育信息化对虚拟仿真资源的建设要求。本论文采取的研究方法有文献研究法、观察法、问卷调查法、访谈调查法及实验研究法,以“构建主义”、“经验之塔”学习理论和“人本主义”、“做中学”等教育理论为基础,选取MCGS组态软件构建被控对象,并与三菱编程软件GX Develop、三菱编程仿真软件GX Simulator、三菱OPC服务软件MX OPC Server共同构成PLC全虚拟仿真系统,通过“三相异步电动机星形—三角形降压启动控制”、“公路交通信号灯控制”、“四层电梯模拟控制”三个中职PLC编程案例验证该系统的有效性,并通过对中职学生和教师的调研了解应用虚拟仿真技术进行实训教学的情况。研究表明,将PLC全虚拟仿真系统应用于中职PLC实训教学具有一定的可行性,可以作为PLC传统实训教学的有效补充。但在编程案例研究的数量上存在一定的局限性,且在实验过程中发现PLC全虚拟仿真系统存在数据通信较慢、指令应用局限性等问题,虚拟仿真教学资源的不足,也为进一步开展虚拟仿真教学带来一定的影响。PLC全虚拟仿真系统的研究尚处于起步阶段,需要不断探索和发现。
贺冀宁[10]（2020）在《面向工业机器人的软PLC运行时系统设计与实现》文中研究说明近年来,随着科学技术的发展,信息技术正在深刻改变工业制造的形态。可编程逻辑控制器（programmable logic controller,简称PLC）是一种用于自动化控制的数字逻辑控制器,广泛应用于工业控制领域。受限于传统PLC体系结构不够开放、可拓展性差,近年来软PLC技术成为新的发展方向。软PLC系统分为两部分:开发系统和运行系统,其中运行系统是保证用户程序正确运行的关键。本文的研究目标是设计一个软PLC运行时系统,能够运行符合IEC61131-3标准的用户程序。本文介绍了软PLC技术的研究意义,调研了国内外软PLC及其运行时系统的研究现状。目前国内自主研发的软PLC系统大多仅支持单一语言,对IEC61131-3标准的支持不足,与国外同类产品具有较大差距。之后,介绍了IEC61131-3标准对用户程序运行的规范,并对软PLC运行时系统进行需求分析和总体设计。运行时系统负责加载启动用户程序,并为用户程序的运行提供必要的环境。本文介绍了运行时系统的运行机制,采用编译执行和运行时系统与用户程序解耦的方式,设计并实现了运行时系统的四个模块:任务调度、设备交互、守护节点及数据监控。任务调度模块支持通过非抢占式调度或抢占式调度执行用户程序中的任务;设备交互模块支持用户程序与设备I/O接口进行交互,并为用户程序屏蔽设备细节,还支持虚拟IO设备;守护节点可以方便地对用户程序进行远程部署和远程启动;数据监控模块可以对用户程序内部变量的状态进行监控,便于调试和运行状态的监控。最后,编写多个PLC用户程序使用虚拟IO设备和实际设备对运行时系统进行测试,证明运行时系统的有效性。
二、时序编程技术在交通信号灯上的应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、时序编程技术在交通信号灯上的应用（论文提纲范文）
（1）交通信号灯的实验画面设计（论文提纲范文）
| 1 交通信号灯设计概述 |
| 2 设计原理 |
| 2.1 工作原理 |
| 2.2 硬件系统设计 |
| 2.3 软件程序 |
| 2.4 触摸屏 |
| 3 运行效果 |
（2）大型活动交通应急疏散仿真系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 第二章 相关技术介绍 |
| 2.1 系统开发相关技术 |
| 2.1.1 前后端分离开发模式 |
| 2.1.2 Spring Boot |
| 2.1.3 Vue.js |
| 2.2 持久层与数据库相关技术 |
| 2.2.1 MyBatis |
| 2.2.2 MySQL |
| 2.3 SUMO交通仿真平台 |
| 2.4 启发式搜索算法 |
| 2.5 本章小结 |
| 第三章 系统需求分析与系统设计 |
| 3.1 系统设计目标 |
| 3.1.1 设计场景 |
| 3.1.2 建设目标 |
| 3.2 系统需求分析 |
| 3.2.1 功能需求 |
| 3.2.2 性能需求 |
| 3.3 系统功能模块设计 |
| 3.3.1 系统模块划分 |
| 3.3.2 系统数据库设计 |
| 3.4 系统架构设计 |
| 3.4.1 系统技术架构设计 |
| 3.4.2 系统整体架构设计 |
| 3.5 本章小结 |
| 第四章 主要算法的研究与实现 |
| 4.1 仿真车流生成算法 |
| 4.1.1 大型活动应急疏散的四级分区法则 |
| 4.1.2 算法设计 |
| 4.1.3 车流文件生成 |
| 4.2 基于路网车流量均衡策略的信号灯配时方案 |
| 4.2.1 路网车流量均衡模型设计 |
| 4.2.2 路网车流量均衡模型求解方法 |
| 4.2.3 仿真结果分析 |
| 4.3 车辆疏散路线诱导机制 |
| 4.3.1 算法设计 |
| 4.3.2 基于交通信号灯配置的车辆疏散路线诱导机制 |
| 4.3.3 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统环境配置 |
| 5.2 系统模块实现 |
| 5.2.1 用户管理模块的实现 |
| 5.2.2 交通仿真场景构建模块的实现 |
| 5.2.3 交通应急疏散模块的实现 |
| 5.2.4 大型活动管理模块的实现 |
| 5.2.5 用户操作Web界面的实现 |
| 5.3 系统测试 |
| 5.3.1 Junit单元测试框架 |
| 5.3.2 Chrome开发者工具 |
| 5.3.3 功能性测试结果 |
| 5.3.4 非功能性测试结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（3）S7-200一维数组构建及时序状态数组编程方法（论文提纲范文）
| 1 S7-200一维数组梯形图的定义与引用 |
| 2 梯形图数组的初始化 |
| 3 时序状态数组梯形图编程算法 |
| 4 结束语 |
（4）基于车载视频的行车违章行为识别算法设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1.项目研究背景及意义 |
| 1.2.国外研究现状 |
| 1.3.国内研究现状 |
| 1.4.本文的主要贡献和论文结构 |
| 第二章 行车环境及行车视频内容分析 |
| 2.1.行车环境的识别 |
| 2.1.1 行车环境目标识别 |
| 2.1.2 行车环境场景识别 |
| 2.1.3 行车环境行为识别 |
| 2.2.行车视频内容分析 |
| 2.2.1 交通标志 |
| 2.2.2 行车状态 |
| 2.3.违章行为识别研究总思路 |
| 2.4.本章小结 |
| 第三章 面向车载视频计算的轻量级深度学习网络结构研究 |
| 3.1.车载视频计算对深度学习网络的要求 |
| 3.1.1 多尺度目标分类与定位计算网络模型分析 |
| 3.1.2 小目标识别的鲁棒性分析 |
| 3.1.3 轻量级网络算法分析 |
| 3.2.面向车载视频计算的轻量级深度学习网络结构设计与性能评估 |
| 3.2.1 Mobile Net-DSSD网络构架 |
| 3.2.2 主干网络的设计与配置 |
| 3.2.3 转置卷积模块配置 |
| 3.2.4 预测模块配置 |
| 3.2.5 Mobile Net-DSSD网络环境搭建 |
| 3.2.6 网络识别效果评估 |
| 3.3.本章小结 |
| 第四章 车载视频中行车场景状态识别研究 |
| 4.1.行车场景描述 |
| 4.1.1 红绿灯路口场景描述 |
| 4.1.2 斑马线路口场景描述 |
| 4.2.场景识别总体框架 |
| 4.3.空间相对坐标算法 |
| 4.3.1 单目摄像测距原理 |
| 4.3.2 行车过程中的像素域-空间域转换矩阵 |
| 4.3.3 通过消失点计算空间相对坐标方法研究 |
| 4.3.4 空间相对坐标算法流程 |
| 4.3.5 空间相对坐标算法实验验证与结果分析 |
| 4.4.行车场景状态识别方法研究 |
| 4.4.1 红绿灯路口场景状态识别方法研究 |
| 4.4.2 斑马线路口场景状态识别方法研究 |
| 4.5.实验验证与结果分析 |
| 4.5.1 红绿灯路口实验验证 |
| 4.5.2 斑马线路口实验验证 |
| 4.6.本章小结 |
| 第五章 车载视频中行车违章行为识别研究 |
| 5.1.车辆闯红灯行为识别算法 |
| 5.1.1 车辆闯红灯行为过程分析 |
| 5.1.2 车辆闯红灯行为的识别算法总体设计 |
| 5.1.3 车辆闯红灯状态迁移 |
| 5.1.4 车辆运行停止行为识别方法研究 |
| 5.1.5 车辆拐弯直行行为识别方法研究 |
| 5.1.6 闯红灯行为识别程序实验验证与结果分析 |
| 5.2.不礼让斑马线行为识别 |
| 5.2.1 车辆不礼让斑马线行为的识别算法总体设计 |
| 5.2.2 车辆不礼让斑马线运行状态变迁 |
| 5.2.3 不礼让斑马线行为识别程序实验验证与结果分析 |
| 5.3.开发环境搭建 |
| 5.3.1 开发工具简介 |
| 5.3.2 训练集视频数据类型 |
| 5.4.本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 附录1 程序清单 |
| 附录2 攻读硕士学位期间申请的专利 |
| 致谢 |
（5）基于深度学习的场景结构化描述方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 专用术语注释表 |
| 第一章 绪论 |
| 1.1.研究工作的背景与意义 |
| 1.2.场景结构化描述技术国内外研究现状 |
| 1.3.本文的研究内容与结构安排 |
| 1.3.1 研究内容和总体思路 |
| 1.3.2 论文结构安排 |
| 第二章 场景结构化描述技术基础 |
| 2.1.场景结构化描述技术 |
| 2.1.1 结构化描述定义 |
| 2.1.2 场景结构化描述技术分析 |
| 2.2.卷积神经网络及YOLO算法原理 |
| 2.2.1 卷积神经网络的基本结构和工作原理 |
| 2.2.2 YOLOv1原理 |
| 2.2.3 YOLOv3原理 |
| 2.3.本章小结 |
| 第三章 基于迁移学习和显着性区域提取的场景分类算法 |
| 3.1.场景分类算法思想 |
| 3.1.1 基本思想 |
| 3.1.2 迁移学习思想及方法 |
| 3.1.3 显着性区域提取思想及方法 |
| 3.1.4 基于迁移学习和显着性区域提取的算法框架 |
| 3.2.场景图像显着性区域提取算法 |
| 3.2.1 基于Selective Search算法确定候选区域 |
| 3.2.2 计算候选区域的面积和 |
| 3.2.3 基于滑动窗口方法确定显着性区域 |
| 3.3.基于迁移学习的场景分类方法 |
| 3.3.1 特征提取与分类网络的对比分析与选择 |
| 3.3.2 VGG16深度卷积神经网络分析 |
| 3.3.3 基于迁移学习的场景分类网络模型设计与实现 |
| 3.3.4 场景分类过程 |
| 3.4.实验过程与结果分析 |
| 3.4.1 实验配置 |
| 3.4.2 迁移学习可行性验证实验结果分析 |
| 3.4.3 显着区域提取有效性和滑动窗口尺寸选取对比实验分析 |
| 3.4.4 实验结论 |
| 3.5.本章小结 |
| 第四章 基于轻量级网络模型的交通场景目标检测与识别 |
| 4.1.目标检测与识别算法思想 |
| 4.2.轻量级网络的设计 |
| 4.2.1 设计YOLOv3-Mobile Net V2 网络模型 |
| 4.2.2 替换主干网络 |
| 4.2.3 调整多尺度特征融合网络 |
| 4.2.4 设计损失函数 |
| 4.2.5 搭建YOLOv3-Mobile Net V2 轻量级网络模型 |
| 4.3.基于轻量级网络的交通场景目标检测与识别 |
| 4.3.1 基于轻量级网络的目标检测与识别实现过程概述 |
| 4.3.2 确定交通场景描述对象 |
| 4.3.3 采集图片预处理 |
| 4.3.4 测试交通场景目标检测与识别 |
| 4.4.实验结果与分析 |
| 4.4.1 实验配置与部署 |
| 4.4.2 单目标检测与识别结果分析 |
| 4.4.3 两个模型多目标实时性检测与识别对比实验结果分析 |
| 4.4.4 两个模型小目标检测与识别鲁棒性对比实验结果分析 |
| 4.4.5 实验结论 |
| 4.5.本章小结 |
| 第五章 基于三维目标定位的交通场景结构化描述 |
| 5.1.交通场景结构化描述 |
| 5.1.1 场景结构化描述定义 |
| 5.1.2 交通场景结构化描述基本思路 |
| 5.2.基于深度估计的三维目标定位算法 |
| 5.2.1 基本思想和算法框架 |
| 5.2.2 基于全卷积网络的单目图像深度估计 |
| 5.2.3 深度图至三维点云的映射 |
| 5.2.4 建立交通场景图像空间坐标系 |
| 5.2.5 三维立体框定位目标 |
| 5.3.交通场景的对象空间位置关系逻辑描述 |
| 5.3.1 描述逻辑 |
| 5.3.2 对象空间位置关系 |
| 5.3.3 基于静态描述对象的交通场景空间区域划分 |
| 5.3.4 基于动态描述对象的空间位置关系 |
| 5.4.基于空间位置关系的交通场景结构化描述 |
| 5.4.1 基于空间位置关系的交通场景中的常见情景定义 |
| 5.4.2 基于空间位置关系的静态交通场景结构化描述 |
| 5.4.3 基于空间位置关系的动态交通场景结构化描述 |
| 5.5.实验结果与分析 |
| 5.5.1 实验配置 |
| 5.5.2 实验结果分析 |
| 5.5.3 实验结论 |
| 5.6.本章小结 |
| 第六章 总结与展望 |
| 6.1.论文工作总结 |
| 6.2.未来工作展望 |
| 参考文献 |
| 附录 攻读硕士学位期间申请的专利 |
| 致谢 |
（6）城市交通路口信号灯自适应控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 固定信号阶段 |
| 1.2.2 使用传感器阶段 |
| 1.2.3 人工智能控制阶段 |
| 1.3 主要研究内容及结构安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 结构安排 |
| 1.4 本章小结 |
| 第2章 相关技术 |
| 2.1 交通信号控制方式 |
| 2.2 自适应控制方法 |
| 2.3 深度强化学习 |
| 2.3.1 强化学习 |
| 2.3.2 深度学习 |
| 2.3.3 深度强化学习 |
| 2.4 本章小结 |
| 第3章 交通信号网智能控制模型 |
| 3.1 问题描述 |
| 3.1.1 城市交通信号控制系统 |
| 3.1.2 多信号网控制的马尔可夫决策过程 |
| 3.2 基于异步多智能体深度强化学习的控制模型 |
| 3.2.1 自适应控制模型结构 |
| 3.2.2 模型的实现过程 |
| 3.2.3 异步多智能体强化深度学习算法(A3C)描述 |
| 3.3 本章小结 |
| 第4章 异步多智能体交通信号控制实验 |
| 4.1 实验原理 |
| 4.2 深度Q学习 |
| 4.3 实验环境 |
| 4.3.1 硬件配置 |
| 4.3.2 软件配置 |
| 4.3.3 仿真平台sumo |
| 4.4 实验组织 |
| 4.4.1 单路口交通路网 |
| 4.4.2 多路口交通路网 |
| 4.5 实验流程 |
| 4.6 对比实验方案 |
| 4.7 实验结果分析 |
| 4.8 本章小结 |
| 第5章 改进奖励函数的交通信号网控制模型 |
| 5.1 问题描述 |
| 5.2 奖励函数的改进 |
| 5.3 实验与结果分析 |
| 5.3.1 多路口交通路网 |
| 5.3.2 实验结果分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（7）基于半独立路权的有轨电车运营能力仿真（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要研究内容及结构安排 |
| 第2章 有轨电车概述 |
| 2.1 有轨电车运营特性分析 |
| 2.1.1 路权特性 |
| 2.1.2 道口通过方式 |
| 2.1.3 道口优先控制方式 |
| 2.1.4 道岔信号控制方式 |
| 2.2 有轨电车运营能力性能指标 |
| 2.3 本章小结 |
| 第3章 有轨电车运营能力仿真系统需求分析 |
| 3.1 总体目标与功能 |
| 3.2 有轨电车运行过程仿真模块 |
| 3.3 运行间隔仿真模块 |
| 3.4 有轨电车运行仿真模块 |
| 3.5 本章小结 |
| 第4章 有轨电车运营能力仿真系统设计 |
| 4.1 系统总体设计 |
| 4.2 系统各基本模型建立 |
| 4.2.1 线路模型 |
| 4.2.2 司机模型 |
| 4.2.3 电车模型 |
| 4.2.4 运行交路模型 |
| 4.2.5 道岔信号模型 |
| 4.2.6 平交路口模型 |
| 4.3 系统各功能模块设计 |
| 4.3.1 有轨电车运行过程仿真模型 |
| 4.3.2 有轨电车运行间隔仿真模型 |
| 4.3.3 有轨电车运行仿真模型 |
| 4.4 系统模型间的关系和数据传递 |
| 4.5 本章小结 |
| 第5章 有轨电车运营能力仿真系统实现 |
| 5.1 开发环境 |
| 5.2 系统显示界面 |
| 5.3 有轨电车运行过程仿真功能设计与实现 |
| 5.4 有轨电车运行间隔仿真功能设计与实现 |
| 5.5 有轨电车运行仿真功能设计与实现 |
| 5.6 功能测试 |
| 5.7 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
（8）智能网联汽车仿真实验教学系统开发研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 智能网联汽车发展概况 |
| 1.1.2 智能网联汽车国内外发展规模 |
| 1.1.3 智能网联汽车人才需求分析 |
| 1.1.4 国内中职院校智能网联汽车专业方向现状 |
| 1.1.5 1 +X证书的需求 |
| 1.2 提出问题 |
| 1.3 解决思路 |
| 1.4 研究意义 |
| 1.5 研究方法 |
| 1.6 本章小结 |
| 第2章 仿真智能网联汽车的整体设计 |
| 2.1 仿真实验智能网联汽车硬件组成 |
| 2.1.1 仿真车模 |
| 2.1.2 微处理器 |
| 2.1.3 微型车载电脑 |
| 2.1.4 舵机 |
| 2.1.5 传感器 |
| 2.2 仿真实验智能网联汽车硬件结构设计 |
| 2.2.1 驱动电机的改装 |
| 2.2.2 摄像头安装 |
| 2.2.3 半轴位置旋转编码器的安装 |
| 2.2.4 超声波距离传感器的安装 |
| 2.2.5 射频识别读写器的安装 |
| 2.3 本章小结 |
| 第3章 仿真智能网联汽车硬件电路系统设计与开发 |
| 3.1 硬件电路设计 |
| 3.1.1 电源转换电路 |
| 3.1.2 基准电源电路 |
| 3.2 单片机部分 |
| 3.3 按键电路的设计 |
| 3.4 电机驱动电路 |
| 3.5 液晶显示电路 |
| 3.6 超声波传感器电路 |
| 3.6.1 接口说明 |
| 3.6.2 测距工作原理 |
| 3.7 单片机开发工具 |
| 3.8 本章小结 |
| 第4章 仿真智能网联汽车控制系统软件设计 |
| 4.1 系统软件总体结构 |
| 4.2 系统软件设计 |
| 4.2.1 主程序 |
| 4.2.2 标识线识别算法 |
| 4.2.3 速度控制原理 |
| 4.2.4 上位机监控功能设计 |
| 4.3 本章小结 |
| 第5章 实验验证 |
| 5.1 实验平台概况 |
| 5.2 课程情况反馈 |
| 第6章 智能网联汽车仿真实验教学系统课程规划 |
| 6.1 教学系统建设 |
| 6.2 学习者特征分析 |
| 6.3 课程设置 |
| 6.4 学习工作页 |
| 第7章 总结与展望 |
| 7.1 论文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 申请学位期间的研究成果及发表的学术论文 |
（9）PLC全虚拟仿真系统设计及中职实训教学应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及问题提出 |
| 1.1.1 研究背景 |
| 1.1.2 中职PLC传统实训教学分析 |
| 1.1.3 中职PLC传统实训教学急需改进 |
| 1.2 研究现状综述 |
| 1.2.1 虚拟仿真技术在教学中的应用研究综述 |
| 1.2.2 PLC虚拟仿真控制研究现状综述 |
| 1.3 研究内容及论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 1.4 创新点 |
| 2 相关概念界定及教育理论基础 |
| 2.1 相关概念界定 |
| 2.2 教育理论基础 |
| 2.2.1 构建主义学习理论 |
| 2.2.2 “经验之塔”学习理论 |
| 2.2.3 人本主义教育理论 |
| 2.2.4 “做中学”教育理论 |
| 2.3 本章小结 |
| 3 PLC全虚拟仿真系统设计 |
| 3.1 PLC全虚拟仿真系统框架 |
| 3.2 PLC全虚拟仿真系统构成 |
| 3.2.1 虚拟PLC |
| 3.2.2 三菱OPC服务软件MX OPC Server |
| 3.2.3 组态软件MCGS |
| 3.3 PLC全虚拟仿真系统通讯设置 |
| 3.3.1 虚拟PLC与 MX OPC Server通信设置 |
| 3.3.2 组态软件MCGS与 MX OPC Server通信设置 |
| 3.4 PLC全虚拟仿真系统的运行实现 |
| 3.5 本章小结 |
| 4 PLC全虚拟仿真系统中职实训教学应用 |
| 4.1 继电器控制典型案例-“三相异步电动机星形-三角形(Y-△)降压启动控制” |
| 4.1.1 案例分析 |
| 4.1.2 全虚拟仿真案例构建 |
| 4.1.3 全虚拟仿真效果 |
| 4.1.4 教学应用 |
| 4.2 时序控制典型案例-“公路交通信号灯控制” |
| 4.2.1 案例分析 |
| 4.2.2 全虚拟仿真案例构建 |
| 4.2.3 全虚拟仿真效果 |
| 4.2.4 案例应用小结 |
| 4.3 综合实训案例-“四层电梯模拟控制” |
| 4.3.1 案例分析 |
| 4.3.2 全虚拟仿真案例构建 |
| 4.3.3 全虚拟仿真效果 |
| 4.3.4 案例应用小结 |
| 4.4 本章小结 |
| 5 研究总结 |
| 5.1 不足之处 |
| 5.2 接下来的研究方向 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 致谢 |
| 攻读硕士学位期间主要研究成果 |
（10）面向工业机器人的软PLC运行时系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 背景意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 第二章 IEC61131-3标准 |
| 2.1 层次结构 |
| 2.2 程序组织单元 |
| 2.3 软件模型 |
| 2.4 任务调度规则 |
| 2.5 标准功能和功能块 |
| 2.6 本章小结 |
| 第三章 需求分析与总体设计 |
| 3.1 需求分析 |
| 3.1.1 功能性需求 |
| 3.1.2 非功能性需求 |
| 3.2 运行时系统运行机制 |
| 3.3 运行时系统架构 |
| 3.4 本章小结 |
| 第四章 任务调度 |
| 4.1 调度模型 |
| 4.2 任务触发 |
| 4.3 分配执行 |
| 4.3.1 非抢占式调度 |
| 4.3.2 抢占式调度 |
| 4.4 调度测试 |
| 4.5 本章小结 |
| 第五章 设备交互 |
| 5.1 设备交互模块设计 |
| 5.2 设备交互接口 |
| 5.3 设备配置文件 |
| 5.4 虚拟IO设备 |
| 5.5 设备交互测试 |
| 5.6 本章小结 |
| 第六章 部署与监控 |
| 6.1 守护节点 |
| 6.1.1 守护节点接口协议 |
| 6.1.2 守护节点详细设计 |
| 6.1.3 守护节点配置 |
| 6.2 数据管理 |
| 6.2.1 数据监控 |
| 6.2.2 全局变量 |
| 6.3 本章小结 |
| 第七章 测试与应用 |
| 7.1 液位控制系统 |
| 7.1.1 系统要求 |
| 7.1.2 程序设计 |
| 7.1.3 虚拟IO设备测试 |
| 7.2 交通信号灯控制系统 |
| 7.2.1 系统目标 |
| 7.2.2 系统设计 |
| 7.2.3 虚拟IO设备测试 |
| 7.2.4 实际设备测试 |
| 7.3 工业机器人物体分拣系统 |
| 7.3.1 系统目标 |
| 7.3.2 硬件系统 |
| 7.3.3 系统设计 |
| 7.3.4 运行结果 |
| 7.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、时序编程技术在交通信号灯上的应用（论文参考文献）
- [1]交通信号灯的实验画面设计[J]. 陈晓勇,袁松,齐丽曼. 品牌与标准化, 2022(01)
- [2]大型活动交通应急疏散仿真系统的设计与实现[D]. 刘琳琦. 北京邮电大学, 2021(01)
- [3]S7-200一维数组构建及时序状态数组编程方法[J]. 车健生. 科技创新与应用, 2021(13)
- [4]基于车载视频的行车违章行为识别算法设计与实现[D]. 曹晓磊. 南京邮电大学, 2019(03)
- [5]基于深度学习的场景结构化描述方法研究[D]. 傅宁. 南京邮电大学, 2020(03)
- [6]城市交通路口信号灯自适应控制研究[D]. 徐恩炷. 哈尔滨师范大学, 2020(01)
- [7]基于半独立路权的有轨电车运营能力仿真[D]. 唐婕. 西南交通大学, 2020(07)
- [8]智能网联汽车仿真实验教学系统开发研究[D]. 杨帅. 天津职业技术师范大学, 2020(08)
- [9]PLC全虚拟仿真系统设计及中职实训教学应用研究[D]. 石秀玲. 贵州师范大学, 2020(12)
- [10]面向工业机器人的软PLC运行时系统设计与实现[D]. 贺冀宁. 华南理工大学, 2020(02)