针对传统海洋无人航行器(unmanned marine vehicle, UMV)操纵性参数辨识过程中,采用经典最小二乘法的辨识精度对基础数据量的依赖性较高、辨识误差较大的问题,提出一种改进的递推式最小二乘法(recursive least squares method, RLSM)用于UMV的操纵性参数辨识.首先,推导了UMV的操纵性响应模型,基于四阶龙格库塔法进行相应的数值仿真数据采集;然后,对所建立的辨识模型进行离散化处理,简化成标准的递推式最小二乘法模式,以便于进行参数辨识设计;最后,根据辨识结果进行5°、10°、20°、30°正弦和Z形的半物理仿真实验,结果验证了所提出RLSM辨识算法的有效性、可靠性和优越性.
为了解轮渡空气的颗粒物污染状况,改善乘客和工作人员的环境,采用美国Fluke 985粒子计数器对上海黄浦江轮渡“东金线”的颗粒物污染状况进行实测,分析粒径为0.30~0.49 μm,0.50~0.99 μm,1.00~1.99 μm,2.00~4.99 μm,5.00~9.99 μm,≥10.00 μm六种范围颗粒物的时空分布特征、影响因素以及轮渡污染的严重性,并对轮渡整体的颗粒物平均浓度进行预测.结果表明:轮渡二层露台的颗粒物浓度往往较高,人流量对粒径较粗的颗粒物影响较为明显;一层里舱和二层里舱的主要污染物为粒径较大(5.00~9.99 μm, ≥10.00 μm)的颗粒物,二层露台主要污染物为粒径较细(0.30~0.49 μm,0.50~0.99 μm,1.00~1.99 μm,2.00~4.99 μm)的颗粒物.