说明：四轮转向车辆操纵稳定性仿真分析，首先建立二自由度四轮转向车辆运动微分方程，求解出横摆角速度、质心侧偏角、侧向加速度的传递函数，然后在MATLAB环境中通过M语言编写仿真软件对传递函数的时域与频域特性进行计算，最后将仿真数据与前轮转向车辆仿真数据进行对比分析。

四轮转向 车辆操纵 二自由度四

说明：车道线检测的matlab实现，能够准确实现车道线，通过霍夫变换。

车道线检测 霍夫变换

说明：基于MATLAB编写的双线性插值法函数，用于通过双线形插值法实现灰度图像的缩小和放大。

双线性插值法 灰度图像

说明：利用数学软件MATLAB对Lorenz系统等六个重要的混沌模型进行数值计算，同时模拟出各类混沌系统的独特性质，如混沌吸引子，倍周期，初值敏感性，相图，分岔图等。通过观察和分析上述特性，加深了我们对混沌现象的理解。

Lorenz 混沌模型 数值计算

说明：ARIMA 模型是在平稳的时间序列基础上建立起来的，因此时间序列的平稳性是建模的重要前提。检验时间序列模型平稳的方法一般采用 ADF 单位根检验模型去检验。当然如果时间序列不稳定，也可以通过一些操作去使得时间序列稳定（比如取对数，差分），然后进行 ARIMA 模型预测，得到稳定的时间序列的预测结果，...

ARIMA 预测 ARIMA模型 时间序列模型 预测

说明：基于自适应天线阵理论 ,给出了一种用于任意线阵天线的主波束赋形算法。该方法通过迭代获得一组最优权值 ,用来减小加权赋形方向图和期望方向图在主波束上的差别。

自适应天线阵 任意线阵天线 主波束赋形算法 加权赋形方向图

说明：Adaboost 算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为 ：首先给出弱学习算法和样本空间（工， y） ，从样本空间中找出 m 组训练数据，每组训练数据的权重都是 1 /m。然后用弱学习算法迭代运算 T 次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个...

BP Adaboost算法 样本权重 基于BP的强分类器 BP-Adaboost 数据分类算法 分类器

说明：BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器，利用此方法设计出强分类器。

BP-Adaboost BP神经网络 分类器 BP 神经网络 Adaboost算法

说明：神经网络具有任意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制。利用BP神经网络可以建立参数Kp,Ki,Kd自整定的PID控制器。

BP神经网络 Kp Ki Kd PID

说明：基于神经网络对微电网进行负荷预测，并通过遗传算法进行改进。

神经网络 微电网 负荷预测 遗传算法