测点级声学故障检测中的报警频次建模方法研究

文中围绕测点级声学故障检测方法开展研究,根据区间估计原理建立频带能量超标检测流程,针对随机报警事件干扰提出基于报警事件频次建模的二级阈值检测法,并利用实测数据进行了算法验证.数据分析显示,该方法能够有效检测正常工况下的随机报警事件干扰,降低测点级声学故障检测的虚警率.     

无线传感器网络局部瓶颈节点的分布式检测算法

为减轻网络的负担,提出了"局部瓶颈节点"的概念及其分布式检测算法.该类节点具有与瓶颈节点类似的影响,但检测算法更简单可行.特别地,对于布设在带状区域的网络,证明了当布设区域宽度不超过槡3/2倍节点通信半径时,即可根据一跳邻居信息判断一个节点是否是瓶颈节点.结果表明,邻居节点数平均为10时,采用提出的分布式算法,被测节点成为局部瓶颈节点的概率仅为准瓶颈节点的1/4,从而提高了判断的准确性,降低了网络维护成本.     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

基于深度学习的车辆异常事件检测研究

基于全连接神经网络以及在高速公路场景下采集的真实车辆数据,设计一种车辆异常事件检测方法。所设计的方法利用激光雷达检测出目标与车道线信息,经过计算组成具备时空特征的输入数据,在将目标数据制作成数据集后,利用神经网络进行训练并提取输入数据的多维度特征,实现车辆异常事件检测。之后利用异常事件检测的时间信息与激光雷达和视频相机的目标融合数据,在视频数据中进行事件取图并加以验证。所述方法的总体检出率为 97.11%,准确率为 97.10%,相关值均高于传统事件检测算法,且算法耗时与传统事件检测算法相比更少。试验证明相应方法能更快速、更准确地识别车辆异常事件。     

基于突变强度的交通事件自动检测算法

为设计1 种检测率高的快速路交通事件自动检测(Automatic Incident Detection， AID)算法，基于突变强度理论，分析交通事件下流量、速度、占有率突变强度在纵向时间序列的变化特征，得出事件时段，交通参数突变强度值较大. 本文以三参数突变强度乘积为事件评价指数设计了1 种快速路AID 算法. 新算法与3 种AID 算法对比得出：新算法检测率高 (100.00%)，误检率低(5.75%)；与横向时间序列相比，纵向时间序列数据稳定性更好；参数数量的增加可提高检测率. 新算法适用于各种流量，在低峰检测率为100.00%，误检率为0，检测效果最佳；高峰时段保持100.00%高检测率，误检率为5.66%，误检事件多发生在上下班早晚高峰和午休3个交通流量变化较大的时段.     

���ڸ��������ݵij��п���·��ͨ�¼�����㷨�о�

交通事件是引发快速路交通延误的主要因素,迅速、有效的检测事件是快速路交通管理与控制的重要组成部分。本文利用CUSUM理论提出了基于浮动车数据的城市快速路交通事件自动检测算法;通过采集北京市快速路上的真实事件信息以及浮动车探测数据,对不同采样间隔条件下的算法性能进行了实际验证,并与传统的基于浮动车数据的UCB算法验证结果进行了对比分析。结果表明：所提算法在采样间隔为1分钟条件下的检测性能要优于采样间隔为5分钟条件下的检测性能;相对于UCB算法而言,所提算法的检测性能大大提高,在同一误报率条件下检测率可提高10%左右。     

基于多源异构信息融合的智能汽车目标检测算法

针对智能汽车单一传感器环境感知的局限性,提出一种基于GPS、双目深度相机、16线激光雷达等多源信息融合的环境感知算法,解决单一传感器环境感知的局限性问题.算法在GPS时间同步基础上,将单一传感器标定后的数据作为改进联合标定算法输入,求解多源传感器最优空间变换矩阵.使用SVM分割点云及欧式聚类提取点云信息的几何特征,获取障碍物的位置信息;利用空间变换矩阵将障碍物点云信息变换到图像坐标系,并将3D点云映射为2D点云信息;融合基于深度学习算法求解的图像中障碍物位置信息与类别信息,实现目标检测.经KITT1数据集及实车测试验证,该算法准确率在78.13％～85.56％之间,每帧数据检测平均耗时0.16～0.19 s,在光照变化、目标遮挡环境下均能有效的进行目标检测,具有较好的工程应用前景.     

有自由面渗流分析的改进节点虚流量全域迭代法

对节点虚流量法进行了改进,严格扣除过渡区中虚流量贡献,使虚流流量的处理在理论上更严密,关键的溢出点位置计算更精细.提出在全部渗流区域的迭代算法,避免了以往算法在迭代过程抛弃虚单元、计算域网格发生变化的做法,从而使算法编程更简单,使用范围更广.算例验证了该算法的正确性和实用性.     

WSN中改进的基于压缩感知的分簇数据采集算法

WSNs中节点的能量受限,为节约网络节点的功耗,提出了一种将LEACH模型和CS理论相结合的基于节点时空相关性的压缩感知算法。LEACH算法对网络节点进行分簇并选择簇首,然后,采用CS理论对簇首节点进行采样,将采样后的数据通过多跳路由的方法传至远端的汇聚节点,最后,汇聚节点对来自簇首的少量数据采用重构算法以对原始信号进行精确恢复。仿真结果表明,该方法有效减小了数据传输量,降低了网络节点的功耗,延缓了网络寿命。     

结合区域分割和Wishart分类器的机场跑道区域快速检测方法

提出了一种结合区域分割和Wishart分类器的极化合成孔径雷达图像机场跑道区域快速检测方法; 利用简单线性迭代聚类算法分割极化合成孔径雷达图像, 并将分割得到的超像素作为后续分类处理的基本单元; 采用一种优化后的距离度量方式给超像素分配类别标签, 解决了传统Wishart距离度量因子冗余运算量大的问题; 分析了机场跑道区域像素的极化散射特性, 利用机场跑道区域的弱散射特性从分类结果中提取感兴趣区域; 利用机场跑道的结构特征筛选辨识感兴趣区域, 进而确定机场跑道区域的准确位置; 利用极化合成孔径雷达实测数据测试了算法的有效性, 并与传统基于像素的检测结果进行对比。试验结果表明: 该算法在复杂大场景下能够快速有效检测出机场跑道区域, 检测出的跑道轮廓清晰, 结构比较完整; 采用简单线性迭代聚类算法预处理图像极大地降低了后续处理的复杂性; 针对墨西哥湾试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.4%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的9.9%和27.1%;针对大岛试验数据, Wishart分类器处理单元个数分别是Freeman+Wishart算法和FCM+Wishart算法的1.0%和2.6%, 整个检测过程耗时分别为Freeman+Wishart算法和FCM+Wishart算法的14.0%和31.8%。可见, 所提检测方法的实时性能优于基于像素的检测方法。      

基于BP神经网络的交通异常事件自动检测算法

对现有公路交通异常事件自动检测算法进行介绍,在此基础上提出从人工神经网络角度方向建立检测模型,摆脱以往使用仿真数据研究的局限,利用广深高速实测交通异常事件数据对BP神经网络（Back Propagation NN）在交通异常事件自动检测算法中的应用进行研究。结果表明BP神经网络算法具有检测率高、误报率低和检测速度快等优点。     

基于分类数据样本的交通事件检测

针对当前智能交通方向研究的热点—交通事件检测算法不能达到很好的检测效果提出了将交通数据分成3类,分别是入口处数据、出口处数据和直行路段数据。在进行检测时根据需要检测数据的位置调用相对应的数据库,从而避免了交叉路口数据与直行路段数据之间的干扰,从而提高了事件检测率和降低了事件误报率,而检测时间并没有明显变动。应用朴素贝叶斯算法验证了这种方法是有效的。     

BP小波神经网络模型及其在交通事件检测中的应用

将小波变换和BP神经网络进行紧致型结合,提出了基于BP小波神经网络的高速公路交通事件检测算法,即采用小波函数代替BP神经网络的隐层节点函数,相应的输入层到隐层的权值以及隐层阈值分别由小波函数的尺度参数和平移参数代替,以上下游检测器的速度、流量和占有率作为算法的输入,采用梯度下降法进行网络训练,构建适合于交通事件检测的小波神经网络模型。最后在Matlab中实现了对新加坡AYE仿真数据的实例分析,并将其与现有的经典算法进行了对比分析。结果表明,BP小波神经网络算法在检测率和平均检测时间方面具有明显的优势。     

基于物元-阴性选择算法的轴箱轴承故障检测

针对高速列车轴箱轴承故障数据获取困难的问题，提出了一种无需先验知识的利用物元和阴性选择算法进行轴承故障检测的方法. 首先利用多维物元构建阴性选择算法的检测器模型，以检测器与训练样本之间的综合关联度作为匹配规则，并在综合关联度约束范围内引入控制参数，实现检测器对非己空间的更大覆盖；其次，根据匹配规则和控制参数构建适应度函数，采用粒子群优化算法生成候选检测器，分析控制参数对检测器生成和粒子群优化算法收敛速度的影响；此外，为降低候选检测器集合的冗余度，基于关联度提出了检测器特征参数区间的合并规则，将成熟检测器个数降低至18个；最后，通过信号模拟方法生成轴箱轴承的各类故障信号，建立100组测试样本，并利用18个成熟检测器进行故障检测. 研究结果表明:成熟检测器对不同类轴承故障均具有较好的检测性能，正常样本的检测器激活率为1.11%，故障样本的检测器激活率不低于96.67%.      

基于VISSIM的交通事件检测仿真及数据处理

采用VISSIM软件模拟交通事件,获得交通流数据,作为检测系统的训练源数据.利用MAT-LAB软件进行仿真.结果表明：相对于其他算法,该网络结构具有检测率高、误报率低、检测时间短的优点,完全适用于交通事件检测系统,同时也存在不足之处,指出了今后进一步研究的方向.     

扩展PRONY算法在输电线路故障定位中的应用

电力系统输电线路发生短路故障后,继电保护装置会迅速动作,这时故障定位系统仅采集到故障后短暂的波形数据.通常情况下,系统采集到的故障波形含有暂态分量,这会影响到基于相量故障定位算法的精度.针对此种情况,本文提出使用扩展Prony算法从故障后暂态数据中提取出基波电压和电流分量,然后使用双端非同步测量定位算法进行故障定位,获得了较为精确的结果.通过PSCAD和MATLAB进行仿真,并将结果与采用在电力系统中应用广泛的全波傅氏算法提取故障后基波分量得到的定位结果进行比较,仿真结果表明本文所提算法能让定位误差减小至0.5%以下.     

基于传输效率矩阵的复杂网络节点重要度排序方法

为了提高网络节点重要度评估的准确性,应用复杂网络理论,通过分析非邻接节点对节点重要度评估产生的重要影响,提出了一种基于网络传输效率矩阵的节点重要度排序方法.该方法综合了节点的局部重要性和全局重要性,弥补了节点重要度贡献只依赖于邻接节点的不足.在ARPA网络上对连续移除重要节点的连锁故障进行了仿真.结果表明,相比于节点重要度评价矩阵法,采用本文方法在移除最重要的2个节点后网络的最大连通子图规模降低了23.8%,该结果进一步验证了本文方法的准确性.      

高速公路固定检测器布设方案分析

为研究高速公路交通事件检测算法及固定检测器布设间距,设计高速公路基本路段的人工神经网络事件检测算法,并研究基本路段检测器布设间距为200～700m时,使用不同情况的事件来检测效果。利用VISSIM4.2软件仿真获得数据,并在MATlab人工神经网络工具箱中计算,验证所设计的事件检测算法的有效性,得出基本路段固定检测器的合理布设间距。     

基于粒子群优化SVM的高速公路交通事件检测

为了更加准确地检测出高速公路上的偶发性交通事件,采用一种粒子群优化SVM参数的高速公路交通事件检测算法,提升事件检测效果。文中运用高速公路实测数据集（L880）,对支持向量机算法进行分类性能测试,并且采用改进的粒子群优化算法对支持向量机的参数进行优化,进而利用测试集数据对该模型进行验证比较,获得满意的检测效果。