基于小波分析和神经网络的异步电机早期故障诊断

针对异步电机早期定子故障诊断,根据电机定子故障的特点,采用小波变换极大模分析法检测故障信号突变点的位置;利用小波包各个频带能量的变化完成能最特征提取,采用BP神经网络故障识别算法识别电机的各种运行状态来诊断电机早期故障.仿真实验结果表明,小波分析和神经网络算法的结合能有效定位并检测异步电机的早期故障.     

冰雪条件下路段交通拥堵状态识别模型研究

通过对冰雪条件下交通流的饱和流率、平均车头时距和平均行程车速等交通参数的调查,分析了冰雪条件对路段交通流特性的定量影响,在此基础上,采用综合分析法,选取平均行程速度和饱和度等指标,建立了冰雪条件下路段交通拥堵状态识别模型。并结合正常条件下的交通参数拥堵阈值和冰雪对交通流的定量影响,给出了确定冰雪条件下各状态指标的拥堵阈值的方法。最后利用哈尔滨市红旗大街实际调查数据对该模型进行了验证。     

非高斯非平稳背景噪声中的信号检测方法

在非平稳非高斯背景噪声下,使用经典信号检测理论对信号进行检测往往难以达到理想的效果。文中利用小波包变换,通过将信号及噪声变换到小波包系数域,使得噪声在某些尺度及子空间上的小波包系数成为近似乎稳高斯噪声,从而运用信息融合的思想和经典信号检测理论的分集检测方法,对非平稳非高斯噪声下的确知信号检测问题提出了一种新的检测算法。仿真实验表明该方法是经典信号检测理论的有效推广。     

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GPS浮动车的城市主干道交通服务水平实时评估模型

提出城市主干道道路交通服务水平及其实时评估的概念,建立了基于模糊综合评判的城市主干道交通服务水平实时评估模型,模型以实时的GPS浮动车检测数据为基础,将获得的路段平均速度、速度变化系数和低速行程时间比等作为特性参数,建立了特性参数和各级服务水平下交通状态模式之间的关系,采用模糊综合评判方法,实现了道路交通服务水平的实时评估。分析了评价周期对模型实时性和有效性的影响,并运用实例进行了验证。     

基于小波分析的高速公路事件检测算法

以高速公路为研究对象,首先利用突变理论分析了事件发生对高速公路交通流特性的影响,并建立了突变交通流模型,然后在此基础上设计了一种基于小波理论的事件检测算法。该算法利用小波变换放大交通流奇异点特征,根据小波系数幅值变化情况检测道路交通事件。为求取小波系数模值,对Newto—Core数值积分算法进行了改进,使其能充分反映M...     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

欠饱和状态下基于流量的动态交通路段行程时间算法

通过深入分析欠饱和状态下的路段中间地点速度,提出Webster与基于流量的动态交通路段行程时间算法,利用Webster模型得出路段直行红灯延误时间,引入流量作为通畅状态下行驶时间和红灯延误时间比重参数,且路段直行通畅状态下行驶时间比重参数与流量负相关,红灯延误时间比重参数与流量正相关,比重参数通过路段直行真实行程时间与模拟行程时间回归分析得出。以2016年浙江省海宁市微波及线圈数据为研究对象,结合交叉口红绿灯配时,首先清洗微波和线圈数据,然后利用Webster与基于流量的动态交通路段行程时间算法,结合回归分析训练集得出的路段行程时间关系式,最后利用测试集,得出路段行程时间与真实路段行程时间显著性水平为0.684,并且与固定参数的路段行程时间相比,显著性水平高出0.143,可见该组合算法具有较好的准确率和实用性。     

城市区域路网交通状态分析与评价方法

为提高区域路网交通状态判别的准确性,需要考虑不同路段、交叉口对路网交通整体运行状态影响作用的差异性。通过构建路网结构模型,建立路段和交叉口的交通状态模型,根据路网中各路段间拓扑结构关系,建立路网交通状态矩阵,用它来表示路网时空状态信息;考虑路网元素在路网中的道路等级以及影响作用的重要程度,建立路段和交叉口的权重系数模型。在此基础上建立反映区域路网交通状态指数的综合判别模型,确定路网交通状态级别。通过对区域路网的仿真,以平均行程速度为评价指标对路网交通状态进行分析,结果表明了该方法对区域交通拥堵状态判别的实用性和有效性。     

城市道路拥堵程度评判方法研究

对城市道路拥堵程度进行科学的评判可以为人们的出行和交管部门的决策提供指导.采用平均行程速度和交通饱和度这两个交通流参数作为道路拥堵程度的评判指标,首先设计了获取平均行程速度和交通饱和度的方法,然后应用模糊算法对评判指标和拥堵程度进行量化,建立了相应的隶属度函数与模糊判断规则体系,设计了城市道路拥堵程度的评判方法,最后结合实例进行分析.     

高等级公路路段交通状态融合识别模型

为了给区域交通管理者提供合理、准确的交通状态信息,提出了一种全新的可用于识别高等级公路路段交通状态的方法。针对路段中检测单元上交通状态决策信息的离散、模糊和时变特征,将路段内相邻检测单元同类交通状态决策信息合并,得到有序交通状态块;基于vague集理论提出了一种新的加权距离公式,并将合并后各交通状态块在路段中的位置和长度作为权重,建立了基于交通状态块决策信息的路段综合交通状态融合识别模型。通过算例验证了该模型的有效性,为识别高等级公路路段交通状态提供了一种新途径。     

基于行程时间的车辆通行连续性分析

定点检测器采集的路段行程时间样本中通常包含连续通行和非连续通行两部分,针对连续通行样本的识别,传统的固定阈值方法无法提供合理的结论.将行程时间样本时间序列化后,利用其差值的平稳随机性质,采用基于统计学的离群点检测的参数方法分离样本比传统方法更加科学有效.通过实证分析,非连续通行样本的占比是一种能够分离样本的指标.关联性分析的结论表明,该指标在4 分钟车程长度以内的路段中取值平稳,在4 分钟车程长度以上的路段中取值则受到道路等级、路段长度、交通运行状态、区位用地性质等多种因素的综合影响.     

城市交通状态的空间依赖性和异质性分析

有关城市交通状态空间特征的研究相对匮乏。从空间角度分析城市宏观交通特征,首先,针对城市路网几何形态和交通数据的关系提出适合于城市交通数据分析的空间模型。然后,以从长期的浮动车数据中提取的路段行程速度作为描述交通状态的实验数据,分别采用空间自相关和核密度估计法定量分析路网行程速度的空间依赖性和空间异质性,并分析其在典型时段的空间分布特征。结果显示:城市交通状态的关联性在空间上随着路段间距的增长而衰减;城市交通状态的空间分布特征随时间变化,受路网结构和区域功能的影响在空间中呈现集聚特征。     

基于小波包分析的结构损伤预警方法研究

通过研究小波包理论,对连续梁在瞬态荷载冲击下节点的加速度信号进行小波包分析,并提取了损伤前后各频段的节点能量特征向量变化和不同模态的频率变化进行比较分析,证明节点能量特征向量对损伤更加敏感．     

基于车牌识别数据的城市路网运行状态识别方法实践

采用城市车牌识别数据进行路网运行状态观测和分析,设计了基于车牌识别数据的交通卡口聚类算法、车辆轨迹还原算法及速度分类树算法,建立了路网运行状态识别模型,结合乌鲁木齐的城市交通路网形态和车辆构成特征,通过与出租车GPS统计数据的对比和融合分析,研究了乌鲁木齐市的交通出行特征、路网运行速度与流量变化规律,以及路网运行与常发拥堵路段的关系,提出了一种利用车牌识别数据进行城市路网运行状态识别的方法。     

交通流状态辨识小波算法研究

针对智能交通系统的开发和交通流特性，应用小波多分辨分析理论的Mallat分解算法建立交通流状态辨识方法，利用多种小波系数与交通流参数之问的相应变化规律进行交通突变状态的辨识．交通流状态的突变多与交通事件直接相关，故采用事件和非事件条件下的模拟数据对算法参数进行了标定及离线测试．将算法与几种传统算法分别进行了性能比较，结果表明Mallat分解算法在交通流突变状态实时辨识方面具有很好的性能．     

交通事件影响下的路径行程时间变化分析

为了对交通管理系统中的事件管理提供可靠的决策依据,针对持续期为数天的交通事件,考虑事件发生后出行者日常路径选择的随机性,基于路径流量联合概率分布的动态调整过程,建立了描述路网系统路径行程时间变化的随机动态交通分配模型.并用算例网络验证了本文建立模型的可行性.算例研究结果表明:交通事件持续期每增加10 d,持续期内路径的平均行程时间增加0.24%;与普通路段相比,事件发生在关键路段导致平均行程时间增加3.07%; 路段通行能力每下降10%,平均行程时间增加2.53%;不同事发路段对路网系统在事件结束后恢复到均衡状态所需时间的差别显著,关键路段通行时间的恢复约为普通路段的4倍.      

弹性需求下路段行程时间波动的收敛性

分析了弹性需求下路段行程时间的波动随道路长度延伸的收敛性.采用 MITSIM仿真路段上车辆的行驶过程,根据仿真数据计算车辆通过该路段的预期行程时 间,路段入口处的交通需求由需求函数及预期行程时间确定.通过记录所有车辆驶入、驶 出该路段的时刻获取车辆的实际行程时间.用行程时间标准差系数来衡量行程时间波动 性.数值算例对不同潜在交通需求的情况进行分析.结果表明,对任意确定的潜在需求,在 弹性需求的作用下,路段行程时间的波动性都将随着路段长度的延长而趋向收敛,随着 潜在交通需求的增加收敛速度减小,弹性系数的增加则促进行程时间波动的收敛.     

小波变换在输电塔结构损伤位置识别中的应用

采用小波变换极大值在多尺度上的变换规律表征信号突变点的性质,从而确定信号有无奇异点并确定其位置,进而对等截面悬臂梁进行损伤位置识别。然后将该小波变换方法应用于大型输电铁塔的损伤位置识别。考虑到对大型结构施加荷载和监测变形曲线较为困难,提出了利用环境激励下的加速度响应沿高度变化的曲线作为基本信息进行小波变换的识别方法。结果表明,该方法能有效地识别沿高度刚度均匀分布或渐变的高耸格构式塔架的损伤位置,对存在刚度突变的塔架无法有效地识别刚度突变处的损伤。     

基于浮动车速度波动特征的交通状态识别

为实现路段交通状态的准确判别,解决单参数无法直接识别道路交通状态问题,本文利用高频浮动车速度数据,使用灰度共生矩阵特征值对比度和逆方差表示车辆行驶的波动特征。基于城市道路交通状态变化的动态性与连续性,围绕固定时间窗口内车辆的平均车速、对比度和逆方差,采用FCM (Fuzzy c-means)算法进行聚类分析,得到畅通、平稳、拥挤和阻塞这4种状态阈值。提出基于多维高斯隐马尔可夫模型的交通状态识别方法,分别以3,5,6 min固定时间窗口训练模型。模型状态转移矩阵表明,时间窗口越小其保持原有交通状态的可能性越大,时间窗口越大交通状态突变的可能性越大。使用不同序列长度对比3种时间窗口在测试集中的识别精度,结果表明,随着序列长度的变化,精度显示出先升高后降低的趋势,且固定时间窗口越大,不同序列长度的识别精度变化越均匀。最后利用5 min固定时间窗口划分数据使用本文方法和支持向量机以及随机森林分别进行道路交通状态识别,综合精度分别为92.00%、84.89%、88.48%,同时本文方法在查准率、召回率和F1度量(F1-score)指标均优于其他两个模型,说明道路车速的波动特征可以很好地反映道路交...