轨道与接触网几何检测融合技术研究北大核心

为解决现有轨道和接触网几何参数检测系统相对独立、同步误差大的问题,对二者进行融合。改变检测系统硬件架构,统一两系统编码器脉冲及数据接口,提升系统硬件集成度及数据对齐精度;依据QNX系统开发融合系统软件,保证系统实时性及执行效率;制作L形工装,依据特征波形验证数据对齐精度;在实验室模拟车体振动的测试环境,分别采集静态及动态数据进行补偿算法验证。结果表明:融合后系统结构耦合度提高,避免了由定位信息密度低及网络延时原因造成的数据对齐误差;对激光摄像组件的测量数据进行复用,实现了接触网几何参数的补偿计算。经验证,融合系统运行稳定,可用于轨道与接触网几何参数检测数据的综合分析及超限判断。     

匹配角速度方法的船体形变检测技术分析探究

介绍匹配角速度检测船体形变技术原理和非线性滤波数理计算方法,通过船体形变检测系统建模和形变匹配检测模拟试验,验证该检测技术的船体形变检测技术适用性,对同类船体形变检测工程应用,有技术参考价值。     

迈腾B8电动后视镜控制系统的检测方法

鉴于现代轿电动后视镜控制系统功能繁多、结构复杂,故障排除难度较大。以迈腾B8电动后视镜控制系统为研究对象,通过分析其线路图工作原理,进而重点分析了后视镜转换开关EX11信号的检测信号和后视镜左右调节电动机V17控制电路的工作过程、常见故障与检测方法。结果表明:通过该检测方法能够有效地排查出该控制系统常见故障,并能够为其他车型控制系统提供规律性参考。     

一种基于语义分割结果的车道线检测拟合方法

车道线等地面标志物的检测是自动驾驶车辆环境感知的重要内容,能够为车辆提供可行驶区域的信息。文章提出一种基于语义分割结果的车道线检测拟合方法。使用车载单目相机获取车辆行驶过程中采集的道路图像,送入卷积神经网络进行车道线语义分割。将分割得到的仅含车道线的二值图像进行透视变换得到鸟瞰图,筛选有效车道线像素点,对有效车道线点使用最小二乘法进行多项式拟合,输出左右车道线多项式拟合系数,能够有效解决传统车道线检测算法的环境适应性差,鲁棒性不强,对弯道车道线检测信息不够准确等问题。     

路基压实效果评价方法研究

阐述了目前评价路基压实效果的几种方法,介绍了实时评价压实效果的新型装置及其工作原理,试验结果表明,采用新型装置评价压实效果,可实现更好的路基施工压实效果控制.     

Residual life prediction for marine diesel turbocharger based on Wiener process北大核心CSCD

[目的]针对船舶柴油机增压器难以收集到全生命周期性能退化数据的问题,提出一种基于维纳过程的寿命预测模型。[方法]首先,采用K-Means模型对增压器实际运行工况进行聚类,提取出典型工况数据;然后,使用贝叶斯突变点检测模型识别增压器的缺陷点;最后,建立基于维纳过程的退化模型,并以某型船用柴油机增压器为应用对象,预测增压器的剩余使用寿命。[结果]结果显示,基于维纳过程的寿命预测方法能够在不需要同类设备历史退化数据的情况下对增压器的剩余寿命进行预测。[结论]所提方法对缺少故障样本的船舶柴油机增压器寿命预测具有一定的参考价值。     

铁路信息系统云边协同体系架构研究

随着铁路信息系统业务量和数据量的日益增加，迫切需要探索一种新的架构，提升系统的自治能力和响应能力。文章结合铁路信息系统业务特点，提出了适用于铁路信息系统的云边协同体系架构，详细阐述了云边协同的技术体系和微服务、容器编排、边缘计算等关键技术，并介绍了其在铁路信息系统中的应用场景，可对云边协同技术在铁路领域的落地实施提供参考。     

基于匈牙利匹配和卡尔曼滤波的动态多目标跟踪

为了得到无人驾驶汽车目标检测的准确信息,文章通过对标定后的原始激光雷达点云进行分割和聚类,利用霍夫直线检测提取障碍物的外包框,最后使用匈牙利算法对被跟踪的障碍物和新检测出的障碍物进行关联匹配,并求出最优解,最终使用卡尔曼滤波算法对其进行状态优化。通过实验表明,本算法可以在激光雷达一帧0.1 s内,快速、准确地跟踪被检测出的障碍物。     

道路压实检测数据集成与可视化技术研究

道路的施工建设过程是一个数据容量庞大，数据特征冗杂、信息传递与交互过程复杂的施工活动，传统的施工数据存储、管理与分析依赖于纸质文件和部分电子文件，存在数据利用率不高、数据特征难以挖掘、数据价值难以体现等局限，难以有效地为施工质量把控与运营阶段的数据信息移交提供支撑与服务。因此，提出一种基于BIM的路基路面压实检测数据集成与可视化框架，通过BIM平台与数据库实现在信息模型中集成施工数据，进行数据分析与数据可视化，并结合实际工程案例应用与验证。研究表明:框架具有可行性与有效性，可为基于BIM技术的道路施工精细化建设与管理提供思路与技术参考。     

基于MS-RG混合图像分割模型的道路检测研究

道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性，使得传统基于道路分割的道路检测方法大多存在信息冗余，并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法，通过空间内的概率密度呈梯形上升去寻找局部最优，并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长，规范生长规则，克服不能得到封闭边界的缺陷，改进道路图像的分割效果.实验结果表明，本文提出的模型适用性强，相比于传统方法有效地提升了分割准确性和实时性，可准确识别出图像中的道路信息，确保车辆能够行驶在可行驶区域上.