硅钢片智能焊接系统设计

设计一种基于机器视觉的硅钢片智能焊接系统,通过CCD传感器对焊缝进行跟踪检测,采用数字图像处理算法对焊缝进行识别,并采用PID控制对焊接过程跟踪焊接。     

基于当前统计模型的三维空间机动目标跟踪算法

对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率(径向速度)和角变率(角速度)的当前统计卡尔曼滤波算法。针对三维空间中的机动目标,将新提出的算法和传统算法进行仿真,结果表明,当引入距变率和角变率时,其收敛速度加快,收敛精度提高,改善了跟踪性能,具有工程实践指导意义。     

集装箱码头能耗指标分析探讨

能源在集装箱港口企业总成本中占有相当比重,抓好集装箱港口能源管理工作十分重要。提出了分解能源消耗指标的做法。并在分解基础上,对能源消耗进行内部分析和外部分析,有效地降低运营成本。     

一种结合2DLPP与2DPCA的人脸识别方法

为解决二维局部保持投影(2DLPP)需要较多数据表示人脸特征的缺陷,提出了一种新的二维局部保持投影主成分分析方法(2DLPP-PCA).通过对人脸图像在行、列方向同时进行2DLPP和2DPCA投影,2DLPP-PCA 不仅能减少保存人脸特征所需要的数据量,而且能有效地提取人脸的局部特征和全局特征.在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,2DLPP-PCA是一种高性能的特征提取方法,当训练样本数为6时,2DLPP-PCA在ORL数据库上的最佳平均识别率达到99％以上.     

基于空隙模型的大空隙沥青混合料设计

空隙率的大小对大空隙沥青混合料的渗透性及力学性能具有很大影响,透水铺面应根据用途选择合适的空隙率,在一定的水头（降雨强度）下利用空隙模型确定的目标空隙率进行混合料配合比设计．结果表明,空隙模型确定的目标空隙率可为混合料的配合比设计提供理论指导,提高了传统设计方法的工作效率和准确性．     

隧道路面类型选择及调查研究

采用理论分析和实际调查相结合的方法分析了隧道内温度、湿度、噪声、基础强度、交通条件等对隧道路面类型选择影响.为了选择舒适、安全、耐久的隧道路面类型,基于灰靶分析理论从路面整体强度、耐久性、平整度、抗滑性能、耐磨性能及修复难易程度六个方面对沥青和水泥两种路面进行综合评价.结果表明沥青路面在隧道中具有更好的适用性.经对近百座隧道路面实地调查,验证了理论分析的正确性.随着施工、阻燃等技术进步,沥青路面将逐渐取代水泥路面在隧道内得到广泛应用.     

���ڳ���ʶ��ĸ��ٹ�·ͨ�зѲ�ּ����о���Ӧ��

随着高速公路的不断建设,高速公路已形成网状结构,为车辆驾驶员提供了多条选择路径. 同时高速公路投资主体的多元化必然要求合理拆分通行费,进而产生如何按照车辆行驶的实际路径进行通行费拆分的问题. 本文分析了联网收费环境下影响通行费精确拆分的主要因素. 建立了基于车牌识别的通行费拆分模型,并给出了模型求解算法. 最后结合福建省高速公路路网结构与运营数据进行实例分析,实现了70%以上的精确拆分和不到30%的模糊拆分,验证了本文方法的有效性.     

出行者信息服务系统中后台语音识别系统的研究

系统分析基于Microsoft Speech SDK的语音识别系统,首先给出语音识别系统的总体设计,其次对MicrosoftSpeech SDK的主要接口进行研究,在此基础上完成语音识别中XML语法文件的编制、Microsoft Speech SDK的语音识别算法的实现,然后得到信息服务发布系统中语音识别的工作流程及其结果,最后进行测试分析。试验表明,该系统具有一定的实用价值和研究价值。     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析（PCA）为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D-PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D-PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明：2D-PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D—PCA方法是一种效率更高,鲁棒性更强的人耳身份识别方法。     

考虑多维动态特征交互的高速公路实时事故风险建模

为探究天气和道路等特征,以及交通流、天气、道路及时间等多维动态特征之间的交互作用对实时事故风险预测模型精度的影响,本文基于京哈高速公路北京段的事故数据,以及匹配的交通传感器数据、天气数据和道路特征等,构建4个数据集,分别为只包含交通流变量,包含交通流变量、天气及时间特征变量,包含交通流变量、道路及时间特征变量,包含交通流变量、天气、道路及时间特征变量。从考虑多维动态特征的交互效应出发,基于深度交叉网络,提出一种新的实时事故风险预测模型。结果显示,本文所构建的深度交叉网络模型比其他几种实时事故风险预 测方法显示出更高的精度。模型的AUC值(Area Under Curve)可达0.8562,在0.2的概率阈值下, 可以正确分类84.26%的非事故数据和77.55%事故数据。结论表明,本文采用的多维动态特征交互样本条件下的深度交叉网络模型能够有效地预测高速公路交通事故,可为我国高速公路安全管理部门提供理论与技术支持。