基于BP神经网络的轮胎花纹沟槽识别

针对传统轮胎花纹沟槽识别算法存在数据特征提取困难、数理运算步骤复杂等问题,基于BP神经网络对生成的不同沟槽类型的轮胎胎冠线数据集进行反复训练,得到BP神经网络轮胎花纹沟槽识别模型。将轮胎胎冠线数据集随机划分为训练集、验证集和测试集,通过试验验证BP神经网络识别模型对轮胎花纹沟槽的识别性能,由混淆矩阵得到模型的正确识别率为94.9%。从3、4沟槽轮胎中获取实际胎冠线样本数据测试BP神经网络识别模型的实际识别效果,6条胎冠线上的花纹沟槽数量全部识别正确。基于BP神经网络识别轮胎花纹沟槽数量具有可行性。     

基于车联网数据的商用车发动机性能对比分析研究

<正>道路运输车辆在线监测技术是现代综合交通运输体系和交通行业融合发展的重要技术之一^[1]，是《交通强国建设纲要》提出的重要发展方向^[2]。车联网技术的应用，可以获得车速、发动机转速、扭矩、排放等道路运输车辆的信息^[3]。高效处理这些信息，获取监测的关键参数指标，对交通管理和运输车辆的安全、节能有重要意义^[1]。由于车辆回传数据信息量大、种类多，单纯从数据驱动模型的角度，难以用统一的方法进行数据处理，