排序方式: 共有47条查询结果,搜索用时 15 毫秒
1.
2.
为了提高汽车ABS整车检测效率,开发了一种新型的基于台架的汽车ABS整车检测系统。该系统利用飞轮的转动惯量模拟车辆在道路上运动的平动惯量;通过扭矩控制器在4个车轮所在滚筒上加载不同的扭矩,实现不同路面附着系数的动态模拟;采用基于CAN总线的分布式网络测控技术完成台架的运动控制和车辆速度数据的采集;利用BP神经网络自学习... 相似文献
3.
4.
5.
复杂环境下的车道检测是目前智能车和辅助安全驾驶研究的难点和热点. 针对外部复杂的道路环境,将光学偏振理论引入传统的车道检测技术,提出了一种基于成像偏振的车道线检测方法. 通过对车道线图像基本特征的分析,首先采集3个角度的特殊环境道路偏振图像,获得偏振度图像;然后对偏振度图像作二值化和图像感兴趣区域的划分;再根据车道线边缘的直线特性,进行道路图像的边缘检测从而可以获得车道边缘;最后通过Hough变换原理提出了改进的Hough算法,并得以实现检测出车道标线,计算出汽车行驶偏角. 通过仿真和实验验证表明,该方法能够准确地检测和识别出复杂环境下的车道线,车道线的检测偏角与实际偏角之间的误差小于0.3°. 相似文献
6.
7.
分析了道路线形对智能汽车行驶安全性的影响,分别使用数据驱动的机器学习方法和模型驱动的经典数学建模方法,建立了以道路线形技术指标为输入的神经网络模型和多元数学模型,预测事故多发路段;计算了各个道路线形技术指标与事故率之间的偏相关系数,从中挑选出与事故率相关程度较大的道路线形特征,使用T检验和F检验验证了道路线形特征组合和单个特征对事故率的影响。结果表明:基于机器学习的神经网络模型和基于数值逼近理论的多元数学模型预测正确率基本相近,大约为90%;2种模型对道路安全影响较大的道路线形相关不利因素组合相同,均为平曲线转角、横向力系数和纵坡坡度;各种不利因素组合中,平曲线转角、横向力系数和纵坡坡度出现的频率分别为100.0%、91.7%和83.3%,远远大于其他因素;事故多发路段道路线形因素不仅与平曲线转角、横向力系数和纵坡坡度有关,而且与其线形组合有密切关系,组合不当亦会导致事故增加;2种模型可相互验证,考虑计算速度及参数的可解释性,实际中应优先选择多元数学模型进行事故预判。 相似文献
8.
9.
研究了制动力曲线异常检测方法, 分析了回踩异常特性, 考虑了制动力检测工况和制动力曲线变化趋势, 基于余弦相似度与相对误差, 对制动力数据进行聚类, 建立了制动力曲线分段算法; 将制动力曲线分为阻滞段、上升段、持续段和释放段, 提取出相应的数据子集; 对3家检验机构的9 120条制动力曲线进行人工筛选和分析, 归纳了制动超前、回踩、增长滞后3种异常特征, 给出了相应异常检测算法; 对于较难识别的回踩异常, 根据动态规划思想, 找出上升段最长连续趋势下降子序列, 计算了该子序列占制动力曲线上升段的行程比, 并结合经验值来判定该子序列是否异常。研究结果表明: 对于维度不大于32的低维制动力数据, 通过余弦相似度可聚类制动力曲线的阻滞段、上升段、持续段和释放段; 对于维度大于32的高维数据, 因为维数较高, 行程比较小, 分界点对整个序列相似度影响较小, 在这种情况下, 必须在考虑相似度的情况下, 通过分界点的相对误差进一步约束聚类结果, 可以确定制动力曲线的阻滞段、上升段、持续段和释放段; 由于采集的回踩子序列占制动力曲线的行程比为9.8%, 大于行程比的经验阈值8.2%, 因此, 该制动力曲线具有回踩异常, 判断结果正确, 方法可靠。 相似文献
10.
以绿灯末尾排队状态为目标,研究了二相位控制单点交叉口的动态信号配时。根据排队形成和消散过程建立了排队模型,分析了信号周期、绿信比和到达率对排队状态的影响。以两相位排队均处在弱欠饱和状态为控制目标,提出了随到达率变化的简便信号配时算法,根据总流量比计算信号周期,根据较大的流量比调节主相位绿信比。仿真结果表明:信号周期缓慢地同向改变两相排队状态,绿信比反向改变两相排队状态,到达率仅改变相应相位的排队状态。当交叉口饱和流率为0.50 pcu·s-1,黄灯和绿灯前损时间为4 s,到达率在0.10~0.26 pcu·s-1之间变化时,两相排队始终都在弱欠饱和状态,说明配时算法是有效的。 相似文献