基于Halcon及VS的动车组制动闸片厚度自动识别模块

研究基于图像处理和模式识别的动车组闸片厚度自动识别模块,解决动车组制动时因闸片过薄而导致的车轮迅速升温,甚至引发不安全状态的问题。该模块可实现动车组通过时自动检测,即自动拼图、图像预处理、模型定位及制动闸片厚度计算,并对厚度小于一定数值的闸片进行自动报警。通过大量实验和测试表明,该模块可以有效地计算闸片的厚度,具有很好的鲁棒性。     

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。     

基于自适应权值的多分类器融合方法

提出了一种类似于聚类分析的融合方法，它通过分析样本在特征空间的分布，来估计分类器分类结果的可靠性，并根据各个样本的具体情况自适应地为各分类器赋予权值，从数据融合的层次上来说，这是一种介于特征级和决策级的融合方法。     

基于模式识别的船舶异常行为自动报警方法

不能自行判断船舶异常行为,并根据判断结果完成自动报警,是现阶段船舶航行面临的主要问题。为有效解决此问题,建立基于模式识别的船舶异常行为自动报警方法。通过识别相似度的确定、与船舶异常行为关系的确定,完成基于模式识别研究角度的确定。通过船舶异常行为聚类、聚类异常行为识别,完成上述方法的搭建,并确定该方法是否可以完成自动报警。设计对比实验结果表明,应用该方法后,节省检测船舶异常行为所需人力资源,且提升识别准确性。     

铁路路况识别系统的设计和开发

为了实现对多种复杂铁路路况的识别,需要采集路况图像并加以处理,以得到识别所需的图像特征,最后通过模式识别辨别路况.由摄像机、采集卡、计算机及相关软件建立一套路况图像采集与识别系统.探讨数字图像的采集、图像处理中同态滤波、对比度增强、优化二值化算法、膨胀操作、粒子滤波等处理方法以及模式识别方法在铁路路况识别系统中的应用.经过现场验证,所设计系统识别准确率达94.4%,识别效果理想,可以满足路况采集及识别的需要,是一种可以运用在铁路机车智能减振系统中的新方法.     

基于车致振动的桥梁损伤识别

基于移动车辆引起的桥梁振动,采用模式识别的聚类分析方法对桥梁结构损伤定位及损伤程度估计进行了研究．应用车致振动理论计算不同预设损伤位置和损伤程度的桥梁结构在相同移动车辆作用下的动力响应,记录其在测试位置的响应,形成损伤模式库;将在测试位置实际测得的响应与损伤模式进行比较,并利用聚类分析的近邻法识别桥梁结构是否出现损伤、损伤位置及其程度．为直观有效地表示识别结果,分别以损伤位置和损伤程度为独立坐标轴,用等值线和响应云图的方式展示比较结果．以移动荷载匀速通过某简支梁为例,验证了该方法的有效性和鲁棒性．数佰模拟结果表明．该方法能够有效地估计桥梁结构的榀作付罟和榀作程摩．     

基于多维信息特征分析的驾驶人认知负荷研究

准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。     

基于概率神经网络的通用航空器冲突探测方法

针对当前冲突探测技术难以同时实现精准识别与实时识别的问题,研究基于概率神经网络(PNN)的通用航空器冲突探测方法.将冲突探测视为模式识别问题,通过冲突模型分析,提出了航空器"冲突角"概念,改进了现有冲突识别方法采用的关键特征指标,将原有的4个关键特征指标提炼为3个指标,分别为航空器相对距离、相对速度以及冲突角,以此构造概率神经网络,训练形成神经网络分类器.结果表明,基于3关键特征的概率PNN冲突分类器分类误警率和漏警率保持在1%左右,在冲突误警率上优于基于4特征的SVM冲突分类器的6%,提高了航空器冲突探测的准确度;分类所耗时间始终保持在1.2 s左右,远低于Monte Carlo仿真方法的同时,较4特征分类器也降低了0.2 s左右,提高了冲突识别效率.      

排序击中与否变换在模式识别中的应用

介绍了一种识别汉字的方案。其采用形态学中排序击中与否变换，并利用可编程光电混合图象处理系统加以实现。采用该方案可准确有效地对汉字进行识别，中对给出了实验结果并对其进行了讨论。     

模糊模式识别在导航系统性能综合评价中的应用研究

就导航系统抗干扰性能评价问题指标的多层次性,根据模糊模式识别的原理,对现有的模糊模式识别方法进行改进,提出了一种新方法.该方法首先将系统分为3个等级,并把它们看作3个模糊模式,根据试验所测得的数据构造各模式的隶属函数,然后采用反向递推的方法从指标体系的最底层出发依次计算待评系统与各模式的加权贴近度,最后由模糊模式识别的择近原则得出待评系统所属的等级.最后应用此方法对某一导航系统进行评价,给出此系统所属的等级.