一种考虑分类器不确定性的多通道D-S融合方法

不同的多个分类器能利用被识别对象的互补信息，从而提高系统的综合识别能力。然而，各分类器的分类结果中存在不确定性信息，不确定性值的大小反映了分类结果的优劣，这个值可以通过距离的方式来计算。本文从几何角度出发，提出了分类器结果的不确定性测量方法，在利用Ｄ－Ｓ方法合成多个分类器的输出时，将这些不确定性信息也融入计算之中。数值分析结果表明，这种融合方法是有效的。     

基于深度卷积神经网络的钢材微观组织分类识别

通过引入多种深度卷积神经网络及分类器构建机器学习模型,对钢材金相图数据集进行学习,研究了一种能够准确、高效识别钢材微观组织的方法。研究结果表明,文章中所涉及的3种深度卷积神经网络在钢材微观组织的分类识别上均表现出优异性能,其中Inception-V3表现尤为突出,其与人工神经网络分类器组合而成的机器学习模型的分类精度可达99.60%。     

遗传BP网络在滚动轴承故障诊断中的应用

分析了传统ＢＰ算法存在训练速度慢且易陷入局部极小点的缺点，研究了解决的方法。利用基因实数编码的遗传算法训练ＢＰ网络节点的权值，大大提高了神经网络的训练速度及训练精度。遗传算子包括适应值比例选择、整体离散交叉及随机变异３个算子。对比遗传ＢＰ网络和传统ＢＰ网络对机车车辆滚动轴承的诊断结果，遗传ＢＰ网络具有较多的优越性，便于实际应用。     

机车车辆滚动轴承故障BP网络诊断方法

神经网络故障诊断技术已成功的应用于航空航天领域，但在铁路系统应用极少。文中介绍了神经网络故障诊断理论方法，并以ＢＰ网络为基础，实现了机车车辆滚动轴承的多故障诊断。     

一种基于深度神经网络的腕臂底座开口销缺失检测算法

在接触网装置故障中,腕臂底座(包含平腕臂底座和斜腕臂底座)开口销缺失较常见,包括横向和垂直销钉开口销缺失两种.为对腕臂底座开口销缺失缺陷进行自动识别,本文提出一种基于深度神经网络的腕臂底座开口销缺失检测算法:首先采用YOLO算法对原始大图进行一级定位得到腕臂底座区域,然后对腕臂底座区域进行二级定位得到开口销区域小图,最后采用CNN(卷积神经网络)分类算法对横向和垂直开口销小图进行分类识别.实验测试证明该检测算法识别准确率高、漏检率低,可对腕臂底座开口销缺失进行有效检测.     

基于SBB算法的复杂背景手势输入系统

弱假设学习在近年来的机器学习领域得到越来越广泛的应用。本文提出一种多分类的基于应力的SBB(Stress Based Boosting)算法。在实时情况下,对输入的英文手语字母进行分类和识别,并转换成相应的汉字,实现了汉字的手势输入。首先对视频流进行预处理,利用双检测方法,消除噪声和背景得到手部区域,使用固定尺度的兴趣点检测器,利用特征提取器归纳出手部特征点,再利用SBB算法的学习规则对含有特征点的新样本进行分析和归类,采用应力反馈对于错判的手势进行纠正。在每个周期,都加入特征学习过程。算法能集中原手势训练集,通过已有分类器的分类结果确定分类策略。本系统具有自主学习、分类快速准确的特点。实验结果证明,本系统在实际条件下具有较高的识别率和鲁棒性,具备很好的应用前景。     

驼峰速度控制系统中神经网络方法的研究

现有的各种驼峰速度控制系统大多属开环系统，本文将神经网络学习算法引入速度控制系统达到系统闭环的效果。提出了一种直接控制的自适应神经元模型和神经网络结构，以及一种快速学习算法，并把该神经网络和算法用于驼峰速度控制系统。计算机模拟结果表明该算法是十分有效的。     

基于快速S变换的电能质量主成分分析方法

针对电能质量分析中S变换计算量大,及支持向量机分类识别需要设定特征参数的问题,文章将一种新的s变换的快速算法（FST）与主成分分析（PCA）相结合,并应用于电能质量分类识别。首先从FST域提取几种电压扰动的模系数;进而利用PCA进行降维处理并提取主要特征成分;然后获得投影矩阵;最后待识别电压信号投影后,根据最近邻分类器进行分类识别。仿真结果表明,电压扰动FST域模系数的特征成分主要在低频段,因此识别结果准确率高、计算时间短,并且算法本身有一定的抗噪声能力,能较好地实时处理电能质量扰动。     

基于神经网络的地铁列车运行过程的集成型智能控制

提出了一种以神经网络为主，并综合使用模糊系统、遗传算法等方法的集成型地铁列车智能控制方法。分别采用模糊控制的ＢＰ网络和基于遗传算法的模糊神经网络，实行了站间运行控制和定位停车控制，仿真取得了令人满意的结果。结果表明，将神经网络等计算智能方法综合用于列车运行控制是可行的，可以保证较好的舒适性、停车准确性，具有精度高，适应性、鲁棒性强等特点。     

噪音环境下语音识别理解系统的研究

根据人对语言的认知过程提出了含噪语音识别理解的模型，语音识别采用两级模块扩展联想记忆神经网络，第一级扩展联想网络将待识别语音类分组，第二级分支扩展联想网络实现各自组内的区分，两级模块扩展联想网络的学习速度比传统ＢＰ网络快９倍，它对噪音语音信号具有很高的自适应性、鲁棒性、容错性和联想记忆能力。语音理解提取语音识别的候选词，采用统计推理和句法规则相结合的多层分析查错的结构，由统计推断库预测下一词，句法     

基于神经网络的轨道车辆横向振动模型辨识

论述了车辆横向振动系统的神经网络辨识建模方法。根据横向振动系统的运动方程建立了描述其特性的神经网络模型，并运用递归预测误差算法识别了多变量离散模型的模型参数，进一步辨识了其结构参数。该方法参数估计过程直观，收敛速度快。计算表明，离散模型是可靠的，辨识结果正确。     

轨道交通闸机系统中的人体识别技术

对人体通过地铁闸机通道的通行情况进行分类,并根据形态学比例分别从垂直、水平方向确定传感器的空间位置.介绍了闸机系统的区域识别算法和关键点识别算法,并对两种算法进行分析.提出了将区域跟关键点相结合的思想,改进了算法,提高了系统识别的准确率.     

一种用于大型交通枢纽的跨摄像机行人再识别算法研究

跨摄像机行人再识别是大型交通枢纽安防监控的基本功能,它为后续行人跨摄像机跟踪和行为识别提供支持。由于交通枢纽内行人的外观特征受遮挡、运动形变和光照变化影响显著,且目前常用的行人再识别算法对上述影响因素的鲁棒性不太理想。因此,文章提出了一种适用于大型交通枢纽的跨摄像机行人再识别算法。该算法用1个图像序列代替单幅行人图像作为查询图像,同时,采用系统抽样方法将图像序列进行分组。然后以组为单元进行相似度计算,并将计算结果作为特征训练Adaboost分类器。最后综合各分类器输出结果来判断识别结果。在iLIDS和ETHZ两个具有挑战性的数据集上进行实验,结果表明文章提出的算法优于目前其他行人再识别算法。     

列车智能障碍物检测系统在北京新机场线全自动运行中应用的研究

全自动运行系统对提高列车运行安全以及提升列车运输效率具有重要意义,现阶段全自动运行系统列车主要依赖于信号系统,缺乏主动环境感知功能。本文提出了一种基于视觉与雷达融合的列车智能障碍物检测系统,该系统主要包含有轨道区域识别模块、列车检测模块以及视觉与雷达融合模块。其中轨道区域识别模块应用语义分割算法实现前向轨道区域的精准识别,列车检测模块通过卷积神经网络算法实现当前轨道内前向列车识别。视觉与激光雷达融合模块通过融合激光雷达数据与视觉数据,实现全天候的环境感知。实验结果表现本文的系统具有较强的鲁棒性,将对提升新机场线的列车运行安全以及运输效率具有重要意义。     

模式识别在电机故障诊断中的应用

本文在建立了电机多元时序模型的基础上，通过逐步分析电机故障机理，确定将电机故障分为两大类（机械故障、电气故障）。利用模型参数φｉ作为初始模式向量并对其进行Ｋ－Ｌ变换，剔除两类故障分类信息的相同点，提取其异同点，将较多维的模式向量压缩为几维的模式向量，并利用Ｆｉｓｈｅｒ分类器，建立分类函数，从而能正确识别电机故障类型。     

基于门控循环残差网络的滚动轴承故障诊断研究

滚动轴承的运行状态对整体机构的工作状态影响很大，防止因滚动轴承失效而产生的安全事故极为重要。而一维信号只利用卷积神经网络CNN(Convolutional Neural Networks)输出结果时无法充分利用数据间的时序信息的问题，因此，文中结合门控循环单元GRU(Gated Recurrent Unit)在处理时序数据所具有的优势,提出了一种门控循环残差网络结构，将CNN在强大的特征提取的优点与GRU处理时序数据的优点有机结合起来。为了验证算法的有效性，采用凯斯西储大学轴承数据集与齿轮箱轴承台架试验进行轴承故障诊断分析，同时引入常见神经网络作为对比，检验不同模型的分类性能。结果表明，在相同试验条件下相较于卷积神经网络等深度学习网络，文中算法具有更高的故障识别准确度和稳定性。     

基于粗糙集理论的列控车载设备故障分析方法

快速、准确的故障诊断技术是高速列车安全运行的重要保证,本文以此为目标,对列控系统故障诊断方法进行研究,将神经网络算法NN分别应用于列控系统车载设备应答器传输单元BTM、列车接口单元TIU的故障诊断中,通过对比故障识别准确率BTM为训练阶段19.89%、测试阶段36.51%,TIU为训练阶段96.93%、测试阶段94.84%,得出当数据中噪声较大时,神经网络的分类能力降低。为了解决以上问题,引入粗糙集理论进行属性约简、去除噪声,用神经网络进行故障识别,最终得出BTM的故障识别准确率为训练阶段93.32%、测试阶段97.41%,TIU为训练阶段99.21%、测试阶段96.72%,表明粗糙集理论和神经网络的结合RSTNN能够保证故障诊断的准确性,从而验证该方法在实现列控系统车载设备故障诊断方面的有效性。     

定时同步错误对CDMA并行干扰消除检测器的影响

以直扩码分多址（ＤＳ－ＣＤＭＡ）系统并行干扰消除检测器为模型，分析其在定时同小错误情况下的性能。由于在实际系统中定时跟踪的不准确，总是存在定时同步错误，干扰消除算法对定时错误的稳健性是值得研究的。Ｂｕｅｈｒｅｒ分析了软判决ＰＩＣ在定时跟踪错误下的性能，给出了封闭形式的误码率表达式。本文则分析了硬判决ＰＩＣ残余多址干扰的结构及统计特征，导出了定时跟踪错误下封闭形式的误码率表达式。通过仿真与数值计算，     

基于2阶级联轻量级卷积神经网络的高铁接触网悬挂紧固件缺陷识别方法

基于高铁接触网悬挂运行状态监测图像,分析监测图像与普通图像的区别;将紧固件缺陷检测问题转换为紧固件检测和运行状态精细识别2个过程,提出基于2阶级联卷积神经网络的紧固件缺陷识别方法。首先,设计紧固件检测网络,由轻量级特征提取网络、全局注意力模块及相互增强的分类器和检测器组成,实现目标紧固件实例的高效检测;然后,搭建1个包含4个卷积层、2个池化层、1个全连接层和1个输出层的多标签分类网络,完成紧固件运行状态的精细分类,实现缺陷识别。运用紧固体缺陷识别方法,对某高铁线路接触网状态监测图像数据进行试验分析,结果表明:2阶级联卷积神经网络的方法可以快速准确地检测紧固件的缺陷,紧固件定位平均检出率达98.2%,紧固件缺陷平均识别精度达95.8%,较单一检测网络提高约21.5%。     

基于YOLO算法的高速铁路客运车站钢结构雨棚螺栓缺失检测系统

当前，我国高速铁路客运车站钢结构雨棚螺栓缺失检测过于依赖人工目测，其危险系数大、成本高、效率低且误检率高。为解决该问题，提出一种基于YOLO(You Only Look Once)算法的螺栓缺失检测系统。该系统采用YOLOv4卷积神经网络，对现场采集的钢结构雨棚和接触网螺栓进行标注，通过K-means聚类算法，确定锚框数目和尺寸；利用CutMix和Mosaic等数据增强操作，增加训练数据的多样性，避免出现训练过拟合。试验结果表明，该系统类别识别准确率可达85%以上，识别效果较好，满足检测实时性要求。