汽车车牌的自动检测与识别

车牌识别系统是智能交通系统的重要组成部分.研究进行车牌识别的各项关键技术,提出基于数学形态学与多特征组合分析相结合的快速汽车车牌定位方法.在分析近年来一些典型的车牌识别算法的基础上,给出改进算法的BP神经网络.实验表明,该算法可以有效提高识别速度和准确率.     

数字轨道地图线路特征分段拟合方法研究

基于全球卫星导航系统（GNSS,Global Navigation Satellite System）的列车定位技术降低了铁路建设与运营的成本,数字轨道地图作为地图匹配方法的基础,通常作为辅助定位手段对卫星定位偏差进行校正,对轨道线形进行准确描述及约简是轨道电子地图构建存储的前提。文章采用方位角近似估计曲率的方法对轨迹平面线形进行初步识别分类,为提高线形的拟合精度,引入自适应权值因子,对最小二乘拟合法进行优化,以消除大偏差观测数据对拟合趋势的影响,从而保证整体轨迹数据的平滑拟合及精度。实测车辆轨迹数据验证表明,该算法可对车辆轨迹线路特征进行有效提取及准确描述。     

一种改进的高斯粒子滤波室内节点跟踪算法研究

粒子滤波器(PF)是非线性估计领域一个重要方向。为了避免粒子失去多样性的问题,基于启发式优化算法的思想,提出了一种新的引力高斯粒子滤波算法(GSA-GPF)并将该算法用于室内节点轨迹跟踪问题。在使用高斯粒子滤波器(GPF)估计出粒子分布及权重后,采用引力搜索算法使粒子向高似然区域移动,增加了有效粒子数,同时,GSA-GPF避免了PF中重采样过程的缺陷,减小了粒子多样性的损失。仿真结果表明:GSA-GPF有效地抑制了常规PF的发散现象,在少量粒子数的情况下,将其跟踪误差减小了约64.1%,并且与粒子群优化的GPF相比,保持了更好的滤波精度。     

基于自适应粒子群算法的轨下基础病害识别

基于车辆-轨道耦合动力学模型，对不同轨下基础病害情况下的轨枕振动响应进行仿真分析。提出利用支持向量机算法和粒子群算法对轨下基础病害进行识别。为了提高粒子群算法的收敛速度，提出一种自适应粒子群算法，并将所提方法应用于轨下基础病害识别仿真，分析不同病害条件下的轨枕振动特征。研究表明：所提算法的病害识别准确率≥80%,且其算法收敛速度有明显提升。     

基于随机森林的轨道车辆门亚健康诊断应用研究

提出一种基于随机森林算法的轨道车辆门亚健康诊断方法,以实现对轨道车辆门对中异常、缓冲头磨损等亚健康状态的识别。该方法对一组试验数据提取特征值,生成类型标签,利用随机森林算法,经过训练得到亚健康诊断模型。再利用另一组试验数据对模型进行测试,调整随机森林训练模型参数,以预测准确率为评判标准,选取最优参数,确定最优模型。最后将模型用于实际运营的地铁车辆门,验证该方法的有效性和可行性。根据诊断规则推送车辆门亚健康预警信息,为地铁运维提供参考。     

基于BEMD-IPSO-SVM的 扣件完损状态检测

扣件的完损状态关乎铁路系统的安危,而传统检测算法运算复杂且精度不足,为进一步提升检测性能,提出基于BEMD-IPSO-SVM的扣件完损状态检测算法。该算法首先对初始化的扣件图像进行二维经验模态分解,提取固有模态函数的频谱特征,通过改进粒子群算法优化支持向量机来实现检测分类,达到了简化运算,增强泛化性,提升识别准确度的目的。通过实验仿真得出平均检测准确率可达95.15%,证明该算法在扣件检测方面切实可行。     

计及牵引负荷相关性的随机潮流计算

结合随机潮流计算量化系统状态变量的概率信息,构建牵引变电所概率负荷模型,描述牵引负荷的随机性和波动性,对实现系统优化运行具有重要意义。通过蒙特卡洛算法模拟相应数据并结合非线性递减惯性权重与混沌优化的粒子群算法辨识模型参数;针对随机潮流计算输入变量的相关性控制问题,提出一种基于模拟退火算法与拉丁超立方采样的方法。仿真实验结果表明:改进的粒子群算法较普通粒子群算法拟合精度更高;改进的相关性控制方法可以不受随机变量概率密度表达式的约束,实现多个随机变量的相关性控制;计及牵引负荷样本之间的相关性对节点电压越限概率、支路功率的影响较仅考虑普通负荷相关性时更为明显,可指导系统进行概率潮流优化。     

基于DCT的轨道移频信号压缩与重构方法

针对基于DCT变换对以轨道电路为传输媒介的轨道移频信号（FSK信号）进行采样压缩与重构的方法进行研究。根据移频信号频带特点保留对应频带数据，对频域系数进行压缩采样，采用DCT算法压缩信号，解码端应用重采样与DCT反变换还原信号，应用ZFFT算法对重构的轨道移频信号进行频率检测。MATLAB仿真实验结果表明：该方法压缩效率高，更节省压缩计算与存储空间，频谱分辨率高，重构误差小。     

基于EMD模态相关和形态学降噪的齿轮故障诊断研究

为了从齿轮振动信号中提取出包含有故障信息的特征频率,针对现有EMD(Empirical Mode Decomposition)降噪算法中的IMF重构问题,提出了基于EMD模态相关和形态学降噪的齿轮故障诊断方法。首先采用EMD将目标信号分解为若干个IMF分量之和,利用模态相关分选准则选取噪声主导分量和信号主导分量的分界点,并利用各个IMF分量的自相关函数来验证该准则的正确性;然后将选到的噪声主导分量进行形态学滤波,利用峭度准则优化形态学结构元素尺度,自适应的寻求最优解;最后将滤波后的噪声分量与剩余分量进行重构,得到滤波重构信号,通过频谱分析识别齿轮故障特征频率。仿真数据和齿轮裂纹故障实验测试数据的分析表明,该方法滤波效果理想,能更有效地提取出齿轮故障特征。     

结合PSO-OEWOA和MKSVDD的轨道车辆轴承性能退化评估

为了有效评估轨道车辆轴承性能退化程度,提出一种结合反向指数的鲸鱼粒子群混合算法(PSO-OEWOA)与多核支持向量数据描述(MKSVDD)相结合的滚动轴承性能退化评估方法。针对滚动轴承样本数据结构复杂,样本数据分布不均匀导致SVDD分类不够准确的问题,对SVDD模型的核函数进行改进,构造多核核函数提高支持向量数据描述的学习能力和泛化能力;然后针对MKSVDD中多参数选择盲目的问题,结合粒子群算法收敛速度快和鲸鱼算法探索能力强的优点,利用反向指数的鲸鱼算法迭代融合PSO算法对MKSVDD的参数进行寻优,从而避免优化算法早熟收敛和陷入局部最优。将轴承正常状态样本特征向量看作训练数据,同时将MKSVDD模型的准确率作为PSO-OEWOA的适应度函数,构建PSOOEWOA-MKSVDD评估模型,利用正常数据训练的MKSVDD的超球体半径作为健康报警阈值确定轴承的退化。通过轴承全寿命数据对模型进行训练和测试。研究结果表明：MKSVDD模型在轴承初始性能退化时评估敏感性比SVDD模型更优,而且相较于SVDD模型,在中度性能退化时的稳定性也更优。最后对采集的牵引电机轴承的振动数据进行退化分析,结果与...     

基于粒子群算法的轨道车辆设备布局优化

轨道车辆车上设备布局是轨道车辆设计中一个重要的环节，开展轨道车辆设备布局优化设计对保证轨道车辆的安全运行具有重要作用。考虑轨道车辆设备外轮廓约束、设备干涉约束等，建立了以设备总重心相对于轨道车辆自身中心的距离最小化的轨道车辆布局优化数学模型。根据轨道车辆设备布局优化的特点设计了基于粒子群算法的轨道车辆设备布局数学模型。采用线性递减权值策略，通过改进惩罚因子，有效地引导粒子群算法向全局最优解方向收敛。以轨道工程车辆的设备布局问题为实例，采用本文算法进行了车上设备布局优化设计的实例分析，表明本文方法可有效解决轨道车辆设备布局优化问题。     

基于改进Fisher准则、VMD、距离相关系数和核极限学习机的轴承故障诊断

针对滚动轴承早期微弱故障特征提取问题和诊断模型的参数优化问题,提出一种基于变分模态分解(VMD)和距离相关系数的特征提取方法和基于模拟退火粒子群算法的参数优化方法。首先依据不出现模态混叠的条件和信噪比最大的准则确定VMD的参数k和α,其次将分解所得各个模态的峭度,中心频率和同原信号的距离相关系数作为小波核极限学习机的特征向量,并用模拟退火粒子群算法基于改进的核空间的Fisher准则优化小波核的2个参数,同原始Fisher准则相比提升了分类准确率,适用于小样本训练集下核极限学习机的参数优化。对比实验表明相比EMD方法,VMD方法有更高的分类准确率和更好的噪声鲁棒性。     

制动工况下未知路面附着特性识别方法

路面附着特性是影响车辆制动性能的重要因素之一,而实际中车辆行驶的路面往往是未知的或非典型的.为了改善车辆在未知路面行驶时的防抱死制动控制性能,提出了 一种瞬时车况路面附着特性识别方法.基于行车瞬时采样数据,结合典型路面的附着特性曲线,对未知路面附着特性的几个数据节点进行了估算.最终利用4组附着特性数据节点对未知路面附着...     

基于Shearlet域方向模极大值和改进蜂群的图像边缘检测

为从图像中提取出更为准确、清晰的边缘,本文提出一种基于Shearlet域方向模极大值和改进蜂群的边缘检测方法。对图像进行非下采样Shearlet分解;对于低频分量,利用改进的蜂群算法准确检测出边缘的基本轮廓线;而对于高频分量,采用方向模极大值算法检测出图像中丰富的边缘细节;融合后得到轮廓完整、细节丰富的图像边缘。实验结果表明:与Canny方法、改进的蚁群方法、改进的蜂群方法、改进的非下采样Contourlet模极大值方法相比,本文提出的方法检测出的图像边缘定位准确、完整清晰、细节丰富,边缘检测效果更好,且运行时间较少。     

基于再次均匀采样策略改进轨道车辆二系悬挂系统参数估计方法

基于粒子滤波和卡尔曼滤波的轨道车辆二系悬挂系统参数估计方法存在因粒子枯竭而无法对系统参数变化进行监测的缺陷,所以引入再次均匀采样策略对其进行改进.采用轨道车辆系统横向动力学模型,建立轨道车辆二系悬挂系统的横向动态空间模型,并运用改进后的参数估计算法和Matlab软件对二系横向阻尼和抗蛇行阻尼2个系统参数进行仿真计算.结果表明:在无法获得轨道横向不平顺统计特性的情况下,参数估计方法仍具有良好的鲁棒性;在轨道车辆二系悬挂系统发生突发或老化故障的情况下,改进后的参数估计方法可以准确估计系统参数的变化,且误差值始终保持在10％以下,能够实现对系统状态的实时监测.     

基于Labeled-LDA的列控车载设备故障特征提取与诊断方法研究

准确地诊断出列控车载设备的故障类型是保障列车安全运行的基础。针对车载设备故障诊断问题,根据北京动车段300T车载日志数据的特点,基于数据挖掘方法并结合现场技术人员的经验知识,构建车载设备的故障特征词库;在此基础上,改进了Labeled-LDA(Latent Dirichlet Allocation)模型用于提取日志数据的语义特征。采用基于粒子群优化的支持向量机算法PSO-SVM对日志文本的故障进行分类,以降低故障样本数据分布不均衡对分类精度的影响,并与传统的支持向量机算法SVM,K最近邻算法KNN进行对比分析。实验结果表明,KNN、SVM、PSO-SVM三种算法的故障文本数据一级故障诊断准确率依次为79.4%,81.8%和90.9%,二级故障诊断准确率依次为74.6%,78.1%和81.3%,验证了PSO-SVM算法在车载设备故障诊断方面的有效性。该研究成果对列控车载设备日常维护具有一定的指导意义。     

基于非线性车辆模型的行驶状态与路面附着系数估计

路面状况和行驶状态的准确识别是车辆安全行驶和主动控制的重要依据。为了验证车辆行驶状态和路面附着系数估计的有效性,建立了包含Dugoff轮胎模型的四轮三自由度整车仿真模型,提出了基于扩展Kalman滤波理论的车辆行驶状态与路面附着系数估计算法。车辆在设定的双移线路面附着系数分别为0.8、0.7、0.6的工况下进行仿真,对比车辆的运动状态和车辆转向输入激励的趋势的一致性,验证了该模型的合理性。结合该模型计算出的Dugoff轮胎模型纵向和侧向归一化力,通过Matlab编程实现扩展卡尔曼算法估计,算法估算得到的汽车行驶状态参量和路面附着系数与仿真值进行对比。通过结果对比表明,车辆行驶状态估计值与Simulink数值解的均方根误差(RMSE)指标最大值不大于0.03,由于轮胎与路面是动态接触,路面附着系数呈上下波动状,实现了对车辆行驶状态参量和路面附着系数的实时估计,为重型车辆稳定性控制提供了理论基础。     

基于视觉的地铁列车前向目标识别系统研究

为解决地铁列车前向运行环境中障碍物判断问题,提出基于视觉的地铁列车前向目标识别系统。该系统利用语义分割算法提取行驶轨道区域,结合轨道区域识别,基于SSD算法提取前向运行环境中轨道限界范围内的列车、行人等目标。针对上述场景,建立列车前向运行环境样本库,并基于该样本库完成模型训练。实验结果证明所得模型可有效识别列车前向行驶多目标。     

一种列车数字无线信号中继系统的设计与验证

为改善高速列车内部无线信号的覆盖质量,提出一种采用重采样滤波器的多级混合滤波器组来实现数字上、下变频的方法,该滤波器组可方便的实现整数倍和分数倍的抽取或内插。基于此方法设计一种列车数字无线信号中继系统,并对其进行算法级仿真和系统级实验。Matlab仿真结果表明,载波带宽为10 MHz,其阻带衰减值为80dB,带内波动为0.001dB时,数字上、下变频采用包含重采样滤波器的多级混合滤波器组,具有良好的通阻带逼近性,频谱无混叠现象。试验结果表明,基于该方法的中继系统的底噪声功率谱密度值为-136.9dBm/Hz,带内波动值为0.6768dB,指标优于技术规范要求。     

基于边缘校正的深度图像上采样后处理算法

深度图在人机交互、导航、增强现实等领域有重要的应用,但目前由Kinect、TOF等摄像机获取的深度图像与颜色图像相比,分辨率普遍较低,而大量的应用中都要求深度图像必须与颜色图像分辨率一致。为此,本文提出一种深度图像上采样的后处理算法。本算法利用经典的插值算法对深度图像进行初步的上采样,再对初步上采样后的深度图进行两次后处理。提取颜色图像的几何边界信息,以其为基准校正初步上采样深度图的边界位置;抽取深度图像边界两侧内部平滑区域的像素值,对校正边界后的上采样深度图的边界线两侧区域进行相应的填充。实验结果表明,与经典上采样算法相比,本文所提算法的上采样图像具有更好的主观质量,在保证边界区域平滑的情况下,消除了上采样算法带来的边界模糊现象;且通过边界校正,深度图像边界与颜色图像几何边界的吻合度得到提高,改善了合成视点的质量。