基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。     

汽车电子控制系统中的故障自诊断

重点介绍汽车电子控制系统3个组成部分－传感器，ECU，执行器的故障识别，并从故障识别，故障处理及ECU自诊断流程3个方面对汽车电子控制系统中的故障自诊断进行了全面的阐述。     

项目管理中进度延误的识别和处理

本文在识别了各种类型的延误后，总结了延误处理的一般原则，特别是对较为复杂的共同延误，结合网络图中的关键线路进行了探讨，为实际生产中正确地处理延误提供帮助。     

使用阵列技术识别高速行驶轿车的辐射声源

阵列技术通过传声器获取声场信息，使用波束形成或功率谱估计原理对声场信号进行处理，能对宽带声源进行有效识别。在汽车表面声源分布假设的基础上利用平面十字阵列技术对某轿车高速行驶时的车外噪声源进行了识别。试验结果表明，阵列技术可以识别出高速运动轿车表面上的主要声源，从而为轿车的车外噪声控制提供了科学依据。     

用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器的雅息融合算法－－后验概率检测算法。在该算法中，难事合中心将各个传感器送入的识别结果进行综合处理，得出最终的决策。仿真结果表明我传感器系统探测目标的性能优于单传感器系统，该算法运算量小，适于进行快速的实时处理     

汽车供应链风险管理研究

汽车供应链蕴藏着高风险性，汽车供应链风险管理就是通过风险识别、评估、处理等方式，对汽车供应链风险实施有效控制和妥善处理损失的过程。     

基于PDA的高速公路路面养护管理子系统设计

以掌上电脑PDA采集数据为基础建立高速公路路面养护系统体系，该系统基于高速公路养护需求及企业识别系（CIS），以实现病害数据采集自动化及路面病害处理的高效化为宗旨，通过建立病害数据库，提供病害处理决策建议及养护工作计量支付可靠性保证，并为路面养护实施效果后评价等提供参考。     

基于多任务迁移学习的交通警情信息自动处理方法

从交通警情数据中自动获取信息对于快速处理交通事故和提高交通管理水平具有重要的意义。为此，提出了一种基于多任务迁移学习的交通警情信息自动处理方法，该方法上游采用文本预训练模型作为共享参数层，下游建立多任务并行学习方法，实现对交通警情中的关键信息、类型和语义自动处理。选取江苏省苏州市2年内共120 191条原始交通警情作为试验数据，通过自动处理方法构建了一套标准的交通警情信息数据库。试验结果表明：所建立的关键信息抽取方法可以更精准地提取警情数据中的时间、地址和车牌信息；交通警情分类模型性能优于现有的深度学习模型，分类准确率达93%；基于局部特征增强的警情语义分析方法重点识别了警情中事故的严重程度和救援需求，识别准确率达87%。研究结论显示交通警情自动化处理方法具有良好的可移植性和实用性。     

用于结构损伤位置识别的两种神经网络性能比较

为了克服用BP网络进行结构损伤位置识别时网络结构确定难、网络训练易陷入局部极小、训练时间长以及处理带噪声数据需要大量的误码练样本等问题，提出用SOFM网络进行结构损伤位置识别的方法。分别用SOFM网络和BP网络对一桁架结构进行损伤位置识别，通过比较两种网络的性能发现SOFM网络不但网络结构容易确定，网络训练不存在陷入局部极小的问题，BP网络只有在大量训练样本条件下才能保证网络具有较好的抗噪声能力，若训练样本不足，则BP网络的抗噪声性能较差，而SOFM网络在较少训练样本情况下即可具有良好的抗噪声性能，因而SOFM网络更适合训练样本有限备件下的结构损伤位置识别。     

ABS轮速信号抗干扰处理方法

ABS的轮速处理模块的特性直接关系到系统控制效果，轮速信号中的随机和系统干扰和不能很好地识别和剔除，就有可能导致ABS控制的失效。在分析ABS轮速信号产生原因和特点的基础上，提出了轮速信号抗干扰处理方法，包括伪脉冲异点剔除预处理算法和轮算冲击平滑算法，对ABS试验数据的处理结果表明，所设计的轮速信号干扰处理方法具有干扰信号抑制彻底，实时性好的优点。     

凸凹不平道路几何参数识别和模型重构方法研究

自动驾驶汽车的凸凹不平道路和异常路面行驶，不仅要考虑道路曲率等因素，还需要对路面凸起、凹坑等特征和病害进行识别建模，提高车辆通过性、安全性和舒适性。为此，本文提出了一种基于激光雷达的凸凹不平道路几何参数识别和模型重构方法。首先，将局部加权散点平滑方法（Lowess）首次应用于激光雷达点云处理，提高了激光雷达点云数据的平滑性；其次，提出了基于斜率阈值分割的路面几何参数识别方法，通过设置斜率阈值对道路凸起与凹坑进行识别提取；再次，通过识别特征点云边界构建了带约束的分段多项式函数路面连续典型特征拟合数学模型。最后，通过建立的室内路面典型特征沙盘模型及路面实测数据，应用本文提出的方法，对凸凹不平道路的凹坑和凸起等特征进行了识别和模型重构。结果表明，分段多项式拟合方法在拟合次数5～6次时达到拟合效果极限位置，此时各个场景中92%的数据点拟合均方根误差在0～0.015 m范围内，本文提出的方法能准确完成凸凹不平道路几何参数识别，实现路面典型特征三维数学模型重构。     

汽车主动避撞系统中的报警方法及其关键技术

在分析现代汽车主动避撞系统特性的基础上设计了汽车主动避撞报警系统，对系统报警方法，雷达信号的Kalman滤波处理，雷达目标物有效性识别算法等关键技术进行了研究，给出了系统合理性及实用性验证的仿真及初步试验结果。     

新劲漆面修补基础知识(八)

在日常漆面修补工作中，出现一些漆膜问题是很难避免的，有些漆膜问题会马上就显露出来，而有些问题却要在汽车出厂后才能发现。不管怎样，问题一旦出现，能够准确识别，知道问题的起因以及如何进行处理，就显得尤为重要了。     

新劲漆面修补基础知识（十二）

在日常的漆面修补工作中，由于各种原因，经常会出现这样或那样的问题，有些漆膜问题会马上显露出来，有些问题却要在汽车出厂后才能发现。不管怎样，问题一旦出现，能够准确地识别问题的起因以及如何进行处理就显得相当重要了。     

环卫洗扫车上装智能语音识别系统浅析

本文以一款智能环卫洗扫车为对象,介绍了上装智能语音识别控制系统的构成、工作原理、音频信号识别及降噪处理方法。     

新劲漆面修补基础知识（十六）

在日常的漆面修补工作中，由于各种原因，经常会出现这样或那样的问题，有些漆膜问题会马上显露出来，有些问题却要在汽车出厂后才能发现。不管怎样，问题一旦出现，能够准确地识别问题的起因以及如何进行处理就显得相当重要了。     

新劲漆面修补基础知识(十)

在日常的漆面修补工作中，由于各种原因，经常会出现这样或那样的问题，有些漆膜问题会马上显露出来，有些问题却要在汽车出厂后才能发现。不管怎样，问题一旦出现，能够准确地识别问题的起因以及如何进行处理就显得相当重要了。     

新劲漆面修补基础知识（十三）

在日常的漆面修补工作中，由于各种原因，经常会出现这样或那样的问题，有些漆膜问题会马上显露出来，有些问题却要在汽车出厂后才能发现。不管怎样，问题一旦出现，能够准确地识别问题的起因以及如何进行处理就显得相当重要了。     

新劲漆面修补基础知识（十一）

在日常的漆面修补工作中，由于各种原因，经常会出现这样或那样的问题，有些漆膜问题会马上显露出来，有些问题却要在汽车出厂后才能发现。不管怎样，问题一旦出现。能够准确地识别问题的起因以及如何进行处理就显得相当重要了。     

新劲漆面修补基础知识（十八）

在日常的漆面修补工作中，由于各种原因，经常会出现这样或那样的问题，有些漆膜问题会马上显露出来。有些问题却要在汽车出厂后才能发现。不管怎样，问题一旦出现，能够准确地识别问题的起因以及如何进行处理就显得相当重要了。