高铁扣件的自适应视觉检测算法

为了实现高铁缺陷扣件的准确、快速和自动化检测,提出一种基于图像处理技术的高铁扣件自适应视觉检测算法.针对高铁扣件图像的特性,使用改进的LBP (local binary pattern)算子提取扣件的显著特征;在扣件特征图的基础上,采用模板匹配算法得到扣件区域在原始图中的精确位置,进而得到扣件子图并用扣件的位置信息校验定位结果;以相邻两个扣件子图的差值作为判断依据,如果差值大于预设的阈值,相应的扣件则被判断为缺陷扣件.将该检测算法应用于高铁工务部门提供的真实扣件图.研究结果表明:本文提出的自适应扣件检测算法在雨天的表现最差,检出率为96%,误检率为0.50%;在晴天的表现最好,检出率为100%,误检率为0.22%;在不同天气、光照、环境下的综合检出率为99%,综合误检率为0.33%.     

融合PHOG和MSLBP特征的铁路扣件检测算法

为了提高铁路扣件检测的识别率和鲁棒性,以及扣件图像PHOG特征的有效性,提出了简单有效的枕肩定位算法,该算法首先在提取PHOG特征前,根据枕肩、扣件和背景间的位置关系去除冗余背景信息;然后,模拟人眼视觉注意机制,设计MSLBP特征采样方式,提取扣件图像的宏观纹理特征;最后,采用分层次加权融合的方法联立两类特征,并采用SVM分类器进行扣件分类识别,提出一种基于计算机视觉和PHOG-MSLBP融合特征的缺陷识别算法.将该算法应用于实验,结果表明:与使用PHOG、MSLBP单一特征相比,基于PHOG-MSLBP融合特征检测算法的平均识别率分别提高了6.3%、4.5%,且鲁棒性更强,可满足扣件缺陷自动化检测的需要.     

基于邻域相关的自适应中值滤波算法

为改善图像效果,在对现有的椒盐噪声自适应中值滤波算法分析的基础上,提出了基于邻域相关的自适应中值偏移滤波算法。算法对自适应中值滤波算法的处理过程进行改进。当滤波窗口大于设定的最大值时,根据像素点邻域内的像素点灰度值分布在不同的区间,将像素点灰度值的复原分为偏大或偏小两种情况。受污染像素点的滤波输出值为偏移的中值,偏移的距离根据改进的自适应中值滤波算法运行时滤波窗口的大小来决定。从仿真结果可见:该算法滤波后的图像具有较高的峰值信噪比,对图像细节的保留能力和抑制椒盐噪声的能力都有一定的提高。     

基于多邻域的车辆路径优化迭代局部搜索算法

针对物流配送中的带有容量约束的车辆路径优化问题,提出了一个基于多邻域的迭代局部搜索算法HILS.首先用简单插入法构造可行解,然后从该初始解出发,在多邻域内进行局部优化.当陷入局部最优解后,根据解的接受准则,选择某个解,并对该解进行扰动,然后从扰动后的解出发重新进行局部优化.为提高搜索效率,局部优化过程只在限定邻域内进行.在国际通用的14个benchmark问题上进行仿真实验,结果验证了本文算法HILS的有效性和稳定性,与文献中的其他几种算法的比较结果表明,算法HILS的总体性能更优.     

基于组合隶属度的快速模糊聚类算法

为了改善模糊C-均值聚类算法(FCM)对噪声图像的分割效果,Stelios等提出了鲁棒性的模糊局部C-均值聚类算法(FLICM),通过引入模糊因子,充分利用邻域像素的灰度信息和空间信息,提高了算法对噪声的鲁棒性,但因每次迭代必须计算邻域像素到聚类中心的距离,导致耗时高、效率低.针对该问题,提出了基于组合隶属度的快速模糊聚类算法,通过构造组合隶属度函数,对迭代中的隶属度矩阵直接进行滤波处理,避免了计算邻域信息耗时较高的缺点,组合隶属度函数不仅考虑了隶属度的局部信息,而且考虑了隶属度的空间信息,在确保算法对图像分割精度的前提下,降低了算法的时间复杂度.实验表明,基于组合隶属度的快速模糊聚类算法可在较短时间内完成高精度的图像分割.     

基于高斯混合部件模型的铁路扣件检测

针对采集图像中铁路扣件存在形状的变化、扣件图像的光照差异较大和扣件被异物局部遮挡的问题,根据对可变形部件模型算法和高斯混合模型的研究,提出了高斯混合部件模型算法. 结合扣件图像边缘特性及改进的Roberts算子计算图像梯度,将归一化后的方向梯度直方图特征作为高斯混合部件模型算法的底层特征,根据扣件形状划分部件,部件之间的相对位置采用星型连接方式度量,运用余弦相似性度量部件中方向梯度直方图特征的相似度,部件模型使用高斯混合模型并采用期望最大化算法迭代求解. 将高斯混合部件模型算法应用于扣件检测中,最终平均检测效果为漏检率3.16%、误检率9.80%、正确率90.27%.      

越江越海隧道入口段追尾事故风险预测模型研究

针对越江越海隧道入口段追尾事故风险问题,本文首先基于上海长江隧道入口处路侧监控视频提取车速数据,通过聚类算法得到不同交通流状态下的实际平均速度,作为设置实验参数的依据.然后在驾驶模拟实验中,分别在晴天、雨天、雪天等不同环境下设置拥堵流、拥挤流、自由流3种交通流状况,并且在不同环境下分别设置一次追尾事故高危风险情境,获取驾驶行为数据.通过相关性分析和随机森林方法进行变量筛选和重要性排序,发现车头时距最小值、两车速度差最大值、急躁、加速度标准差、拥堵流这5个变量对事故风险有显著影响.最后,引入随机过采样方法优化不平衡数据问题,构建随机森林模型,结果表明,基于随机过采样策略的随机森林预测模型AUC指标提高了6.8％,且对比随机森林、XGBoost、支持向量机模型,基于随机过采样-随机森林算法的短时追尾事故风险预测模型效果最佳.     

基于改进Canny算子的铁路扣件定位方法

边缘特征是铁路扣件定位及缺陷分类的重要依据.针对传统Canny算子人为设定高低阈值会影响边缘检测效果,以及对多余信息消除能力较弱等缺点,提出一种轨道扣件边缘定位的改进Canny算子算法.首先,改变梯度幅值计算,除考虑水平和垂直两方向外,再增加计算45°与135°方向的梯度幅值,以有效避免边缘间断;其次,采用二维最大类间方差算法确定最优阈值以消除伪边缘,并以此进行Canny算子优化.仿真表明,该方法有效优化了Canny算子,能够准确检测所确定目标的真实边缘,在光照不均匀条件下的效果尤其突出,且具备较强的自适应性与抗噪能力,可基本消除因伪边缘而影响Hough变换的直线提取性能,定位准确率可达99.3%.     

基于动态规划的轨检车波形数据里程偏差修正研究

轨检车在铁路线路状态检测和养护维修方面发挥着不可替代的作用.历史检测数据具有可比性是获取可靠线路状态变化趋势的关键基础,因而也是开展线路状态修的基础.影响检测数据可比性的主要因素是里程偏差.既有研究基于区段上各采样点里程偏移为常数,利用相关分析修正里程偏差.然而,现场生产实践和轮轨关系研究表明,里程偏移量是一个随机变量.本文研究建立了轨检车数据采样点最优配对模型,捕捉每一个采样点的里程偏移量,建立的模型被用来修正某线路的17次检测数据,修正后的检测数据展示了模型的可靠性和现场应用可行性.     

融合背景差分的二次重构和内外标记 分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领 域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外 标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸 显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部 标记,进行“准欧式”距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提 取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完 整的目标,很好地抑制了过分割问题, 在动态场景的行人检测中取得了较好的效果.     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。     

A Simple Approach to Determine Noise Frequency of Boiler Drum Level

IntroductionSince much of emergency shutdowns arecaused by poor drum level control in power plant,stable drum level control is critical to economic op-eration of any power plant steam generator sys-tem.The control gain setting must be reduced inorder not to respond excessively to thc drum levelerrors[1].Due to the uncertainty of operating con-dition point,surface wave of drum water is stimu-lated to fluctuate frequently and subsequently tomake oscillatory disturbance signal,which is com-bined …     

机械振动系统的频响函数估计方法研究

为提高频率响应函数（FRF）的估计精度,基于主成分和总体最小二乘法的思想,分别提出SISO和MIMO测量条件下的FRF估计模型,模型能考虑输入输出随机噪声影响且理论清晰、简单易行.利用振动传递路径系统模型验证提出方法比传统方法更具有效性.依据不同的测量环境、测量对象、精度和效率等要求,提出FRF测量、估计等环节的有效策略.研究成果为获取精度高、鲁棒性好的FRF提供了有力支撑.     

基于直接模态摄动法的无阻尼线性随机结构的随机振动研究(Ⅱ)——随机动力反应分析

提出了基于数论选点的直接模态摄动法,用以求解无阻尼线性随机结构的随机动力反应.以数论选点的直接模态摄动法为基础,求出随机样本的特征值和特征向量,然后利用模态叠加法,求解样本结构在样本荷载作用下的动力反应,把所有的样本反应统计分析,即求得结构的随机反应.由于在计算过程中,没有将随机反应分解为均值部分和摄动部分,因此,采用直接模态摄动法求无阻尼复合随机振动系统的反应不存在久期项问题.算例分析表明,复合随机振动系统的随机反应均值比均值荷载作用下均值结构的确定性反应要小.     

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.     

基于卫星导航的列车轨道占用加权识别方法研究

全球卫星导航系统在列车位置服务中的研究越来越广泛，基于卫星导航的列车定位方法可结合轨道电子地图将卫星定位结果转换为一维轨道里程值，其中列车轨道占用状态的正确识别是列车卫星定位的基础.本文提出一种基于地图匹配的适用于道岔区段内列车轨道占用加权识别方法，首先构建列车卫星定位的置信区域，然后计算置信区域内的线路数据与原始卫星定位结果的距离偏差和方向偏差等，对列车的轨道占用状态进行识别，并综合考虑铁路线路的拓扑结构，以及列车运行状态以提高运算效率.结合现场数据并与垂直投影法和交互多模型法对比可知，本文方法在保证轨道占用识别正确率的基础上，提高了计算效率.     

基于金字塔特征融合的二阶段三维点云车辆检测

针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法。首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得 到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测。基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高 了5.07%~8.59%。     

基于K近邻和法向精度的点云精简算法

针对传统点云简化算法在精简散乱点云数据时经常丢失过多特征点的不足,提出了基于K近邻和法向精度的点云精简算法.该算法首先对输入的散乱点云数据建立K近邻索引,并剔除集群点及离群点,从而完成点云数据的预处理,然后对预处理后的数据进行Delaunay三角化,并重构三角网格面,最后依据法向精度进行非特征点剔除.仿真实验表明,该算法既能较大程度地精简点云数据,又能较好地保持原有模型的基本特征.     

基于改进局部递归率的脉动风速非平稳度分析方法

为了克服递归趋势(recurrence trend, RT)指标对不同信号非平稳度估计存在误判的缺陷,分别采用互信息法和伪临近法确定了递归量化分析的最佳延迟时间和最小嵌入维数,然后在递归量化分析基础上,提出了归一化局部递归率标准差(standard deviation of normalized local recurrence rate, SDNLRR)作为信号非平稳度量化指标.利用该指标,通过递归量化分析方法分析了白噪声信号、正弦信号、调幅信号、线性调频信号4个基本信号和2个实测台风场脉动风速信号的非平稳特性,并与传统的递归趋势指标分析结果进行了对比.研究结果表明:利用SDNLRR指标对6个信号的非平稳度的量化比较准确率达100%,比RT指标的准确率提高了33.33%,消除了RT指标对正弦信号和平稳脉动风速信号的错误估计.