基于单分类支持向量机的CAN总线异常检测方法

为提高智能客车的网络安全性,提出一种基于单分类支持向量机模型的CAN总线报文异常检测方法,根据智能客车CAN总线的报文数据域特性,分析攻击对数据域产生的影响,将CAN报文的数据域提取成8个训练特征,以大量的行驶数据作为训练集和测试集,通过随机和仿真方式生成异常数据,采用交叉验证的方式对参数进行调整。试验结果表明,该模型能有效检测出异常数据,提升了智能客车的行驶安全性。     

基于支持向量机的装载机齿轮箱故障智能诊断研究

在分析现有齿轮箱故障诊断方法的基础上,提出了采用多分类器支持向量机齿轮箱故障智能诊断方法,简介了该方法的系统结构、实现原理、特征提取与故障类别,重点讨论了齿轮箱故障多分类器支持向量机智能诊断模型与算法。仿真试验结果说明了采用多分类器支持向量机智能方法进行齿轮箱故障智能诊断的可行性与正确性。     

基于支持向量机的夹紧力控制阀质量分类

提出了采用支持向量机对CVT夹紧力控制阀进行质量分类的方法.并设计了相应的提取夹紧力控制阀性能特征参数的试验方案与夹紧力控制阀SVM多类分类器.利用试验得到的性能参数对SVM分类器进行训练,然后分别使用训练成熟的SVM分类器与RBF神经网络分类器对夹紧力控制阀进行质量分类.结果表明,采用SVM分类器的分类准确率明显高于RBF神经网络分类器.     

基于支持向量机的物流配送中心选址决策

建立了选址决策的模糊评价矩阵,应用支持向量机方法(SVM)来处理数据,进行物流配送中心的选址决策。支持向量回归机根据所提供的数据,通过学习和训练,找出输入与输出的内在联系,从而求取问题的解,而不是根据经验知识,因而具有自适应功能,能弱化指标权重确定中人为因素的影响。与传统方法相比较,有较好的泛化能力,能较客观地对多个选址方案的优劣进行评价。最后,引用实例说明利用支持向量回归机完成评价工作的全部步骤。     

基于粗糙集与支持向量机的无级变速器速比控制阀质量分类

在提取无级变速器速比控制阀性能特征参数的基础上,提出了采用粗糙集和支持向量机相结合的质量分类方法.首先,基于粗糙集理论对特征参数集进行属性约简;然后,使用支持向量机分类器对速比控制阀进行质量分类.实验结果表明该方法的分类准确率能够达到93.6%,具有良好的工程应用价值.     

基于支持向量机的动力电池故障诊断

电池故障诊断是电池管理系统中一项十分重要的技术。针对电池故障和电池输出状态量之间不确定的关系,采用模糊逻辑可以对模糊关系进行准确描述。选用合适的隶属度函数来表示输出的电压、电流信号,用模糊数学理论表示不确定的电池故障与电池输出状态量之间的关系,生成模糊数据库,用支持向量机对数据进行训练和测试,由结果可知该方法有较高的准确性。     

用进化支持向量机进行基桩低应变完整性检测

将遗传算法与支持向量机相结合,建立一种用于基桩低应变完整性检测的进化支持向量机分类模型。该法基于实测数据,可以有效地解决支持向量机的参数确定问题,快速地建立模型,其实例表明,方法简便易行,预测精度高。     

基于决策树和支持向量机在公司财务风险评估中的应用

本文选取被ST的股票,通过分析其包括盈利能力、资产管理能力、偿债能力、发展潜力四大类的21个财务指标,对公司是否被ST进行分类预测。本文在对数据进行极差规格化处理后,借助R中Rattle软件包的随机森林(Random Forests),选取了重要性高的前8个指标,再分别用决策树和支持向量机的方法进行对比研究。得出支持向量机建立的风险评估模型相较于决策树有更好的分类预测功能。     

基于支持向量机的水泥抗压强度预测

利用支持向量机结构简单、学习性能出色和较强的推广性等优点,通过对已有实例样本的学习,建立了水泥28d抗压强度与其各影响因素之间的高度非线性映射关系,然后用样本学到的新关系预测新的水泥抗压强度,并将预测结果与传统回归分析、神经网络预测结果进行了对比。研究表明,与传统的方法相比,支持向量机方法精度较高、相对误差小,为预测水泥28d抗压强度提供了一条新途径。     

基于支持向量机的车牌字符识别

支持向量机(Support Vector Machines,简称SVM)能够有效地解决小样本学习、非线性及高维模式识别等问题。对此提出了在无特征提取情况下基于SVM的车牌字符识别方法,通过实验选定二次多项式作为核函数,并将基于SVM的车牌字符识别与基于BP神经网络的车牌字符识别进行了实验对比。结果表明,在训练样本较少的情况下,该系统具有较高的识别率和识别速度,并具有很好的分类推广能力。     

基于SVM的二叉树多类分类算法在工程车辆挡位决策中的应用

为了解决工程车辆挡位决策这种典型的多类分类问题,在介绍自动变速器挡位决策基本原理的基础上,提出基于SVM的二叉树多类分类的挡位决策算法,将分类器分布在各个节点上,从而构成了多类SVM,并在制定换挡策略时,考虑了工作油泵所消耗发动机功率的波动问题。试验结果表明:该方法可根据车辆运行状态确定最佳挡位,从而及时准确地满足工程车辆自动换挡要求。     

基于维修的汽车材料连接方法

基于易修理性对汽车进行设计优化，不仅可缩短修理周期，减少修理费用，而且对汽车厂家和保险公司也有积极作用，汽车的材料连接是设计的关键。文章介绍了7种常见的材料连接方法，分析了连接设备和生产工艺的特．董，并根据材料连接缺陷找出不同连接方法对维修性能的影响，提出了改进建议，给汽车设计人员和汽车厂家提供借鉴和指导。     

基于地磁感应的车辆检测方法的研究

地磁检测器是一种新型的利用磁场变化的车辆信息检测设备.文中提出了基于这种地磁检测器的交通流信息检测方法,通过对地磁检测器采集的数据进行预处理和特征提取,利用2个地磁感应器,应用基于阈值的车辆判别方法,进行了车流量的实时在线的实验检验,实验检验结果表明,基于地磁感应的车辆检测方法的准确率达到了96%.     

基于深度学习的多角度车辆动态检测方法

针对在复杂场景下,背景区域干扰特征过多、被检测目标运动速度快等导致的动态目标检测率低的问题,研究了基于深度学习的多角度车辆动态检测方法,将带有微型神经网络的卷积神经网络(MLP-CNN)用于传统算法的改进.使用快速候选区域提取算法提取图像中可能存在车辆的区域,之后使用深层卷积神经网络(CNN)提取候选区域的特征,并在卷积层中增加微型神经网络(MLP)对每层的特征进一步综合抽象,最后使用支持向量机(SVM)区分目标和背景的CNN特征.实验表明,该方法能够处理高复杂度背景条件下,部分遮挡、运动速度快的目标特征检测,识别率高达87.9%,耗时仅需225ms,比常用方法效率有大幅度提升.     

基于证据理论和模糊神经网络的汽车换挡平顺性评价方法

针对目前汽车换挡平顺性评价方法的不足,提出了一个基于证据理论和模糊神经网络的汽车换挡平顺性评价方法.运用证据理论对不同驾驶员给出的主观评价进行数据融合;通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练,建立了汽车换挡平顺性评价系统.计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性.     

基于碳平衡法的汽车油耗测量方法

介绍了我国油耗测量方法标准情况以及常见的汽车油耗测量方法；阐述了碳平衡法的基本原理；分析了日本、美国、欧盟等油耗标准或法规的碳平衡法公式。通过示例比较了上述公式的计算结果以及主要影响因素，并与油耗仪实测结果进行了对比。最后指出欧盟碳平衡法公式比较简洁实用，值得我国借鉴。     

基于车身减速度估计的ABS路面识别方法

为改善制动防抱死系统(ABS)的控制效果,进行了大量实车道路试验,通过深入分析试验数据,提出了一种基于车身减速度估计的路面识别方法,从理论上证明了该方法的合理性,并结合试验数据说明了该方法的原理。将路面识别模块嵌入到ABS软件中,以捷达GTX轿车为试验车进行了干路面和雪路面工况下的实车试验。结果表明:基于车身减速度估计的路面识别方法能准确识别路面类型,ABS可根据路面识别结果采取不同的控制算法,最终改善了制动控制效果,提高了ABS对路面的适应性。     

1种基于车辆时空图的车辆异常行为检测方法

对快速路车辆异常行为的检测有助于防止或及时处理交通事故,缓解交通拥堵,保障出行的安全和效率。采用多高斯背景模型提取前景运动车辆及其中心点并利用Kalman滤波算法跟踪运动车辆。在此基础上,得到各个车道上车辆的行驶时空图,通过车辆时空图对车辆行为进行轨迹分析,根据时间序列上车辆位置的变化检测车辆逆行,通过车间距和车辆位置状态信息检测车辆碰撞。实验表明,该方法能较好地识别出车辆异常行为。     

面向低速清扫车的信息融合车辆跟踪方法

交通参与者运动的准确跟踪与预测对智能车行为决策的有效性至关重要。传统运动目标的跟踪系统多采用单一传感器,难以保证数据的精度与可信度。为提高系统的鲁棒性与可靠性,设计一种融合毫米波雷达和相机的目标跟踪方案,该方案针对多目标的特征级信息进行融合。首先,考虑低速行驶的自动驾驶清扫车所处环境杂波较多,方案选择基于IMM/JPDA的多目标跟踪方法估计局部航迹。为降低JPDA数据关联的计算复杂度,结合基于马氏距离构造的椭圆关联门和基于车辆非完整性约束构造的扇形关联门,实现关联门的自适应调整,减少关联杂波的干扰。其次,结合传感器的配置与特性,对目标的航迹状态进行空间对准和时间对准,按照航迹点间的欧氏距离和互协方差选择融合模式,进行局部航迹融合。最后,为验证多目标跟踪和航迹融合方法的有效性与实用性,分别设计基于MATLAB/PreScan环境的仿真试验和基于智能清扫车平台的实车试验。研究结果表明：在横、纵方向上,融合后的系统状态都比单一传感器的估计状态更为准确,融合结果对单一传感器的估计误差有35%以上的提升;实车试验证明,该方案能有效融合ESR毫米波雷达和Mobileye单目前视相机的状态估计信息,能基本正确地跟踪目标和估计航迹;融合状态的横、纵向误差都在可接受范围以内,且融合状态比单一传感器的估计波动更小。