基于小波变换和神经网络的汽车安全部件故障识别

汽车安全部件的工作状态直接影响汽车的安全行驶，运用小波变换理论对汽车在不同部件参数作用下的运动参量进行小波分解。提取相关低频信号和车辆动态评价指标作为汽车运动的特征值，结合神经网络技术进行了部分安全部件的故障状态识别。     

小波变换在车辆噪声源识别中的应用

利用三级小波包分解，获取信号能量分布的特征向量，根据信号能量分布的特征向量相关系数，确定两种信号相关程度，给出了识别不同信号的识别方法，试验表明，该方法用于车辆噪声、振动源识别比传统的分析方法更为简单、有效。     

基于小波变换的爆胎识别方案

针对爆胎识别这一问题,采用小波多分辨率分析技术,设计了一种爆胎识别新方案.通过模拟爆胎试验发现.该方案对爆胎时流通截面积以及不同的轮胎压力不敏感.能够准确判断爆胎发生.该方案的技术优势得益于小波分析技术无需事先对数据进行建模的特点,能准确寻找信号突变点,使得所设计的爆胎识别方案具有较强的适应能力.     

基于小波变换方法的汽车碰撞信号分析

研究实车碰撞试验采集的非线性、非平稳信号的处理方法,并进行多分辨率的时频分析。利用小波变换理论,对复杂的瞬态非平稳碰撞信号进行分辨率自适应分析和时频定位,表达碰撞信号的局部特征及变化趋势,发现其内在的本质和规律性。经过对汽车碰撞的原始信号进行db4小波变换,得出特征信号的趋势曲线和系列细节曲线,时频定位的逻辑关系清楚,对分析碰撞过程的时序以及碰撞过程发生的事件具有很好的指导作用。     

基于连续小波变换的柴油机涡轮增压器振源识别

柴油机涡轮增压器高频振动严重影响到柴油机及整个动力系统的运转可靠性.针对涡轮增压器的主要振源进行识别分析研究,可有效地指导振动控制和本体振动响应优化.针对涡轮增压器本体振动响应具有的高频、宽频带、时变非稳态等特征,利用连续小波变换方法在信号处理中具有的多尺度计算分析频率、精准定位发生时间等时频特性优势,开展瞬态激励下动...     

基于虚拟线圈的车型识别研究

在车型识别系统中,车辆的特征提取是非常重要的.传统的检测方法受摄像机的成像精度与架设方式等因素的影响,给车辆特征的提取带来困难.提出了一种采用虚拟线圈识别车型的方法.该方法将检测线与虚拟线圈相结合,对提取的车辆信息进行预处理,以检测线检测到达预先设置位置的车辆,然后触发虚拟线圈来提取车辆特征,通过BP神经网络来训练识别的车辆特征,以达到车型识别的目的.试验证明,该方法识别效果好,识别有效率达99%.     

基于小波变换的四轮车辆非平稳振动时频研究

基于8自由度的车辆动力学模型，以四轮相关滤波白噪声路面为系统输入，对四轮车辆的非平稳随机振动过程进行了计算机时域模拟，进而采用谱分析和小波分析技术分析了系统响应，在时频平面内建立了各振级之间的振动联系，考察了振动能量的流动情况，深入揭示了车辆非平稳振动过程的本质。     

车用发动机前端辐射声源的小波分析与识别

根据连续小波变换具有较二进离散小波变换和小波包变换更精细的尺度分辨率的特点，研究了适用于工程应用的发动机表面辐射声信号小波变换结果的表述方法，并以一台车用增压柴油机前端表面辐射噪声的测量和识别分析为例，提出了一种车用发动机主要噪声源诊断和识别的测试分析方法。文中还将声信号测量识别的结果与表面振动信号识别的结果做了比较，两者是吻合的。     

汽车导航用电子地图的高效路网模型

为了有效地描述实际道路网络，提高汽车导航系统的运行效率，建立了一种新的电子地图的路网模型。在分析了嵌入式系统特点的基础上，对路网的数据结构进行了简化。采用重整实体ID的方法，进一步提高了数据的处理效率。实践证明，该模型可以较好地表述实际的道路网络，结构精练，处理效率高，适合车载导航系统，特别是嵌入式车载导航系统的要求。     

运动图像处理在车型识别中的应用

本文介绍了多品种混流机器人喷漆自动线的汽车车型识别系统的一种方法，提出了基于运动序列图像的自适应阈值判别法，利用特征匹配法解决了同种车型的图像在结构上产生局部变化的识别问题。     

行驶车辆振动信号的小波分析

本文介绍了小波分析的理论方法，并上小波分析方法应用到了行驶车辆振动的分析中，即：通过二进离散小波变换，把实际振动信号进行多层小波分解，使异常信号和非平稳高频信号得到良好的时间定位和图形显示，并把信号的路面激励与本体振动分离开来。     

采用小波分析进行电喷汽油机失火诊断的研究

采取小波变换的方法对电喷汽油机的瞬时转速波动信号进行分解去噪处理。采用小波变换的Mallat快速算法,并从分解后的信号中提取特征值,用于诊断汽油机的失火故障。通过台架验证试验表明:文中采取的方法可以有效去除高速时的干扰信号,能满足失火诊断的要求。     

基于融合特征稀疏编码模型的车辆品牌识别方法

提出了一种基于融合特征稀疏编码模型的车辆品牌识别方法,该方法首先提取车脸图像的方向梯度直方图特征作为融合特征稀疏编码模型的一级特征向量,然后将车脸图像的一级特征向量作为过完备字典中训练样本集的线性组合,并构建非负性约束稀疏编码模型,最后采用重构误差最小原则对车辆品牌进行识别。基于东南大学的车脸数据库进行了试验,结果表明,基于融合特征稀疏编码模型的车辆品牌识别方法优于HOG+SVM、传统稀疏表示和字典学习稀疏表示的车辆品牌识别方法,其平均识别率达到96.16%。理论分析和试验结果表明,基于融合特征稀疏编码模型的车辆品牌识别方法具有较强的鲁棒性和适用性。     

基于小波免疫系统的车辆总成故障检测

匹配算法。根据小波分析和人工免疫系统的原理，提出了一种基于小波变换和免疫系统的故障诊断系统。针对小波分析的特点，将其用来对非稳定信号进行分析，获取信号特征向量作为原始数据，利用匹配算法对原始数据进行己-非己分析。将此系统应用到车辆总成故障诊断中，取得了良好的效果。     

基于子波能量和神经网络分类器的机动车车型识别

为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。     

基于神经网络的发动机动态模型的研究

本文从制定自动换挡规律的应用角度出发，分析了发动机动态特性的决定因素，完成了桑塔纳2000电喷发动机动态试验，通过对大量试验数据的反复学习，建立了基于神经网络的发动机动态模型，为实现发动机与传动系共同工作的最佳匹配奠定了基础。