基于多传感器数据融合的齿轮箱故障诊断方法

为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动...     

基于混合比例方法抽样用于入侵检测

支持向量机对于样本量不足的情况下会使得入侵检测分类精度普遍下降.为了提高入侵检测的检测精度,提出了一种利用混合比例抽取样本研究不平衡数据集的方法.该方法首先将数据集按各种类别分开,然后不按比例抽取,使得每层样本中的数据量相对平衡.再用此样本集构造分类器,采用构造的分类器去构建入侵检测系统进行检测.实验结果表明,使用这种混合比例的不平衡数据集分类方法可以有效地提高检测精度,而且降低误报率.     

包含异常数据的居民出行稳健回归分析

采用稳健回归方法克服了最小二乘估计受异常样本点影响较大的弊病,该方法通过对不同的点施加不同的权重减少"异常点"作用,并据此建立加权的最小二乘估计,反复迭代以改进权重系数,直至权重系数之改变小于一定的允许误差,得到模型参数更加贴近实际值.案例研究表明,用稳健回归方法建立的数学模型避免了少数异常值干扰的影响,更加真实地反映了居民出行发生的变化趋势.     

常熟市公路网信息管理平台研究与建设

随着常熟市近几年公路网的快速建设,公路基础设施总量大幅度增加,然而受管理体制、技术手段等多方面因素的影响,多年来一直没有建立起完善的公路数据采集、更新及跟踪管理机制,无法及时掌握公路基础数据。     

有限经济批量和排序问题的模拟退火搜索算法

采用模拟退火算法,解决一个简单供应链中经济批量和排序问题。在这个供应链中,单一的一个生产系统要生产多种产品来满足装配系统的需求,假定参数、产品的需求率、生产率、整备时间和费用都是给定的常数。目标是求解最优的生产批量和排序,使得整个供应链中单位时间的库存、运输的总费用最小。     

基于DEA法的小城镇道路网综合水平评价模型——以武汉市远城区为例

结合小城镇道路网的建设情况,构建由建设、管理、技术和服务四个方面组成的评价指标体系,运用数据包络分析（DEA）方法建立小城镇道路网络综合水平评价模型,并运用该模型对武汉市远城区的小城镇道路网进行分析,结果表明该方法在小城镇道路网络综合水平评价中具有可操作性和实用性。     

船岸一体化数据同步的实现

由于船岸在地域上的分离,使得岸端管理人员缺乏对所属船舶使用燃油情况的有效监控．文章主要应用卫通设备INMARSAT—C,作为船岸数据传输的主要通道,使用增量数据作为船岸数据同步的主要依据。通过船岸数据同步,实现了船岸资源共享,信息互通,方便了公司管理人员及时了解船舶各种燃油使用情况信息。     

基于自然驾驶数据的城市交叉口纵向驾驶特征分析

为满足驾驶辅助系统在城市交叉口对类人驾驶能力的更高需求,本文中研究了实际交通中的驾驶人在该区域的纵向驾驶行为特征。从自然驾驶数据中提取了778条驾驶人接近城市交叉口的样本数据,应用YOLOv4识别了交通场景中的各类道路使用者,采用方差分析研究了反应特性在不同运动类型和交通密度中的差异,建立分层回归模型分析了制动特性与运动状态、运动类型和道路使用者的关系。结果表明：高密度交通显著降低接近速度;与右转驾驶人相比,停车驾驶人的反应距离更长;当接近速度较高或反应距离较短时,会在更短的时间内以更高的减速度和制动强度接近交叉口,且提前4.46 s开始制动;不同道路使用者对制动特性产生了不同影响,停车驾驶人主要关注同向行驶的他车,右转驾驶人主要关注行人和骑车人。     

基于典型非机动车事故的自动驾驶汽车测试场景构建方法研究

基于交通事故卷宗、交通事故视频信息数据,研究机非混行交通环境下典型交通事故形态,构建了面向机非混行交通环境下的自动驾驶汽车测试场景,旨在针对我国较为特殊的机非混行环境下的自动驾驶汽车的测试场景及测试评价方法提供参考。本文首先分析了自动驾驶测试场景的构建需求,建立交通事故数据筛选标准,得到133例可用于构建自动驾驶汽车测试场景的机动车与非机动车交通事故数据集;其次基于《中华人民共和国道路交通安全法》行驶要求,对133例交通事故的发生地点、车辆行为、道路类型、环境光线等方面进行解构分析;最后通过聚类分析,建立了5类典型的自动驾驶测试场景模型,并分析了不同场景模型的关键要素,为实际道路测试提供理论指导。     

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。