多源遥感数据融合的道路材质精细识别

针对当前道路识别方法对道路材质识别精度不高的问题,提出了一种融合多源遥感影像进行城市道路材质高精度识别的方法。首先,对高光谱遥感影像中的地物光谱曲线进行分析,在保留地物光谱分离度较大的波段的基础上提升计算效率;通过分步融合的策略对多源遥感影像进行融合,提升高光谱影像的空间分辨率,为后续道路材质识别提供高质量的数据保障。其次,通过使用不同的指数对融合影像进行掩膜,提取城市建筑物,并在此基础上提取建筑物纹理信息与光谱信息,进行多特征融合并分类;最后,通过影像后处理对提取的道路进一步进行规范,得到最终高质量的道路材质识别结果。通过使用高分五号高光谱影像、高分二号全色/多光谱影像、高分一号多光谱影像对提出的方法进行实验验证,试验结果表明,本文方法可取得较高精度的道路材质识别效果,具有较好的应用价值。     

基于深度学习与支持向量机的钢轨伤损智能识别系统

目前国内钢轨探伤车检测系统都带有自动伤损识别功能,但由于采用了基于既有规则的简单逻辑判断方法,其自动识别的准确率不高,误报较多,伤损漏报的现象时有发生。针对该问题,根据钢轨探伤车所检测数据的特点,提出了基于深度学习与支持向量机的钢轨伤损智能识别系统技术方案;采用深度可分离卷积与选择性搜索相结合的方法进行目标定位;基于人工构建的多维特征,采用支持向量机方式进行伤损图像分类;并通过使用实际线路所测数据中的人工标注样本进行测试,验证了方法的有效性。测试结果表明,该系统在各项技术指标上均表现优异,伤损检出率达到99.8%,误报率降为12%,分类准确率达到95%以上。     

对抗智能鱼雷的声学模拟数学模型初步研究

基于智能声自导鱼雷在不同的源一场关系条件下的目标识别及其反对抗措施,初步研究了对抗智能鱼雷的机理方法,提出了水声对抗器材在不同的目标距离场(目标远场与中、近场)诱骗智能声自导鱼雷的声学模拟数学模型.     

沥青混合料拌和过程实时监控

为控制道路施工过程中沥青混合料的拌和质量与拌和状态, 提出一种以非介入方式利用模板匹配识别算法实时提取骨料、粉料、沥青质量数据、拌和时间及温度等沥青混合料主成分数据信息的方法, 根据识别到的沥青混合料数据信息建立了数据采集与传输的时序逻辑关系; 在WEB监控中心下可视化显示了沥青混合料配合比误差、级配误差、拌和时间和温度等关键信息, 并利用这些多模态信息融合策略评价了沥青混合料的拌和质量; 根据施工过程中沥青混合料类型的先验知识分析了混合料数据的动态变化, 在无人工干预的情况下自动识别了实时生产的沥青混合料类型; 建立了骨料数据的模型分布, 并结合拌和时间判断拌和设备的运行和筛分状态; 存储实时接收到的数据, 实现了沥青混合料历史数据跨时间查询和成本评判。研究结果表明: 利用模板匹配识别算法采集沥青混合料字符数据时间为4.9 ms, 识别准确率达100%, 满足了施工中沥青混合料拌和数据采集时间间隔小于0.02 s的要求, 实现了施工过程中沥青混合料数据的连续检测、自动识别、实时跟踪和可视化监控; 当沥青混合料质量不合格或拌和设备出现故障时可实时预警, 为综合评价沥青混合料拌和过程与实时掌控沥青混合料拌和质量提供了依据。      

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream，MTS)下智能网联车(Intelligent Connected Vehicle，ICV)实现鸣笛意图(Horn’s Intention，HI)识别，更好地遵循常规车辆(Manual Vehicle， MV)的驾驶意图，提出ICV 对MV 鸣笛声的“ 感知(Perception) - 定位(Location) - 识别 (Recognition)”模型(简称HI-PLR)，采用深度卷积-循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声；采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV；再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明，HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%，定位角度估计误差小于5°，HI 识别率达 82.5%，为ICV在MTS中的智能驾驶决策提供依据.     

基于RFID技术的道岔手摇把智能保管箱终端设计

为了对手摇把进行智能管理,代替人工检查手摇把数量及编号,本文提出利用RFID技术配合手摇把管理平台来监测手摇把保管箱内手摇把的数量,为进一步加强对铁路其他相关工器具的智能管理奠定基础。     

基于Hilbert-Huang变换的抗冰导管架平台损伤识别研究

渤海海域的抗冰导管架平台每年冬季都会受到海冰作用从而产生严重的冰激振动问题.对冰振危害进行监测与分析是保障冰区现役抗冰平台安全作业和降低冰害损失的重要研究内容.本文针对导管架结构长期处于冰振情况下结构可能存在隐性损伤的问题,采用Hilbert-Huang变换的方法开展结构损伤识别的研究.首先利用通用有限元分析软件ANSYS对冰荷载作用下的导管架平台模型进行瞬态动力学分析,进而对动力响应信号进行Hilbert-Huang变换,得到信号的固有模态函数(IMF)和Hilbert能量边际谱,最后通过结构损伤前后Hilbert能量边际谱的变化构建损伤指标,分析对比不同损伤程度下该损伤指标的有效性,并探讨海冰的冰速、冰厚对该损伤指标的影响.研究工作可以为寒区导管架结构在冰振情况下的损伤识别研究提供借鉴和参考.