面向海上搜救的UAV与USV集群协同路径跟踪控制

针对人工目视与超声波方法的船舶裂纹检测存在效率低下、成本高昂和危险性高的特点,提出一种基于深度学习的船舶裂纹检测方法。

首先,在原模型YOLOv5s的主干网络中使用轻量化卷积结构（GSConv）替代标准卷积并融入注意力机制,在降低主干网络参数量与计算量的同时,提升主干网络对裂纹特征的提取能力;然后,在网络的颈部使用基于PConv构建的C3_Faster替代原C3模块,提升模型的图像处理速度,增强模型快速性;最后,设计一种简化的双向加权特征融合网络（BiFFN）以改进原模型YOLOv5s中的特征聚合网络,提升裂纹的语义信息与位置信息的融合效果,以及模型对裂纹的识别准确度与定位精度。

通过对船舶裂纹原始数据与增强数据的学习,所提改进模型实现了94.11%的检测精度和93.50%的召回率,模型的计算量降低了17.93%,参数量降低了15.81%。

研究表明,基于轻量化快速卷积与双向加权特征融合网络（MLF-YOLO）的船舶裂纹检测方法,实现了模型轻量化与较高的检测精度和召回率,结果可为开发自主无人机船舶检测提供参考。

     

基于数字图像的道路平面线形恢复的研究

在老路改造过程中,需要道路的平面线形资料。基于对数字图像平面图像特性以及噪声分布规律的特点进行分析,运用特征空间聚类法对图像目标区域进行图像分割,提出了一种基于递归循环思想的噪声筛选算法对目标图像进行再处理,达到剔除噪声的效果。对道路的边线进行了标定及距离的测量,配合GPS设备在实践中进行了应用。实践证明方法在满足准确性的同时,也提高了运算的效率。     

探地雷达检测公路结构层裂缝实用方法研究

在简要介绍探雷达基本原理及裂缝在雷达剖面上的波组特征基础上,从垂直裂缝数学模型开始,由简单到复杂,按照理论分析数值模拟——物理模拟——现场试验这一流程对探地雷达检测裂缝的理论、方法和实际应用效果进行了系统的分析研究。总结出由单一均匀介质到多层均匀介质等不同情况下裂缝的波组特征规律和检测裂缝的基本方法。由公路工程探测实践表明数值模拟、物理模拟和检测应用具有很好的一致性。采用探地雷达检测公路结构层中的垂直裂缝具有充分的理论依据,实践上是切实可行性的。探地雷达检测裂缝时应选取足够小的横向采样点距和适当主频的天线,并采用合理的处理参数对雷达资料进行分析处理,才能得到直观、可靠的裂缝检测结果。该方法可以对公路结构层中隐含的裂缝进行准确定位,为高速公路路况监控和养护提供了一种新的检测手段。     

基于机器视觉的道路上前方多车辆探测方法研究

提出一种基于车辆特征的方法识别和跟踪前方的车辆。首先,利用车辆底部存在阴影的特征,在图像中确定可能存在的车辆区域。然后,通过分形维数计算该区域的纹理特征,排除非车辆区域。最后,利用车辆的边缘信息,通过投影变换方法,对候选区域内的车辆进行定位。此外,利用NM I特征法对定位的车辆进行确认。该算法对不同环境和光照条件下的车辆图片进行了测试,以及在高速公路上进行了实时跟踪试验,具有较好的鲁棒性和可靠性。     

AMT自动换档变速器在城市客车上的应用

介绍一种正在兴起的变速技术———AMT(Automated Mechanical Transmission)自动换档变速器,阐述其发展过程、工作原理、性能特点及其在城市客车上的应用前景。     

秦岭终南山特长公路隧道设计特点

简要介绍秦岭终南山公路隧道在设计上解决特长隧道所遇到的一些难题和困难的想法和理念,把选线、利用铁路隧道、通风、防灾救援、照明供配电、环保、监控、科学咨询等方面的设计特色和特点提供给同行们,以供借鉴和参考。     

Feature subset selection based on mahalanobis distance： a statistical rough set method

In order to select effective feature subsets for pattern classification, a novel statistics rough set method is presented based on generalized attribute reduction. Unlike classical reduction approaches, the objects in universe of discourse are signs of training sample sets and values of attributes are taken as statistical parameters. The binary relation and discernibility matrix for the reduction are induced by distance function. Furthermore, based on the monotony of the distance function defined by Mahalanobis distance, the effective feature subsets are obtained as generalized attribute reducts. Experiment result shows that the classification performance can be improved by using the selected feature subsets.     

商务数据识别及处理方法研究

依据数据的几何形态来推断变量间函数关系的原理和Fuzzy嵌入文法概念,提出以数据曲线特征为依据的商务数据识别及处理方法.该模式识别方法中,特征重心是在赋予原始数据不同特征度条件下实现的,更接近人为表述数据曲线的心理特征,适应于商务数据的预处理.同时重点讨论了处理商务数据过程中的W eb数据挖掘及有关的可行方法.     

Feature Selection for SVM Classifiers Based on Discretization

The rough sets and Boolean reasoning based discretization approach （RSBRA） is not suitable for feature selection for machine learning algorithms such as neural network or SVM because the information loss due to discretization is large. A modified RSBRA for feature selection was proposed and evaluated with SVM classifiers. In the presented algorithm, the level of consistency, coined from the rough sets theory, is introduced to substitute the stop criterion of circulation of the RSBRA, which maintains the fidelity of the training set after discretization. The experimental results show the modified algorithm has better predictive accuracy and less training time than the original RSBRA.     

基于多尺度卷积类内迁移学习的列车轴承故障诊断

考虑变工况下列车轴承振动数据分布不一致情况下, 传统深度学习诊断模型的泛化能力下降, 提出了一种多尺度卷积类内自适应的深度迁移学习模型; 模型利用改进的ResNet-50网络分析振动数据的频谱, 得到了中间层次特征, 构造了多尺度特征提取器, 从不同尺度处理中间层次特征得到高层次特征; 将高层次特征作为分类器的输入, 同时计算了伪标签以缩短在不同工作条件下收集的振动信号的条件分布距离来进行类内匹配; 为了验证模型的通用性和优越性, 将提出的模型分别用于列车轮对轴承数据集和凯斯西储数据集的多个工况进行试验验证和分析。研究结果表明: 通过对齐不同域中同一类样本的高层次特征作为分类器的输入, 提出的模型获得了更为理想的故障诊断精度; 在列车轴承6个变工况诊断实例中, 平均诊断精度为90.75%, 与传统深度学习模型相比, 模型诊断精度平均提高了约10%, 召回率为0.927;在凯斯西储数据集的12个变工况诊断实例中, 模型平均诊断精度达99.97%, 比传统模型提高约10%。可见, 利用伪标签减小了不同域之间的条件分布差异, 很好地处理了源域和目标域数据分布不一致的问题; 多尺度特征提取器能从不同尺度对齐样本的高层次特征, 增强了模型的泛化性与鲁棒性, 是解决变工况列车轴承故障诊断问题的一种有效模型。