采用时域相关匹配信息融合的列车定位方法

提出了一种基于陀螺和速度传感器融合的列车定位方法,通过对陀螺和速度传感器测得的列车运行的角速度和速度的计算,实时地获得航向角对里程的导数的测量值.航向角对里程的导数表征了线路曲率情况,对于一条线路,航向角对里程的导数可以被认为是固定不变的,而且可以用来与预先获得的线路数据库进行实时匹配,进而获得列车的里程值.首先根据固定门限对获得的航向角对里程的导数进行判断列车是否进入了曲线区段,即是否启动匹配过程,然后将航向角对里程的导数与线路数据库中的数据进行时域相关匹配,最后根据相关系数的大小确定匹配的结果,并用此值对单纯采用速度传感器计算的里程值进行校正.为了验证所提出的方法的效果,进行了车载的数据采集试验,通过对试验数据的离线计算和匹配获得了列车的位置.通过与单纯采用速度传感器的列车位置的比较,证明了所提出的方法的有效性和可行性,列车的位置误差被限制在有限的范围内.     

数据融合技术与船舶自动化的发展

数据融合技术是近年来快速发展的一种自动化信息技术,已引起世界各国的广泛重视。由于数据融合技术充分综合和利用了多源信息的作用,在目标识别、态势评估等方面,有巨大的应用潜力。数据融合技术可以极大地推进船舶自动化的发展,进行数据融合技术的研究具有特别重要的意义。     

低成本列车组合定位系统容错算法设计

列车实时定位是列车控制系统的重要环节。在安全苛求的现代列车控制系统中,列车定位系统需要在实现高精度列车定位的同时具备容错能力,以保证系统安全。针对列车定位的安全性需求,从保障列车定位系统的容错性能出发,利用低成本GPS接收机、惯性测量器件以及里程计等定位传感器构成列车组合定位平台,给出列车组合定位系统的结构与功能,将小波变换方法用于组合系统故障检测并制定相应的故障隔离策略,以H∞鲁棒滤波为基础设计联邦结构的多传感器容错信息融合算法用于定位计算。利用自制轨道推车进行的实验及仿真结果表明,组合定位系统能够满足列车定位的精度要求,并具有较强的容错能力,能够在不同定位条件下保证定位高效与安全。     

交通视频辅助的桥梁动态称重方法研究

为了进一步提升既有的桥梁动态称重技术，提出一种交通视频辅助的新型桥梁动态称重方法。首先介绍基于深度神经网络的计算机视觉目标检测技术和一种计算机视觉坐标转换方法，实现从交通监控视频中实时地探测与定位桥上行驶的车辆和车轴。然后引入桥梁应变分解方法和应变影响面识别方法，建立车重、车辆位置与桥梁应变之间的映射关系，从而建立一种综合利用时间和空间冗余信息对车辆进行称重的方法。该方法构建超定的影响面加载方程组，使用最小二乘法求解该方程组以得到桥上行驶车辆的轴重和总重。最后总结出一套交通视频辅助的桥梁动态称重方法框架。为验证以上方法，在某连续大箱梁桥的缩尺模型以及实桥上进行试验。试验包含单车、双车、跟车、并行、直行、变道、匀速、变速等复杂交通工况。模型试验结果表明：该方法的车辆总重识别误差均值为-2.02%，标准差为4.77%；车辆轴重的识别误差均值为4.77%，标准差为17.50%。实桥试验结果表明：该方法的车辆总重识别误差均值为0.21%，标准差为1.53%；车辆轴重的识别误差均值为-3.59%，标准差为42.67%。除此以外，所提出的方法还可用于识别桥上车辆的数量、类型、轴数、实时位置、运动轨迹、行驶速度等多粒度交通信息。     

基于RBFNN与信息融合的电驱动系统故障诊断系统研究

构建基于模块化的径向基函数神经网络(RBFNN)模型与专家系统的产生式规则混合决策的汽车电驱动系统的故障诊断系统。结果表明,通过该诊断系统可实现电驱动系统故障的智能化诊断。     

基于智能融合的船舶交通流预测系统

船舶交通流量预测的研究为水道的规划、设计和船舶通航管理提供基础性依据。将智能融合算法应用于船舶交通流量预测系统,较好地解决了现有船舶预测算法中存在的预测精度不高,依赖于经验等不足。以长江江阴大桥2007年船舶流量观测数据为例进行分析,实验结果表明,融合预测能够对多个数据源进行预测,并可以减缓单种预测方法单独预测的不确定性,从而增加了预测的准确性和整个预测系统的鲁棒性。     

基于D-S证据理论的潜艇多源信息融合系统

介绍了未来战争中潜艇所装备的主要信息源,对这些信息源提供的目标属性信息进行了总结.构建了基于D-S证据推理的潜艇多源信息融合系统,并就D-S证据推理过程中基本概率赋值的分配提出了一种可行的方案.     

基于3D空间球面的车载全景快速生成方法

为了高效生成具有低失真度的车载全景,以保证基于此影像信息的辅助驾驶系统的实时性,提出针对运算效率进行优化的车载全景生成方法。首先,利用多扫描线趋近、圆拟合的方法实现鱼眼成像有效区域的准确自动提取,并对参数进行优化以提升算法鲁棒性。基于鱼眼成像有效区域轮廓,计算得到有效区域半径以及圆心。以圆心为原点,半径为单位长度重构笛卡尔坐标系。再基于此坐标系,将鱼眼成像通过经纬映射投射至3D空间球面并在球心建立虚拟相机,利用梯度下降获取视锥体最优旋转角后进行视角重构并成像,直接获取该方向鸟瞰图,实现通过一步变换完成鱼眼校正与逆透视变换,达到提升车载全景影像生成速率与减少图像失真的效果。最后,对图像位置进行配准,使虚拟相机直接成像在指定位置,并对4幅图像进行融合,从而降低由于拼接缝带来的图像信息损失,保证生成的车载全景影像最大程度保留道路信息。研究结果表明:使用该方法在同等硬件平台下,基于标定参数计算生成车载全景影像速率提升接近1倍,从视觉上图像失真程度明显降低;该算法可以提升车载全景生成速率,减少计算资源占用,降低图像失真,从而提升基于车载全景影像的辅助驾驶系统的实时性与可靠性。     

电动轮汽车车速与道路坡度估计

针对电动轮汽车车速与道路坡度估计问题,本文中基于纵向非线性动力学方程设计1阶扩张状态观测器对车速与坡度进行联合估计,分析了估计稳态误差;同时,采用带遗忘因子的递归最小二乘估计算法分离加速度传感器信号中的坡度信息,并设置了比例系数来融合两类坡度信息,最终得到道路坡度估计值。搭建MATLAB/Simulink-Carsim联合仿真平台进行变坡度路面仿真,并在实际坡道路面完成实车测试。仿真与试验结果表明,所提出的方法简单、可行。     

基于交互多模型的车辆质量与道路坡度估计（双语出版）

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一，而车辆质量与道路坡度信息是多种汽车控制系统的必要信息，因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题，提出了一种基于交互多模型的质量与坡度融合估计方法。首先，设定了适宜进行质量精确估计的工况条件，据此提出了基于模糊规则的质量估计置信度因子计算算法，进而设计了基于置信度因子的递推最小二乘车辆质量估计算法，以实现质量的在线估计。然后，以车辆纵向动力学模型为基础，建立了运动学和动力学2种坡度估计模型，并设计了基于运动学模型的线性卡尔曼滤波坡度观测器，基于电子稳定性程序ESP的纵向加速度信息实现坡度估计，设计了基于动力学模型的无迹卡尔曼滤波坡度观测器，基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息，坡度估算结果与实际值有偏差；动力学模型对模型精度要求高，算法稳定性差，为充分发挥2种方法优势实现坡度的精确估计，采用交互多模型算法实现了2种坡度估计方法的加权融合。最后，对所设计的算法进行了实车试验验证。结果表明：所设计的质量与坡度估算算法具有较好的实时性和准确性，适合智能汽车运动控制的应用需求。