模糊聚类在舰船目标识别标准模型库的应用

对于给定特征的海上舰船目标,使用了模糊聚类的方法(包括三种解算方法),获得目标的分类并形成标准模型库.同时引入了聚类分析有效性评价的F统计量,实现了模糊聚类的自适应性,避免了聚类数目选择上存在的主观性.聚类结果表明:对于复杂的战场环境,此方法设计可行有效,建立了标准模型库就可以对获得目标特征样本在标准模型库中进行匹配,进而完成目标识别,具有一定的应用前景.     

基于蜂窝移动网络换手信号的车辆行驶路径识别方法

本文提出一种基于蜂窝移动网络换手信号的车辆行驶路径识别方法,运用车载设备周期性撷取蜂窝移动网络讯号,并记录时间点和当下链接的细胞标识符(Cell ID),再回传至服务器。由服务器分析链接的细胞标识符、细胞顺序、停留时间,依此来建立向量集合。再将此向量集合与历史数据库中的历史向量集合进行比对,取得历史向量集合最相似的k笔资料,由该k笔资料中所对应的路径最多者作为车辆当下所行驶的路径。在实证结果中,本研究方法的正确率为100%,所以此方法将可以准确运用蜂窝移动网络换手信号识别车辆行驶路径。     

机车模糊粘着控制及其仿真研究

简要讨论了目前机车空转识别方法和主要的防空转，粘着控制方法，提出了一种转趋势识别方法；基于此方法，利用模糊控制理论进行了优化着模糊控制的研究，仿真结果表明，上述方法能在发生空转前及时抑制空转发生，并最大限度利用粘着力，实现了优化粘着控制。     

结构智能健康诊断的理论与方法

对近20年来国际上在基于动力学参数的结构健康诊断方面的成就与问题进行了系统的回顾和总结，扩展了目前流行的一些结构健康诊断方法，建立了一系列新的结构健康诊断公式，从中发现：（1）结构的总体刚度矩阵[K]，模态特征值λj和模态振型[φ]j之间存在以下关系δλj=[φ]^Tj[δK][φ]j和δλj≤0。（2）对于损伤结构，[δφ]=0和｛δλ｝＝0同时发生的情况一定不存在。也就是说，结构损伤必然会在结构的内禀动力特征｛φ，λ｝上得到完整的反映，这一发现回答了人们长期以来的一项争论，即结构的内禀动力特征｛φ，λ｝是否足以作为结构损伤识别和定位的充分条件，答案是肯定的。（3）通常应变类结构动力学参数比位移类结构动力学参数对结构损伤更敏感。（4）利用多层前向人工神经网络的自组织学习功能和广义遗传算法的全局优化功能，设计一个基于广义遗传算法和人工神经网络的混合结构智能健康诊断演化系统是可行的，且该系统的知识库可实现自主进化。     

Zigbee在列车车号自动识别系统中的应用研究

通过Zigbee与Rfid的对比,提出采用Zigbee技术取代Rfid在列车车号自动识别系统中的应用.设计采用Zigbee枝术的电子标签及地面识别设备,系统具有无线追踪铁路集装箱的功能.     

梁体结构损伤识别的样条函数方法

针对样条函数方法在梁体结构分析中具有未知量少、求解规模小,精度较高等特点,在梁体结构参数识别过程中引入样条函数方法,避免了传统有限元方法带来的庞大刚度矩阵的负面影响,从而提高了识别过程的计算稳定性及计算效率。算例表明识别结果能够应用于结构损伤部位及程度的判别。     

S变换在水下目标识别中的应用

研究了基于S变换模时频矩阵相似度的水下目标识别方法。根据测试样本对应的S变换模时频矩阵与标准样本对应的S变换模时频矩阵之间的相似度最大原则对测试样本进行识别。该方法不需要辅助分类器而直接实现目标识别,计算简单快速。仿真实验表明,该方法的识别率较高,且受噪声影响小,适合于水下目标识别。     

基于YOLO的铁路侵限异物检测方法

基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.     

基于FM-EEMD信号分解的站线变关系识别

针对目前配电网站线变的隶属关系动态变化的频次高、梳理复杂等问题,研究设计一种基于FM-EEMD信号分解的线变关系识别的方法。该方法利用载波信号在低压侧负载处及其他分支分流比小、本支路变压器中压侧分流比大的特点,通过在0.4kV侧注入一定频率的载波信号,检测中压侧载波信号的相关特性以识别线变关系。通过FM-EEMD方法对中压侧的信号进行经验模态分解,分解得到中压侧载波特定频率的载波信号,通过对该载波信号的分析完成站线变关系的识别。仿真表明该方法可以有效的提取载波信号。     

基于行为识别的智能车纵向决策研究

针对智能车纵向决策问题,提出基于环境车辆偏离车道程度识别运动模式的方法;构建动态环境车辆横纵向轨迹预测模型,并求解;构建保持、先行、避让在内的决策集,提出基于预测轨迹的单个车辆决策方法,并基于所有动态环境车辆的决策结果在加速、减速和匀速3 种结果中做出综合决策. 实车实验表明：在直行、换道和转弯运动模式下轨迹预测平均误差分别为0.11,0.29,0.80 m,预测精度较高;复杂动态环境下,本文提供的纵向决策信息提升了智能车行驶的安全性和舒适性.