虚槽短距波绕组转子槽漏感的计算

为了计算虚槽短距转子绕组的槽漏感,依据虚槽短距波绕组结构原理,分析了一个相带绕组在发动机转子槽内的分布情况. 在此基础上应用导线间的自感及互感特性,采用微分算法研究了虚槽短距转子绕组槽内的漏磁链的分布,推导了虚槽奇数槽短距及虚槽偶数槽短距绕组的槽漏感计算方法.通过实例验证了该方法的正确性.计算结果表明:采用虚槽结构的槽漏感无论是虚槽偶数短距还是虚槽奇数短距在其节距相近时漏感值接近;采用等效实槽的转子槽漏感为虚槽漏感的2倍.      

产品视觉评估法改进产品外观

介绍了产品视觉评估法并辅以SPSS软件分析来评估用户对产品的态度,其结果将有助于设计者改进产品外观.这个方法本身也是人因学领域中的一例重要应用.     

基于边界点分布特征的夜间道路检测算法研究

提出一种在结构化道路情况下的夜间道路标志线检测算法。选择邻域均值滤波、Sobel算子和最大熵分割算法对道路图像进行预处理。结合道路灰度图像与道路边界图像,分析夜间道路边界点的分布特征,将道路边界点划分为到4个点集。针对虚假道路边界点,应用多方向搜索方法予以消除。选用2D的直线模型,采用改进的Hough变换从预处理后的图像中获取道路几何特征参数,最终检测出道路边界。试验结果表明本算法可靠、有效,户外试验中具有很好的鲁棒性。     

基于机器视觉的智能车辆避撞预警算法

由于受到信息采集源性能影响,造成了智能车辆避撞预警系统(Collision Warning System,CWS)前后车相对距离测量精度低的问题,针对此问题提出了一种基于机器视觉的预警算法(Collision Warning Algorithm,CWA),利用机器视觉获得了较高精度的测距信息,有效提高了预警算法的有效性。在分析驾驶员驾驶行为基础上,确定CWA的报警准则。基于机器视觉技术建立了一种多输入、多输出的CWA模型,给出了模型预警原理、决策阈值确定方法、逻辑结构图,以及基于机器视觉的车辆信息获取方法。设计了一个单车道双车辆跟驰实车试验,采集模型测试所需的数据,并利用实测数据对模型进行了验证。试验结果显示,平均测距误差不超过3.6 m,预警模型能够准确给出预警信息,对提高车辆行驶主动安全性具有重要意义。     

视觉导航智能小车自主驾驶控制方法研究

智能车路系统通过提高单车控制智能化水平以及与交通环境之间的信息交互能力,实现车辆自主驾驶以及列队控制,从而解决日趋严重的交通问题。在智能车路系统中单车的智能控制是基础,利用模型车、无线通信网络和1/10道路沙盘模型等手段构建车路协调下的视觉导航智能小车实验平台。在建立智能小车运动模型基础上,提出视觉导航智能小车自主驾驶控制策略;通过实验分析,验证了该控制策略的准确性和可靠性。     

考虑驾驶员视觉特性的路段设计通行能力修正方法

通过真实道路环境下眼动试验数据处理得到不同的视觉特性参数,运用灰关联熵分析法遴选出与交通流水平关联度较大的3个视觉特性参数,即注视点分布、视角区域分布及平均注视时间,建立路段交通量与驾驶员视觉特性参数的变化关系,并根据驾驶员视觉特性参数变化规律,提出了考虑驾驶员视觉特性参数的路段通行能力修正方法。分析结果表明:交通量未饱和时,驾驶员视觉特性参数变化比较平稳,而当交通量趋于饱和时,视觉特性参数变化剧烈;修正后的路段设计通行能力更加符合实际情况。     

桥梁检查视觉机器人系统

大多数的桥梁检查采用人工统计裂缝数量、测量裂缝长度和宽度,并对裂缝部位拍照,检查报告的质量和可信度在很大程度上取决于检查工人的勤奋度和训练度.提出一种用于桥梁检查的机器人系统,该系统由3部分构成:专门设计的汽车、用来移动的机器人装置和控制体系及自动检查裂缝的机器视觉系统.该系统已经被开发用于收集准确的数据,以记录大桥安全环境2年的变化以及查验桥梁安全状况.通过对一座实桥裂缝检查,证明该系统裂缝检查和裂缝跟踪处理的有效性.     

浅谈公路线形安全设计

公路交通安全是一个涉及人、车、路、环境多方面因素的综合性问题,探讨了与公路线形安全设计有关的标准、速度以及与驾驶员相关的视觉和心理等因素,要求在公路线形设计中充分考虑人、车和环境的特性,灵活运用设计指标,使公路线形连续、均衡,符合驾驶员的期望,公路交通更安全、更人性化。     

基于离散小波变换和人类视觉系统的数字水印算法

通过对人类视觉系统(HVS)的亮度特性、频域特性、图像类型特性的研究,提出一种基于离散小波变换和人类视觉系统数字水印算法,将秘密信息嵌入到小波变换不同的方位系数中.实现了水印信号在图像信息中的嵌入与提取,达到隐藏秘密信息的目的.实践证明该算法能提高水印的不可见性,同时具有很强的鲁棒性.     

驾驶人手机通话行为中基于图像特征决策融合的手势识别方法

为鲁棒检测自然环境中驾驶人的通话行为, 提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域, 在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样, 由此建立了肤色的高斯分布模型; 针对驾驶室光照强度的不均匀性, 提出了肤色分量的漂移补偿算法, 建立了适应光照变化的在线肤色模型, 以准确分割左右手部肤色区域; 运用HOG算法获取手部肤色区域的2 376维HOG特征向量, 运用PCA方法将HOG特征降至400维; 同时提取手部肤色区域的PZMs特征, 并采用Relief算法筛选出权重最大的8个PZMs特征向量, 建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明: 基于PCA-HOG特征的手势识别率为93.1%, 对光照变化的鲁棒性较好, 但易受到手部与头部转动的干扰; 基于Relief-PZMs特征的手势识别率为91.9%, 对于头部与手部姿态的耐受度较好, 但光照鲁棒性较差; 基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%, 对光照波动、手部与头部转动等干扰条件具有较好的适应性。