基于自适应均值的地铁隧道裂缝图像滤波算法

地铁隧道表面光照不均匀、对比度低、噪声干扰严重,采集到的裂缝图片较灰暗且含有大量混合噪声,因而单一的滤波方法不能达到很好的去噪效果。针对该问题,提出一种基于快速中值的自适应均值滤波算法来实现隧道裂缝图像滤波。该算法先对图像进行反转以增强裂缝与背景的对比度,通过快速中值法计算滤波窗口的中值,自适应地选取合适的阈值来对滤波系数加以优化,并将窗口各像素点的灰度值进行加权运算,其结果作为窗口中心点灰度值,并输出。通过与传统中值、均值滤波算法比较,提出的新算法不仅降低了图像噪声,而且有效地保护了裂缝边缘,降低后续对裂缝特征量提取及分割识别的难度。     

一种基于随机理论的寻北滤波噪声影响分析方法

以寻北系统 Kalman滤波器为研究对象,从滤波噪声在寻北 Kalman滤波器中传播机理的角度对其影响进行分析。基于随机可控制性和随机可观测性得到了误差协方差矩阵与噪声统计特性之间的解析表达式,并利用单轴旋转式寻北系统对所提出的基于随机理论的解析分析方法进行验证。实验结果表明,利用基于随机理论的解析分析方法分析寻北系统有效而且适用,并且所得到的解析式能够更全面地表示系统的性能。     

基于贝叶斯推理的随机模型修正方法

为了解决常规优化方法存在的梯度计算困难、病态、非唯一解等问题,采用贝叶斯方法来实现随机模型修正,同时为了加快贝叶斯方法推断修正参数的后验概率密度的速度,将高斯过程替代模型技术和基于延缓拒绝自适应的Metropolis(DRAM)算法的先进马尔科夫链蒙特卡罗(MCMC)方法用于贝叶斯推断,最后,用一斜拉人行桥实例来验证基于贝叶斯推理的随机模型修正方法。结果表明:贝叶斯方法的修正结果与实测结果吻合较好,验证了基于贝叶斯推理的随机模型修正方法的可行性。     

基于多项型高斯函数的过渡段路基沉降预测

高速铁路过渡段路基沉降是复杂的非线性系统,提高路基沉降的预测精度对于高速铁路建设和运营具有重要意义。利用MATLAB工具箱分别建立路基沉降与累计时间和累计填土高度的单因素高斯型数学模型,通过线性回归分析得到了两个单因素的非线性综合模型。实证分析表明该综合模型具有较高的精确度,预测效果好于BP神经网络模型,能够较好地指导工程建设。     

船舶航向自适应神经网络鲁棒跟踪控制

针对存在不确定性和带有完全未知时变环境扰动的船舶航向非线性控制系统,将指令滤波技术和反步法相结合,设计了一种船舶航向自适应神经网络鲁棒跟踪控制器,该控制器的提出不依赖于外部扰动任何的先验信息。首先,利用神经网络补偿船舶航向非线性控制系统中的非线性项;设计自适应律在线更新神经网络权重向量和估计时变环境扰动的未知界。为了避免传统反步法中对虚拟控制律的反复求导,引入指令滤波技术,使得所设计的航向自适应神经网络跟踪控制器具有结构简单、易于工程实现的特点。理论分析表明,所设计的控制器能使船舶实际输出航向以任意期望的精度跟踪给定的参考航向,保证船舶航向闭环控制系统中所有信号一致最终有界。最后,以大连海事大学远洋实习船“育龙”轮为例进行仿真,仿真结果验证了所提控制器的有效性和鲁棒性。     

汽车车内噪声有源控制技术

有源噪声控制技术是目前国内外噪声控制界的研究热点。对有源噪声控制的概念、原理和实现作了介绍。根据有源控制方法对于低频噪声控制的优势,结合车内噪声的特点和现代控制领域的理论发展,讨论了在车内应用有源噪声控制技术的可行性,提出了一条可行的技术路线。     

铁路轨检车轴箱振动加速度消趋方法的比较

振动测量数据中往往包含了趋势项,这些趋势项对数据的分析会产生很大的影响,尤其在积分过程中,这种影响会进一步放大,所以消除趋势项是数据分析的基本前提。对包含在轴箱加速度中的趋势项进行消除,并进行双积分以达到与轨面高低不平顺进行比较的目的,采用了三种消趋方法进行对比分析的方式,三种消除趋势项的方法（多项式拟合消趋,滤波消趋及小波消趋）对实测数据的分析结果为：多项式拟合消趋不适于轴箱加速度的积分分析,而滤波消趋与小波消趋能适于这种分析,进一步,从波形包络来看,小波消趋与原波形最接近。最后提出了适合于轴箱加速度分析的消趋方法及其相关参数值。     

基于概率神经网络和声压的柴油机故障诊断

论述了利用柴油机运转缸盖噪声信息来诊断内燃机故障的一种方法,通过FIR数字滤波技术从发动机缸盖噪声信号中分段提取发动机的燃爆和气门开闭信息,采用参数平均法消除了缸盖噪声测量的随机误差,利用概率神经网络的分类功能,准确判断出了各种故障。     

GM(1,1)灰色模型在目标跟踪中的分析和改进

分析GM(1,1)灰色模型应用于目标跟踪的性能,指出其为受限的变加速模型,提出了速度模型的概念,并指出模型精度的受限的原因,给出相应的改进方法,最后通过仿真说明了该方法的有效性.     

一种自适应LMS滤波的改进算法

在传统的ＬＭＳ（Ｌｅａｓｔ Ｍｅａｎ Ｓｑｕａｒｅ）算法中,固定步长选取影响收敛速度与稳态误差,而且两者不可兼得。为此,本文提出了一种改进的ＬＭＳ算法。在计算机仿真知适应信道均衡中,该算法的性能显示优于传统的ＬＭＳ算法,布景一增加甚少。理论分析与计算机模拟证实了该算法的优越性。