多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类结果;在上述典型水域,平均轮廓系数分别提升约53%,71%,63%和41%,戴维森堡丁指数分别降低约57%,67%,63%和45%;同时,此方法可平均降低约56%的聚类时间,显著提升了船舶轨迹数据聚类分析的效率。     

基于CS-SD的车载环境下实时行人检测模型

针对车辆辅助驾驶系统中行人检测的实时性问题, 提出一种基于路面边缘线标定结合显著性纹理检测(CS-SD) 的算法和定位方向梯度直方图(L-HOG) 的行人检测模型, 应用CS-SD算法替代穷尽搜索快速标定图像中的行人区域, 应用L-HOG快速提取行人特征, 并采用附加核心的支持向量机(AK-SVM) 进行高效目标分类。分析结果表明: 在个人计算机上对包含832个行人的500幅图像进行检测时, 模型正确检测720个行人, 检测率为86.5%, 误检率为4.1%, 检测时间为39ms; 在基于BF609的车载行人检测系统上对包含988个行人的48 400幅图像进行检测时, 模型正确检测861个行人, 漏检127个行人, 误检13个行人, 检测速度为20fps。可见, 提出的行人检测模型在不降低检测率的前提下, 可以达到满意的检测速度, 并且可以用于实时行人检测车载设备。     

缓和曲线线型对铁道车辆动力学性能的影响

分析了车辆在缓和曲线上的受力情况, 利用动力学仿真软件SIMPACK对转向架为ZK6的25t载货车辆通过3次抛物线型、4-3-4型、5次型缓和曲线时的动力学性能进行了仿真计算, 并与理论分析结果进行对比。对比结果表明: 缓和曲线线型对车辆动力学性能的影响较大, 特别是在连接点处; 3次抛物线型缓和曲线连接点处的动力学性能相对4-3-4型与5次型较差, 车体垂向加速度最大相差达到83%, 其他指标相差也在10%左右; 4-3-4型相对于5次型只是在缓和曲线上的分段点处的车体垂向加速度相差63%, 而其他动力学性能指标相差均在2%以内; 4-3-4型和5次型要体现其优势则需要增加其长度。     

舰船装备故障诊断特征知识获取方法研究

将粗糙集理论引入到舰船装备故障诊断特征知识获取,提出一种基于粗糙集理论的舰船装备故障诊断特征知识获取模型.该模型从包含冗余和不一致信息的原始数据出发,构建决策表,通过属性约简和属性值约简获取故障诊断的最小约简属性集和诊断规则,并建立诊断规则知识库.实例分析表明:在保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,并能有效地解决舰船装备故障诊断中规则获取的知识冗余或缺失问题,从而为粗糙集在舰船装备故障诊断中的深入应用打下基础.     

小型高速水洞收缩段的优化设计

简要介绍了小型高速水洞收缩段设计的原则,收集对比了几种典型的收缩曲线。利用商业化的计算流体动力学软件—Fluent,结合实例,采用二维轴对称模型对收缩段的长度进行了选择,对不同收缩曲线型面的流场品质进行了对比分析:优化的三次曲线(n=7、xm=0.4)或Batchelor-Shaw曲线的出口流场均匀性较好,移轴的Witozinsky曲线出口湍流度较小,五次方曲线进出口损失水头较小;采用三维对称模型简单模拟了矩形截面的情况,结果显示其出口截面上的流速和压力等值线近似呈圆形,沿轴向进口和出口附近壁面会出现流速的降低和过冲,角部附近速度分布严重不均匀。     

超高速公路圆曲线半径参数的可靠性分析

为探究超高速公路路线设计确保车辆行车安全的圆曲线最小半径值,引入可靠度理论,以汽车在圆曲线路段行驶时不产生横向滑移为约束条件构建动力学模型,利用该模型对圆曲线半径进行分析,并提出圆曲线半径的可靠度功能函数。对功能函数中的车辆运行速度、路面横向摩擦系数、道路超高值等相关参数进行统计,并分析其分布规律。求解设计速度分别为100,120,140,160 km/h时超高速公路圆曲线的最小半径值,取整后用蒙特卡洛法仿真估计各设计速度对应最小半径的失效概率。结合公众心理承受度,以失效概率小于0.01%为基准,对各设计速度下的圆曲线半径进行可靠性设计,得到超高速公路圆曲线最小半径推荐值在潮湿的路面条件下分别为920,1 000,1 100,1 220 m;在积雪的路面条件下分别为1 380,1 400,1 420,1 450 m。实证结果表明：在事故率较高的路段,各段圆曲线半径对应的失效概率最小值为0.019 5%,大于最小圆曲线半径的失效概率值0.01%。采用0.01%的失效概率设计超高速公路圆曲线半径,可保证其安全性高于现有标准。     

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。     

智能电动车弯曲道路场景中的避障路径规划

为研究智能电动车在弯曲道路场景下进行避障规划的有效性, 提出了一种将笛卡尔坐标系转换为曲线坐标系的方法, 利用5次贝塞尔曲线对弯曲道路场景中的车道线进行逼近得到参考路径, 通过对参考路径进行弧长参数化, 以弧长为横坐标, 横向偏移为纵坐标的方法建立曲线坐标系, 根据车辆和子目标点在曲线坐标系中的位置关系, 采用3次多项式实时生成候选路径, 利用序列二次规划算法对候选路径进行优化; 为验证所提算法的有效性, 以某智能电动车为平台, 利用单目相机、64线激光雷达、工控机等设备搭建试验车, 通过Apollo平台对车辆在弯曲道路场景中的避障算法进行在线仿真, 在园区实车试验中对避障算法进行了GPS位置误差和航向角累计误差分析。研究结果表明: 在曲线坐标系中进行车辆弯曲道路场景下的避障路径规划, 能有效地描述规划路径曲率半径、车辆中心位置偏移车道线距离等信息, 容易确定自身车辆的可行驶区域、前方障碍物位置信息, 从而生成最优路径; 在园区场景的避障过程中, GPS位置误差发生在初始点、转弯点以及避障点, 最大误差为0.15 m, 航向角累计误差为12°, 突然增大的弯道位置误差主要由车辆姿态瞬时改变及障碍物匹配过程引起, 但是误差都能够很好地控制在一定范围之内, 利用曲线坐标系解决弯曲道路场景中的避障路径规划是可行的。     

大跨径弯桥圆心角对其内力、位移及稳定性的影响

为提高高墩大跨径弯桥的安全性, 对不同圆心角的典型弯桥在考虑大变形和材料非线性情况下, 利用有限元法对刚构桥的墩梁内力与位移进行计算, 分析了桥跨的内力、位移和非线性稳定荷载系数与弯桥圆心角的关系。分析结果显示: 最大悬臂阶段主梁根部的弯矩随曲线圆心角增大而略有减小, 但扭矩会快速增大; 曲线圆心角越大, 悬臂端竖向、横向位移和墩顶横桥向位移越大, 在圆心角大于38°, 非线性已很明显, 悬臂端和墩顶位移会急剧增大; 非线性稳定系数约为稳定特征系数的35%, 随着弯桥圆心角的增大, 其稳定系数会迅速变小; 综合考虑, 大跨径弯桥圆心角不宜大于38°。     

基于物联网体系的智能船舶设计

动力系统作为整个船舶最核心的系统,其安全性和可靠性将直接影响船舶的安全航行,而有效的故障监测与诊断技术是保障航行安全的重要手段。首先,通过分析国内外学者在智能算法与故障诊断方面的研究进展,将船舶动力装置的智能故障诊断分为数据信号获取、数据特征提取、故障识别与预测3个环节,并总结智能算法在船舶动力装置故障诊断中所面临的问题和挑战;然后,结合智能算法的特点,探讨船舶动力装置智能故障诊断技术的未来发展趋势;最后,提议从建立基于云平台的数据监测系统、建立数据库和挖掘监测数据等方面展开深入研究,用以为船舶动力装置智能诊断的工程实践应用奠定基础。