Adhesion estimation at the wheel–rail interface using advanced model-based filtering

The railway industry in the UK is currently expanding the use of condition monitoring of railway vehicles. These systems can be used to improve maintenance procedures or could potentially be used to monitor current vehicle running conditions without the use of cost prohibitive sensors. This paper looks at a novel method for the online detection of areas of low adhesion in the wheel/rail contact that cause significant disruption to the running of a network, particularly in the autumn season. The proposed method uses a Kalman–Bucy filter to estimate the creep forces in the wheel–rail contact area; post-processing is then applied to provide information indicative of the actual adhesion level. The algorithm uses data that, in practice, would be available from a set of modest cost inertial sensors mounted on the vehicle bogie and wheel-sets. The efficacy of the approach is demonstrated using simulation data from a nonlinear dynamic model of the vehicle and its track interface.     

多项式基函数神经网络的结构可靠性分析

  目的  随着液化天然气（LNG）船舶结构研究和设计深度的提高,需要有能够快速和准确地评估不确定性因素的可靠性分析方法。为此,提出基于改进随机森林−蒙特卡罗（RF-MC）法来解决A型独立液舱支座结构失效概率的计算问题。  方法  首先,根据不确定性因素的概率分布,使用MC法生成样本集;然后,以局部离群因子为准则,筛选出失效面附近的样本点,再对筛选出的样本点进行有限元计算后添加至训练集,通过重复训练随机森林近似模型,直至满足精度要求;最后,使用近似模型判别样本点是否失效,结合MC法计算结构的失效概率。  结果  综合考虑算法的准确率、复杂度和效率并结合算例1和2,可以发现在分析可靠性问题时改进RF-MC法比MC和BP-MC等方法具有更大优势。算例3的应用结果表明了改进RF-MC法在A型独立液舱支座结构可靠性分析中的适用性。  结论  研究结果可为LNG船舶的优化设计提供可行的技术方案。     

基于频域滤波的噪声识别去噪算法

在频域滤波的基础上,对图像的高频部分进行噪声识别,区分边缘与噪声,进而通过改进的空间滤波算法实施去噪,使图像边缘细节部分得到保护,再将处理后的高频图像与其对应的低频图像进行融合,以获得完整的高质量图像.实验结果表明通过新算法处理后的图像可以达到较好的降噪效果.     

利用声压信号基于HHT方法识别结构模态参数

文章基于结构振动声辐射的近场声压信号,结合Hilbert-Huang变换推导出声压信号和结构模态参数的关系,实现了利用声压信号对结构模态参数的识别。该方法既结合了声压信号非接触测量的优点,也结合了HHT适合处理非线性非平稳信号的优点,且只需适当一位置近场声压测量值,就可以准确地识别结构的固有频率和模态阻尼比。数值模拟实例也表明了该方法准确有效,为工程实际中结构的模态参数识别提供了一种新的简单实用方法。     

存在车辆干扰的车道线识别

为避免道路上行驶的其它车辆对车道线识别的干扰,提出了一种结合车辆识别的车道线识别方法。融合雷达数据,车辆识别模块首先在图像中识别出车辆占据的区域;对于每一个车道线识别模块挑出的车道线候选点进行判断,去除处于车辆区域的车道线点;如果有效车道线点数目不足,则利用卡尔曼滤波的跟踪结果,确定符合最小风险函数的车道线位置。经过多种工况下的试验验证,该方法能够稳定地对车道线进行识别,准确地提取车道线参数,并且算法对车辆干扰有良好的抵抗能力。     

基于滑模控制的卡尔曼滤波在列车定位中的研究

为了提高城市轨道交通中轮轴速度传感器与加速度计组合定位的精度,提出一种基于滑模控制的改进卡尔曼滤波算法。对于组合定位来说,由于卡尔曼滤波不能很好地修正加减速过程中的空转打滑误差,考虑到滑模控制器的滑动模态与系统的参数及扰动无关,提出采用基于滑模控制的改进卡尔曼滤波来进一步降低误差。其基本思路是应用指数趋近律滑模变结构来改善里程计算值,然后再进行卡尔曼滤波。并利用仿真软件对上述过程进行验证,仿真结果表明:基于滑模控制的改进卡尔曼滤波算法,能够在一定程度上减小空转打滑误差,进一步提高定位的精度。最后通过与其他卡尔曼滤波改进算法对比,得出基于滑模控制的卡尔曼滤波方法结构更为简单,也能保证一定的精度。     

Lane changing intention recognition based on speech recognition models

Poor driving habits such as not using turn signals when changing lanes present a major challenge to advanced driver assistance systems that rely on turn signals. To address this problem, we propose a novel algorithm combining the hidden Markov model (HMM) and Bayesian filtering (BF) techniques to recognize a driver’s lane changing intention. In the HMM component, the grammar definition is inspired by speech recognition models, and the output is a preliminary behavior classification. As for the BF component, the final behavior classification is produced based on the current and preceding outputs of the HMMs. A naturalistic data set is used to train and validate the proposed algorithm. The results reveal that the proposed HMM–BF framework can achieve a recognition accuracy of 93.5% and 90.3% for right and left lane changing, respectively, which is a significant improvement compared with the HMM-only algorithm. The recognition time results show that the proposed algorithm can recognize a behavior correctly at an early stage.     

基于加速度区间判断的坡道识别方法

介绍了坡道识别的原理;在功率谱分析的基础上,设计了纵向加速度滤波算法,通过比较汽车在坡道上行驶时用加速度传感器测得的加速度数值与汽车纵向速度经差分后获得的加速度数值之间的差异,进行了基于加速度区间判断的坡道识别方法研究;完成了水平道路的加速度比较试验和坡道识别的实车试验,并在此基础上进行了基于坡道识别的换挡规律设计。实车试验结果表明:该方法能够进行坡道识别,并具有简单、实用、高效的优点;这种基于行驶环境识别的控制是未来汽车控制技术发展的方向。     

离子迁移谱信号数字滤波和谱峰检测技术

离子迁移谱信号处理软件主要完成离子迁移谱谱信号的数字滤波和谱峰检测。本文在分析了波形谱图的去噪、滤波和谱峰检测技术的基础上,提出了防脉冲干扰移动平均值法和最小二乘法相结合的数字滤波方法,并采用增加斜率法谱峰检测技术,通过matlab仿真软件验证了数字滤波效果和谱峰检测准确度。仿真试验的结果在离子迁移谱分析仪的应用中取得了较好的效果。     

卡尔曼时间序列模型预测路面平整度指数

路面平整度的发展趋势受交通量、温度及使用时间等许多因素的影响,很难建立综合全面的预测模型。而时间序列法利用历年的IRI值可解决这个问题。针对传统的时间序列法计算的不足,提出了将卡尔曼滤波应用于时间序列IRI预测模型的方法,能充分利用观测值对状态估值进行实时修正,可有效提高预测模型的预测精度,且无需储存大量的历史观测数据。最后,通过实例证明了该模型有效可行。