典型高速公路轴载特性分析

根据典型测点的各型车辆轴载谱数据,研究了高速公路轴载特性.分析了车辆类型分布系数、月调节系数及轴载分布系数的变化规律,采用多个独立样本的非参数假设检验研究了上述轴载谱参数随时间变化趋势的抽样数据是否来自同一总体,根据轴载谱数据采用假设检验的方法,分析了轴载超载现象.研究结果表明可将不同测点的车辆类型分布系数按B1.2、U1.2及S1.2.3三种车型比例进行分类;三年的车辆类型分布系数、月调节系数及轴载分布系数数据较为稳定,在统计学上不存在明显差异;各轴型均存在一定程度的超载现象,其中以双联轴双轮组尤为突出.     

基于经验知识的船舶螺旋桨水动力样本扩充方法及其在预报代理模型中的应用

近几年来,越来越多学者致力于采用机器学习进行船舶螺旋桨性能预报,但代理模型的预报效果往往受训练样本的数量和质量影响较大。目前船舶螺旋桨性能数据数量少且质量也不高,即数据对应参数分布较为集中,严重不均匀,这些问题都会影响代理模型预报的准确率与可靠性。为了解决这一实际困难,本文提出一种基于经验知识的样本扩充方法,并以船舶螺旋桨水动力性能的代理模型预报为例进行应用验证。结果表明：本文使用的样本扩充方法可以快速生成数据样本,可以一定程度上改善预报代理模型的可靠性,提升预报精度。     

基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究

为了获得客观而准确的驾驶疲劳判别阈值,采用驾驶模拟实验研究方法,采集驾驶员在清醒及疲劳状态下的脑电信号,对比分析不同状态下脑电信号的时域特征,选取表征信号复杂程度的样本熵作为驾驶疲劳判别指标,并利用受试者工作特性曲线(receiver operating characteristic curve, ROC)分析方法,确定基于脑电信号样本熵值的驾驶疲劳判别阈值.研究结果表明:脑电信号样本熵值处于区间(0.32,0.71)时,驾驶员处于疲劳过渡时期,可能出现疲劳特征;脑电信号样本熵值小于阈值0.605时,判定驾驶员处于驾驶疲劳状态,准确率为0.95,该值可作为基于脑电信号样本熵的驾驶疲劳判定阈值.      

基于直接计算法的超大型油船整体舱段结构优化

基于有限元法的船体舱段整体结构优化优于分块优化,但由于其实现存在很多困难,目前国内研究较少。提出一种综合有限元法、均匀设计、神经网络等方法和理论的优化方案,对大型油船立体舱段结构优化进行了研究。建立了舱段结构强度评估的参数化有限元平台;构建了用于试验的均匀设计表,设计了171次试验,将之代入有限元平台进行计算,得到了用于神经网络训练的样本对,从而建立了设计变量和目标函数及应力响应的神经网络响应面。按照一般的优化流程,采用离散粒子群算法,对某30万t超大型油船舱段整体结构进行了优化设计。优化结果表明该方案是可行的,合理的,可以大大缩短直接计算消耗的机时。     

基于对应分析模型的隧道衬砌病害主成因挖掘

基于对应分析模型提出隧道衬砌病害主成因挖掘方法.根据隧道衬砌病害的样本和成因的调查资料,建立隧道衬砌病害对应分析模型的列联表;通过因子分析,建立对应分析模型中的R型因子分析与Q型因子分析的关系;计算对应分析模型的收敛性,采用特殊点排除法优化对应分析模型的收敛性;将隧道衬砌病害样本点和成因点绘制在二维对应分析图中;根据两者在图中的对应位置关系判断导致隧道衬砌病害的主成因.根据收集的18座隧道衬砌病害资料,采用提出的隧道衬砌病害主成因挖掘方法,利用SPSS软件进行主成因挖掘.结果表明,样本隧道衬砌病害的主成因有衬砌背后空洞、衬砌厚度不足、围岩处理不当和塑性地压4个.     

基于壳向量的边界邻近支持向量机

对边界邻近支持向量机进行改进,即在壳向量集上进行边界邻近样本的搜索,给出了基于壳向量的边界邻近支持向量机。实验结果证明:基于壳向量的边界邻近支持向量机比边界邻近支持向量机具有更快的训练速度。     

多样本分析在汽车内饰异响仿真中的应用

传统的仿真分析,都是根据名义设计值得到相应的名义结果,仿真结果为一个确切的值.工程实践中,材料生产、部件装配都会产生一些误差,导致实际产品偏离名义设计,从而使得实际产品表现出的性能处于一个区间.因此,传统的仿真分析方法并不能预测实际产品可能出现的全部情况.对于车辆内饰异响分析,涉及的塑料件材料参数以及卡扣连接参数,往往...     

基于深度特征匹配的转辙机自动开闭器静接点尺寸测量方法研究

自动开闭器是转辙机上负责动作控制与状态表示的频繁动作关键部件，使用过程中的接点磨损会影响控制与反馈电路的导通。然而，由于其安全关键、磨损样本稀少、工作环境恶劣，使得自动开闭器的在线监测成为转辙机维护维修的难题。针对上述问题，基于机器视觉提出一种深度特征匹配的目标检测方法。首先利用VGGNet自适应地提取接点模板和待搜索样本的深度特征，采取归一化互相关算法和反向映射算法完成目标定位，利用权重优化和非极大值抑制优化边界框，实现小样本数据集情况下兼顾精度与鲁棒性的目标定位；然后使用大津法二值化、中值滤波、水平差分算子等完成静接点图像处理；最后使用标定板换算获得静接点的几何尺寸数据。实验结果表明：本方法在实际应用中的定位检测精度达到85.93%,召回率达到90.63%,F1达到88.22%;在尺寸测量误差方面，RMSE、MAE、MAPE分别为2.56 mm、1.55 mm、12.94%。     

一种用于智能汽车的硬件友好对抗样本在线防御方法

提出了一种针对对抗样本攻击的硬件友好的在线防御方法。该方法由三部分组成，一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法，一个适用于深度神经网络 （Deep Neural Network，DNN） 瓷片加速器架构的高效层调度方案以减少数据访问开销，以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡。试验表明，基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度，提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43%，进而降低了能耗，提高了吞吐量。此外，软硬件协同设计方法在保证检测精度不 降低的情况下，将耦合网络的能耗和运行时间分别降低了58%和54%。     

基于样本自动标注的隧道裂缝病害智能识别

隧道表面裂缝的检测已经成为地铁运营人员的重要巡检任务之一.为实现隧道裂缝病害的自动监测，提出一种结合病害特征提取和深度学习的隧道裂缝样本自动标注与识别算法；针对隧道裂缝形态特征建立裂缝图像的特征样本库，改进了AlexNet深度卷积网络结构；设计研制了轨道移动式隧道图像采集系统以及巡检车，采集并构建了包含4 500张裂缝图像样本和1 500张测试图像的数据集，用以验证算法的可行性和有效性.研究结果表明：采集的图像清晰度符合要求，所设计算法可完成裂缝目标自动标注；裂缝图像测试集的识别率达到97.8%，证明了算法研究和采集系统的有效性.