桥梁结构的损伤识别研究

本文针对大型桥梁结构健康监测的特点,总结了桥梁健康监测中的关键性问题,阐述了桥梁结构中所作的研究工作,并分别介绍了桥梁结构损伤检测中的基本方法的,并分析和比较了各方法在实践工程中的应用状况以及前景,并提出了相应的改进方案。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

基于嵌入式系统汽车行驶记录仪的研究与开发

以三星S3C2410微处理器为核心，设计了一种基于嵌入式系统的新型行车记录仪。介绍了新型的行车记录仪硬件和软件结构，包括数据采集、数据存储、与计算机进行串口和USB通讯、LCD显示、键盘输入、打印输出、语音识别报警系统、下位机软件、上位机软件等在内的软硬件的组成部分。实验表明该记录仪完全符合国家标准。     

新的汽车牌照识别系统及其成像技术

介绍了一种高性能的汽车牌照识别系统及其成像技术。系统采用了新的成像控制和闪光灯补光技术，使其成像特别适合牌照区域分割和字符识别，成像质量完全不受实际应用环境中强烈的光线变化的影响，从而达到较高的全天候识别率和实际应用的要求。给出了系统在全天候条件下的成像效果和牌照识别效果．结果显示系统可在全天候条件下获得高质量的图像。     

具有车牌车型自动识别功能的路桥收费系统研究

具有车牌车型自动识别功能的路桥收费系统是智能交通发展的一个新领域。基于路桥收费系统的现状，利用现有成熟的车牌识别技术。构建具有自动车型识别功能的路桥收费系统。可解决国内收费站车型识别效率低、年票车车费流失严重和公安交管部门对违章、肇事逃逸等车辆捕获难等问题。从软件工程的角度，介绍了本系统的实现思想和体系结构设计。     

预应力混凝土连续刚构桥施工过程应力监测研究

混凝土实测应变除弹性应变外,还包含混凝土的自由变形、徐变和温度应变等非应力应变,该文介绍了预应力混凝土连续刚构桥中应力间接测量的方法和步骤。在混凝土实测应变与应力的转换中,采用无应力计去除非应力应变,利用预埋在主梁中性轴的应变计进行混凝土徐变系数识别,并采用叠加法对徐变应变进行分离。混凝土内部应力测量的关键在于应力应变转换,而应力应变转换关键在于徐变系数的识别。在观音沙特大桥施工监控期间,先采用中性轴应力来识别徐变系数,再进行徐变应变分离的方法,应力实测值与弹性理论计算值比较接近。     

大跨度预应力混凝土斜拉桥基于定期检测的损伤识别方法

为了在定期检测信息的基础上实现大跨度预应力混凝土斜拉桥的健康状态评估,提出采用无线多点自动综合测试系统监测结构应力,利用环境随机振动法测试全桥索力,并结合桥梁几何测试信息,获得桥梁状态的综合检测方法。针对招宝山大桥,建立最优化遗传静力反分析模型,采用基于遗传算法的大型复杂结构损伤识别程序对模拟的损伤工况进行分析,有效识别出了斜拉桥主梁的损伤位置。并且由于遗传优化算法对参数的类型和数量没有限制,对斜拉桥进行包含不同损伤类型的参数化建模,可以进行结构多类型损伤的识别,因此,可推广至其他复杂桥梁的损伤识别,为同类工程所借鉴。     

多尺度图像边缘检测技术在车辆识别中的应用

指出了图像边缘检测的定义及现有算法的不足,并对Canny边缘检测离散准则及该准则下的最优线性滤波器进行了论述。根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,将其与Canny边缘检测技术相结合进行边缘检测,检测出不同尺度下多幅边缘图像,并根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到抗噪性好的精确的单像素宽边缘;同时将该方法应用于汽车特征提取,检测到完整连续的汽车边缘图像,为车型识别提供条件。试验结果表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,是边缘检测的实用方法。     

基于RFID的高速公路雾区监控原理及概念设计

RFID(无线射频识别)技术是一种无线、非接触的自动识别技术,该技术在世界范围内正广泛应用于工业自动化、商业自动化和交通运输控制管理等众多领域.文中研究了高速公路雾区监控的必要性以及进行速度限制来预防交通事故的方法,介绍了RFID识别技术的基本原理,并应用此技术完成了交通信号的检测与雾区监控系统的概念设计.     

基于子波能量和神经网络分类器的机动车车型识别

为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。