基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

基于HMM的脱机手写字符识别方法研究

为了对手写字符进行识别,对隐马尔可夫模型算法及训练方法进行了探讨．首先简要地描述了字符识别的预处理和字符分割,然后利用Haar基函数提取字符特征,给出了解决隐马尔可夫模型的三个关键问题的算法,尤其是利用高斯混合模型对样本进行训练,建立了结合高斯混合模型的隐马尔可夫模型．实验结果表明,该方法有效可行,与已有研究结果进行对比,该方法具有一定的优越性。     

动荷作用下沥青路面结构的变形响应分析

应用三维有限元动力学的基本方法，结合NEWMARK积分方法逐步求解运动方程，对动载（FWD荷载）作用下多层弹性体系的响应进行了分析，并将计算结果和理论结果进行对比，表明计算模型合理，计算结果准确，利用上述计算模型，对于多种路面结构研究其在不同荷载周期下的动态反应规律。     

非一致Riemann和定义关于分数布朗运动的随机积分

用非一致Riemann和的方法定义了关于分数布朗运动的随机积分,并给出了此积分与关于分数布朗运动的分数积分∫L 0 u(s)dBH(s)=(-1)a∫1. 0 Da0 u0 (s)D1-aL- BHL-(s)ds u(0 )BHL的等价关系.     

连续下降进近(CDA)航迹的 Gauss 伪谱优化方法

针对优化恒定下滑角的直线连续下降进近(CDA)飞行航迹问题,采用高斯伪谱法将 Bolza型最优控制问题(OCP)转化成飞行器不同襟翼状态下的非线性规划问题,得出时间优化连续下降进近飞行航迹.对连续下降进近的飞行器建立动力学模型,确定飞行位置的状态变量及航迹角的控制变量,提出时间最小化性能指标.选取 B737-800机型,在终端区和飞行状态限制条件下利用 GPOPS工具仿真高斯伪谱法时间优化航迹,确定 TOD 位置和飞行速度控制曲线.并与其它 CDA 航迹算法进行比较研究.对比分析终端区17条 CDA 航迹及1条传统阶梯式进近航迹的进近状态,结果显示,采用高斯伪谱法获得的 CDA 航迹相比于传统进近航迹的下降时间缩短了16.67%,且优于其它算法获得的 CDA 航迹.验证使用高斯伪谱法优化 CDA 航迹可节省下降时间,提高航迹预测的精度和飞行控制系统的计算效率.     

新建牵引变电所的负荷预测及变压器容量优化配置

为了获得新建牵引变电所的负荷情况并校验优化所内牵引变压器的配置容量,将高斯混合模型用于牵引变电所实测数据聚类,然后引入神经网络对新建牵引负荷进行匹配分类.依据聚类和分类结果,结合概率密度及蒙特卡洛抽样方法,实现新建电气化铁路牵引负荷的预测.根据热传递原理和相对老化计算,建立新建牵引变电所牵引变压器温升与寿命损失的差分方程模型,对新建牵引变电所的牵引变压器容量进行优化配置.通过对大量牵引变电所实测数据的分析,聚类后伪-F统计量达12.81,匹配分类后伪-F统计量进一步上升至12.90,表明本文聚类分类方法效果良好.通过牵引变压器建模,将算例中变压器容量利用率从60%提高到96%,即使考虑安全裕度适当提高安装容量也能使容量利用率达到75%,实现了变压器容量的优化,充分利用了变压器的温度指标和寿命损失.     

基于相空间重构和PSO-GPR的短时交通流预测

准确实时的短时交通流预测是智能交通诱导的关键.为提高短时交通流预测精度,研究了基于相空间重构和粒子群优化高斯过程回归的短时交通流预测模型.针对交通流时间序列的非线性、复杂性和随机性,基于混沌理论确定原始时间序列的最佳延迟时间和嵌入维数,进行相空间重构,获得与原始数据具有相同动态特性的更为合理的模型输入-输出数据集.利用粒子群算法改进传统高斯过程模型参数优化的不足,构建预测模型.以重构序列作为预测模型的训练集和测试集,实现短时交通流预测.采用北京市东四环快速路检测器实测数据对比分析模型预测效果.结果表明,基于PSR和PSO-GPR的短时交通流预测模型评价指标均优于对比模型,其中绝对误差平均降低4.88,绝对百分比误差平均降低3.97%,均等系数达到0.963,所研究模型能够有效提高短时交通流预测精度.     

车车通信环境下考虑交通拥堵状态的碰撞时间混合分布建模研究

碰撞时间（TTC）是评价车车碰撞风险的有效指标,然而该指标分布规律受到交通状态影响。为研究车车（V2V）通信环境下不同交通状态的TTC分布规律,通过构建基于LTE-V技术的车车通信环境,开展实车实验获取4种典型城市道路中的驾驶数据。考虑加速度和航向角建立动态冲突辨识模型,计算车辆以任意角度接近时的TTC值;针对TTC值的结果出现多峰值现象,将交通流分为“拥堵、缓行、畅通”这3种状态,构建了考虑交通流状态的高斯混合模型以描述不同交通状态下的TTC分布规律,并采用最大期望（EM）算法进行参数求解。将所建高斯混合模型与负指数分布、对数正态分布、负指数/对数正态混合分布这3种传统的TTC分布模型进行对比,采用校正决定系数R²评价模型的拟合优度,并通过K-S检验验证模型的有效性。在此基础上,将所建高斯混合模型应用于非车车通信条件下不同交通状态的TTC分布拟合描述,进一步验证模型的适用性。结果表明：车车通信环境下“拥堵、缓行、畅通”这3种交通状态下的高斯分布均值逐渐增大,所处交通场景的碰撞风险依次降低;考虑交通状态的TTC高斯混合模型拟合优度为0.950 5,相较于其他TTC混合分布模型,拟合优度提升了0.057 5。     

计算机视觉技术在列车行李遗留检测上的应用

利用计算机视觉技术,通过帧差法和YOLOv3目标检测算法实现了列车车厢内遗留行李的自动检测和识别,检测效果良好。