集装箱箱门安全状态无线监测系统的设计

介绍了采用射频SoC芯片nRF9E5实现集装箱箱门结构安全状态无线监测,阐述了系统的硬件、软件设计方法及系统的低功耗设计.可自动识别和判读集装箱的安全状态,确保集装箱货物运输的安全.     

一种基于边缘颜色的彩色车牌定位算法

为解决车牌识别中车牌定位问题,根据车牌局域颜色变化、车牌宽高、车牌中字符数及车牌中字符颜色变化等特征,提出了基于边缘颜色的车牌定位算法;通过实验,证明了该算法能够有效地克服光线和天气变化的影响,具有很强的抗干扰性能、定位精度高达98.4%.     

大跨度系杆拱桥柔性吊杆张力监测和参数识别研究

研究了基于弦振动理论应用频率法进行大跨度系杆拱桥柔性吊杆张力测试的基本方法,尤其是对影响频率法测定吊杆张力精度的若干参数,如吊杆的边界条件、减振阻尼器及有效计算长度等进行了较理想的识别。文中推导了张力测试的实用公式,并通过现场张力标定,对上述若干参数进行有效识别,提高了张力测试精度并减少了识别工作量。实测结果表明,根据文中提供的参数识别方法进行参数识别后所得到的吊杆张力计算值大部分具有较高的监测精度,可以满足施工和运营期间监测吊杆张力的需要。     

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。     

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。     

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.     

基于视频图像的交通事件检测系统研究与开发

交通事件检测是智能交通系统中的重要组成部分和关键技术.文中基于计算机视觉技术与数字图像处理技术,结合当前我国高速公路交通监控所需和已有监控设施,对基于视频图像的交通事件检测进行了研究,并完成了系统的开发和测试.     

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。     

曲率模态和神经网络在损伤识别中的应用

以连续梁为例，通过曲率模态及改进后的模态置信准则联合确定损伤位置，并使用神经网络判定各损伤处的损伤程度。数值模拟考虑了梁不同位置及不同程度损伤情况，研究了运用曲率模态和模态置信准则进行损伤和损伤位置的识别，分析了各自方法的优缺点，通过两种方法的联合运用，使损伤位置识别准确、合理，并且说明了1阶曲率模态的局部参数是损伤程度识别较优的网络输入量，最后运用神经网络识别损伤程度。     

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。