基于特征融合的变电设备类型及故障识别算法研究

针对机器视觉智能巡检中,红外图像下变电站设备类型多、故障状态难以准确判别的问题,提出一种基于FastPCA和PHOG特征加权融合的电气设备类型及其故障状态识别算法.引入K-means算法完成红外图像分割;提取分割图像的FastPCA和PHOG特征并加权融合成新的混合描述子;将新的描述子作为训练好的SVM分类器的输入向量...     

自主式交通系统逻辑架构构建方法

自主式交通系统(ATS)是未来发展的方向之一,其规划布局需要系统、完备的体系架构进行指导。以ATS服务为基础,围绕人与货物运输过程中如何匹配系统服务、如何实现系统功能两个视角,提出“宏观+微观”双层逻辑架构结构。其中,宏观逻辑架构指导交通系统形成面向具体场景的服务集,串联用户需求与系统功能;微观逻辑架构面向具体ATS服务,解析服务参与组分,基于“感知—学习—决策—响应”的业务逻辑明确系统功能与数据的关系。最后,针对自动驾驶车辆在交叉口的响应场景,以行人识别服务为例构建逻辑架构,验证了构建方法的有效性。     

基于模态应变能的高桩码头桩基损伤识别研究

基于动力指纹对高桩码头进行损伤识别是工程界的研究热点。通过建立高桩码头模型,采用有限元数值模拟和模型试验研究模态应变能在高桩码头桩基损伤识别中的适用性。研究结果表明:基于有限元数值模拟的模态应变能损伤识别方法可以准确定位桩基损伤位置且可定性反映损伤程度;基于试验振型得到的模态应变能可识别桩基损伤位置,但由于试验误差和噪声干扰的存在,会存在误判现象。高桩码头桩基模态应变能损伤识别方法的广泛应用还需要依赖动力测试技术和模态分析技术的进一步发展。。     

基于高速公路流的湖北省区域性城市群边界识别 ——以襄阳为核心城市

高速公路网络作为城市间点对点交通连接的重要通道,其交通流是城市间信息流动在实际空间上的一种重要体现,是人类社会经济活动空间相互作用的重要表征.文中利用高速公路流分析湖北省高速公路特征,基于概率密度和累计比例法分析襄阳市与各市州的时间距离、空间联系强度,确定阈值后分析得出以襄阳市为核心城市的湖北省区域性城市群包含襄阳市、...     

基于WBS-RBS-G1法的深基坑开挖风险识别与评价

对深基坑开挖进行风险识别与评价时,提出了将WBS-RBS法与G1法相结合的定性与定量评价模型,并以南宁金凯路地铁车站为例,应用该模型计算得出的风险值从而确定施工单元风险等级.计算结果表明,深基坑开挖过程中,地下连续墙施工A2,基坑开挖A3,主体结构施工A5均为Ⅲ级风险.该模型无需构造判断矩阵,避免了一致性检验不一致的发...     

基于自回归条件异方差转换指标的非线性损伤识别

为了解决时域非线性损伤的识别问题,基于自回归条件异方差（ARCH）模型的基本理论给出了ARCH模型建模的定阶方法及模型参数估计的极大似然估计法;分析了结构非线性损伤的特性,提出了基于ARCH模型的非线性损伤识别原理;考虑到基于自由度的损伤指标难于判断损伤位置,故提出了一种自回归条件异方差转换指标;在测量误差和模型误差的影响下,使用3层框架结构的非线性损伤试验来验证该损伤指标的有效性. 试验结果表明:非线性间隙距离为0.05 mm和0.10 mm时,损伤位置第3层的自回归条件异方差转换指标值比传统的倒谱测距转化指标值高21.7%以上;当非线性间隙距离为0.20 mm时,第3层的自回归条件异方差转换指标值比倒谱测距转化指标值高3.7%.      

基于YOLO的铁路侵限异物检测方法

基于现有的铁路侵限异物检测方法只能识别出静态障碍物且识别速度较慢的问题,提出一种基于YOLO算法的铁路侵限异物检测方法.针对铁路侵限异物检测的特殊性,合理设计YOLO模型结构.采用24个卷积层、4个最大池化层及2个全连接层完成异物图像的提取、降维、识别输出,并使用实拍疑似侵限异物图片对YOLO模型进行预训练,达到学习及降低过拟合的目的,最终实现了异物定位及识别的功能.实验中通过对1 660张单幅疑似铁路侵限异物图片进行检测,结果表明,该方法对正常曝光的侵限异物图片检测准确率较高,而且在识别速度方面较AlexNet及Adaboost算法具有较大的优越性.     

基于FM-EEMD信号分解的站线变关系识别

针对目前配电网站线变的隶属关系动态变化的频次高、梳理复杂等问题,研究设计一种基于FM-EEMD信号分解的线变关系识别的方法。该方法利用载波信号在低压侧负载处及其他分支分流比小、本支路变压器中压侧分流比大的特点,通过在0.4kV侧注入一定频率的载波信号,检测中压侧载波信号的相关特性以识别线变关系。通过FM-EEMD方法对中压侧的信号进行经验模态分解,分解得到中压侧载波特定频率的载波信号,通过对该载波信号的分析完成站线变关系的识别。仿真表明该方法可以有效的提取载波信号。     

融合式空间塔式算子和HIK-SVM的交通标志识别研究

在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很强的鲁棒性.将该融合式特征送入HIK-SVM进行训练和分类,取得了极其高的识别效果.     

基于GERT网络的应急救援关键路段识别

为了及时识别出突发事件下城市道路的关键路段,以构建最短应急救援路径,本文提出了一套完整流程.首先,针对路网在应急条件下的贫信息环境特征,设计一种基于模糊综合评判的行程时间估算方法.然后,考虑救援人员的应急心理和经验选择行为,构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后,运用Dijkstra算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证,结果表明:基于2种模糊算子估算路段行程速度,其绝对误差为2.722 km/h,精度较高;与传统关键路段识别方法相比,GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%),并将重要度识别技术从路网降低到路径层面,效果良好.