股道占用智能识别系统信号采集的实现

鉴于目前广泛使用的轨道电路出现工作不可靠,提出一种新的股道占用智能识别系统的设计方案,作为轨道电路的补充.该方案由电涡流接近传感器、可编程控制器和显示控制中心组成.     

基于波束形成和双目视觉的行驶汽车噪声源识别

提出一种基于波束形成原理,声阵列与双目视觉相结合的行驶汽车噪声源识别方法。通过对两台摄像机所拍摄图像的分析,计算出车辆的实时位置;将运动过程划分为若干时段进行声场重建,得出汽车行驶过程中的动态声场视频。试验结果表明,应用该方法能够准确识别运动中汽车的主要噪声源,且可更加直观地看到汽车噪声的动态变化。     

大跨径预应力混凝土梁桥施工控制的现状与展望

系统地回顾近年来大跨径预应力混凝土梁桥施工控制的工程实践,从施工控制总策略、施工控制关键问题、集成的施工控制系统等方面进行全面的总结和分析,展望结构体系、施工过程仿真的精细化研究、施工控制评价指标、施工误差容忍度等方面的研究前景。     

弹性地基板模态试验及地基动参数识别

用脉冲锤击法进行了弹性地基上自由板的自由振动模态试验,并用Me scope软件分析传递函数,得到了7阶位移模态和应变模态。在此基础上,对试验结果进行了初步的分析并总结了弹性地基板振动测试的场地经验。对用优质LR12-2元建立的厚板ADS1元进行了Vlasov地基上矩形板的有限元分析,同时对Vlasov地基上板的振型进行了分析,利用刚体模态进行了Winkler地基参数识别,并利用2阶频率,根据模态振型匹配的原则进行双参数地基参数的识别。结果表明:该有限元分析程序具有较强的通用性,地基板的振型呈模态密集区的形式。     

识别驾驶人意图的车道偏离防避有界控制

为了防止车辆偏离车道导致交通事故的发生和避免车道偏离防避系统（Lane Departure Avoidance Systems,LDAS）对驾驶人行为不必要的干预,提出基于中心区操纵特性阈值法和基于D-S（Dempster-Shafer）证据理论的车辆偏离车道驾驶人意图识别准则,并运用CarSim/Simulink联合仿真对比2种识别准则的有效性。建立转向盘角速度为输入的车路模型,设计LDAS滑模转向控制器,基于预瞄点的侧向偏移量和横摆角速度设计LDAS的期望横摆角速度观测器,并与基于道路曲率和预瞄点侧向偏移量的期望横摆角速度的LDAS进行性能对比。运用相平面法确定保证LDAS车辆稳定性的前轮转向角最大值,并基于CarSim/LabVIEW RT硬件在环试验平台验证基于BP神经网络训练获得D-S证据理论的初始概率赋值的驾驶人意图决策算法的有效性。结果表明：所提出的识别准则能够及时识别车辆偏离车道时的驾驶人意图,为LDAS控制器介入赢得了宝贵的时间,所设计的期望横摆角速度观测器具有很好的稳定性,所提出的方法能够有效避免车辆偏离车道。     

柴油机模态试验与分析应用实例

应用一套模态测量分析系统对某V6柴油机组件进行了模态测试 ,获得其模态参数及振型 ,为发动机结构改进设计提供试验依据     

沥青混合料拌和过程实时监控

为控制道路施工过程中沥青混合料的拌和质量与拌和状态, 提出一种以非介入方式利用模板匹配识别算法实时提取骨料、粉料、沥青质量数据、拌和时间及温度等沥青混合料主成分数据信息的方法, 根据识别到的沥青混合料数据信息建立了数据采集与传输的时序逻辑关系; 在WEB监控中心下可视化显示了沥青混合料配合比误差、级配误差、拌和时间和温度等关键信息, 并利用这些多模态信息融合策略评价了沥青混合料的拌和质量; 根据施工过程中沥青混合料类型的先验知识分析了混合料数据的动态变化, 在无人工干预的情况下自动识别了实时生产的沥青混合料类型; 建立了骨料数据的模型分布, 并结合拌和时间判断拌和设备的运行和筛分状态; 存储实时接收到的数据, 实现了沥青混合料历史数据跨时间查询和成本评判。研究结果表明: 利用模板匹配识别算法采集沥青混合料字符数据时间为4.9 ms, 识别准确率达100%, 满足了施工中沥青混合料拌和数据采集时间间隔小于0.02 s的要求, 实现了施工过程中沥青混合料数据的连续检测、自动识别、实时跟踪和可视化监控; 当沥青混合料质量不合格或拌和设备出现故障时可实时预警, 为综合评价沥青混合料拌和过程与实时掌控沥青混合料拌和质量提供了依据。     

列控中心的危害识别研究

对列控中心进行危害识别是进行风险管理的基础环节,通过介绍国外铁路广泛应用的HAZOP方法,建立参考模型、功能模型分析和状态转移模型相结合,从不同角度对列控中心进行HAZOP分析,得出其危害日志表,为进行全生命周期的风险管理提供依据.     

基于异步交互聚合网络的港船作业区域人员异常行为识别

港船作业区域人员的异常行为识别可为智能航运的管控与决策提供重要数据支撑,有利于推动智慧港口和智能船舶的发展。基于异步交互聚合网络开展了面向港船工作环境下的人员异常行为识别研究。基于YOLO模型对港船图像进行卷积操作,利用特征金字塔优化卷积结果得到图像序列中每一帧的人员位置,结合联合学习检测和嵌入范式输出港船图像序列中的人、物体特征信息以及时序信息;利用异步交互聚合网络中的交互聚合结构更新特征池的多维度特征信息,以识别港区与船舶工作环境下的人员异常行为。实验结果表明：提出的港船作业区域人员异常行为识别方法的平均识别精度为91%,在港区工作环境下的人员异常行为识别精度为85%,在船舶驾驶台环境下,提出的异常行为识别框架对船员的不安全行为识别精度达到97%。所提出的识别框架在不同港船作业区域环境中都能获得较好的精度,验证了其有效性和可靠性。     

路面破损状况自动检测系统

介绍了路面破损检测自动化的原理，数字化图像的概念，现有系统的设计，硬件性能和特点，系统研究和开发的前景等方面的内容。