一种特征融合的视频事故快速检测方法

交通事故快速检测对于提升交通事故应急管理水平具有重要的现实意义.目前主流的视频事故检测算法较难同时满足高精度和低算力的要求,一定程度上制约了该技术的工程应用.针对存在的问题,本文提出了一种新的基于特征融合的视频事故快速检测方法,以期在有限算力成本下同时获得较高的检测精度和较快的检测速度.模型将特征融合通过两个步骤实现:...     

基于衰减记忆滤波法的桥梁变形监测数据分析

指出了卡尔曼滤波基本方法在模型不准确时可能出现的发散现象,提出了利用衰减记忆滤波处理桥梁自动监测系统监测数据的方法,并通过实例进行了说明。实际算例表明,滤波值、原始值与预报值变化趋势一致,且滤波值改善了原始观测值,较好地解决了发散问题,说明这种方法适用于处理桥梁全自动监测数据。     

奔驰车系技术通报

通报一通告主旨:在长时间停放之后车身不水平(ABC系统)。故障原因:由于前桥(Y36／1)或后桥(Y36／2)阀体内部的锁止阀泄露或卡滞,导致车身水平出现一边倒的现象。涉及到的故障记忆如下:     

机器学习在磁记忆无损检测领域的应用及展望

磁记忆检测作为一种新兴的无损检测技术,具有快速、便捷地检测应力集中和微观缺陷的优点,而机器学习具有强大的学习能力和自适应能力,适用于磁记忆检测产生的大量非线性数据的处理。主要综述了机器学习算法在磁记忆无损检测领域的应用现状,考虑将机器学习应用于桥梁内部钢筋损伤的磁记忆检测当中,最终展望了机器学习在此领域的发展趋势。结果表明：以支持向量机、神经网络、聚类算法为代表的各种机器学习算法目前在磁记忆检测中得到了广泛应用,主要用于各类钢试件缺陷的损伤等级评估和缺陷尺寸反演,在桥梁钢筋损伤的磁记忆检测中尚无相关应用;单一算法具有较大的局限性,多种算法结合可以提高预测准确率;要实现磁记忆在桥梁结构内部钢筋损伤检测中的突破发展,需进一步考虑复杂结构和检测环境,结合机器学习算法建立各类影响因素与磁信号之间的关系模型,机器学习中的回归算法也可进一步应用到缺陷程度的评估当中。     

车门集成控制模块系统方案设计

随着社会科技发展,对车辆智能化配置需求越来越强烈,面对日趋复杂的车门电子控制设计,新增一个功能就增加一个控制器的方式,不但增加了控制的复杂程度,整车线束也更加复杂,同时由于负载受限制,功能上无法做到多样化。故而国内外主机厂已经将分布式控制方式作为整车架构首选。文章采用左、右前门控制模块分别控制该侧车门上各种功能需求的控制方案,通过对模块的电源及信号采集硬件设计、软件系统架构及车窗防夹的软件设计方案,构建分布式控制方式,实现在提升整车性能的同时,达到有效降低整车成本的目标。     

基于LSTM(长短期记忆)网络的城市轨道交通列车停站精度预测

城市轨道交通列车进站自动停车过程中常会出现冲标和欠标问题,结合行车日志大数据分析和LSTM(长短期记忆)网络算法,提出了有效的解决方案。首先针对行车日志中大量的列车停车精度历史信息进行大数据分析,按1 d为一个统计周期对数据进行分期,并对数据进行预处理和多类拟合,对比后获得最佳拟合参数的时间序列。然后通过LSTM网络算法构建深度学习模型,对列车进站自动停车精度的分布进行预测。最后基于成都某地铁线列车停车精度的历史数据,对该LSTM预测模型进行训练与验证。结果表明：该预测模型可满足统计学上对相似度大于0.9的要求,从而验证了该模型的有效性和准确性。     

基于改进 BiLSTM 网络的地铁车轮磨耗预测模型

针对地铁车轮磨耗数据时间跨度较长引起的长期依赖问题,为了进一步提升预测精度,提出一种将麻雀搜索算法(sparrow search algorithm,SSA)优化双向长短期记忆网络(bidirectional long short term memory,BiLSTM)的改进 BiLSTM(SSA-BiLSTM)网络模型,用于地铁车轮磨耗预测。首先,利用麻雀搜索算法对双向长短期记忆网络算法的神经元个数、迭代次数、输入批量和学习率等超参数在给定范围内进行寻优,得到参数最优值;然后,以参数最优值来构建改进 BiLSTM 网络模型,对车轮磨耗进行预测分析;最后,以车轮踏面磨耗和轮缘磨耗作为研究对象,将某地铁 1 车厢 1 号车轮的现场实测历史磨耗数据作为输入,对该模型进行训练及验证分析,并与多层感知机(multilayer perceptron,MLP)、LSTM、BiLSTM 以及 SSA-LSTM 模型的预测结果进行对比。研究结果表明：SSA-Bi-LSTM 模型的车轮磨耗预测精度更高,与 LSTM、BiLSTM 以及 SSA-LSTM 网络模型相比,踏面磨耗的平均绝对百分误差(mean absolute percentage error,MAPE)分别降低了 13.28%、10.32%、1.47%,轮缘磨耗分别降低了 9.5%、0.46%、0.02%;分别对同一地铁 2 号、4 号车厢的 1 号位置车轮磨耗进行预测,并与磨耗实测数据进行对比,踏面磨耗的平均绝对百分比误差分别为 1.34%、1.42%,轮缘磨耗的平均绝对百分比误差分别为 0.18%、0.19%,验证了本文所提模型具有良好的泛化性,为地铁轮对智能化管理提供理论支持,延长车轮使用寿命。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络(Long Short-term Memory Network,LSTM)对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型(VP-LSTM).该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场...     

帕萨特(V6)驾驶员座椅和外后视镜的记忆功能设置与调用

一、设定步骤(一)记忆正常驾驶时的驾驶员座椅和外后视镜位置1.将点火开关打开;2.将驾驶员座椅左侧的“Memory Off”红色按钮按下;3.调节驾驶员座椅及外后视镜到最适合的位置,按下驾驶员座椅左侧一个记忆按钮(建议从第一个按钮开始)并保持,直到听见“咚”的提示音表明设置完毕(重复此步骤可以设置另外两个记忆按钮);4.驾驶员座椅上的记忆按钮设定完成后,立即断开点火开关并拔出点火钥匙,在5s内按住钥匙上的开启按钮不放,直到听见“咚”的提示音,钥匙的记忆设置完毕(重复第3步骤和第4步骤可以将设定好的位置记忆在另外的钥匙中,备用钥匙(无…     

基于Attenton-LSTM神经网络的船舶航行预测

航行预测是无人艇关键技术之一。航行问题复杂度较高,传统的预测算法无法满足当前需求。为此,提出一种基于注意力机制-长短期记忆(Attention-Long Short Term Memory,Attention-LSTM)的多维船舶航行预测算法,结合船舶自动识别系统(Automatic Identification Systerm,AIS),采用注意力机制突出对船舶航行起关键作用的输入特征,实现对船舶未来时刻经度、纬度、航向、航速的预测。以成山角海域真实数据为例,进行仿真对比实验,结果表明所提方法具有更好的精确性和鲁棒性。