参数识别与分析在桥梁施工控制中的应用

为了分析在施工控制中桥梁结构设计状态与实际状态之间的差别,简单阐述了参数识别的内容与方法,具体分析了影响施工控制的主要参数,并研究了参数识别中的最小二乘法在施工控制中的具体应用。     

基于小波包能量谱和SVM的水下目标识别

为了提高舰船辐射噪声信号分类的准确率,即在水下进行舰船目标识别的准确率,采用了小波包提取信号能量谱特征的方法和支持向量机的分类算法.简介了小波包变换及支持向量机的基本原理,然后针对舰船辐射噪声信号进行多层小波包分解,提取各子频段能量谱作为特征量,归一化处理后构建特征向量,最后用支持向量机算法进行分类.仿真实验结果表明,利用对信号的多层小波包分解提取能量谱特征和支持向量机的分类算法能对舰船辐射噪声信号进行有效识别.     

纯电动公交工况自识别系统的开发与仿真

基于合肥市纯电动公交工况,采用模糊控制原理开发设计了工况自识别系统,以行驶阶段的驻车时间比例、平均速度和加速度作为模糊控制器的输入,合肥市纯电动公交工况典型模块参数为输出.给出了系统的控制策略,制定了语言变量的赋值表和模糊状态表,并使用SIMULINK搭建了仿真模型,仿真结果显示原来随机的、不确定的工况已转化为符合典型工况模块特征的工况,说明工况自识别系统的设计是可行的.     

基于不平顺谱的轨道不平顺状态评价与识别探讨

线路不同区段轨道质量参差不齐,但其幅频差异能很好地在各区段轨道不平顺功率谱密度（PSD）曲线上得到表征。基于此,结合沪宁客运专线轨检数据,从识别和评价两个方面对轨道平顺状态进行了研究。基于不同区段轨道谱存在幅频特性差异,提出以200m为一研究单元,通过分频段离散各单元轨道谱幅频信息,以三维图的形式进行不平顺的时频域识别分析。借鉴轨道谱分级管理的方法,同时综合波段整体不平顺和波段内各波长幅值波动程度两项指标,研究并给出了评价各里程单元平顺性的方法,将综合评价后各区段所属不平顺状态等级划分为优秀、良好、合格、失格。     

基于轮轴动应力测试的轮轨力识别与分析

以300 km/h高速动车组动力车轮轴动应力测试为基础,经过数据处理和分析,识别出切向轮轨力和横向轮轨力.针对轮轴结构受力及应力分布特点,通过Ansys软件进行有限元模型分析,找到车轮作用载荷与应变之间的关系,计算得到切向蠕滑率,并运用最小二乘法进行参数识别,初步分析得到切向轮轨力与切向蠕滑率之间的关系及切向蠕滑率与速度之间的关系.     

广州地铁APM线故障工况下车务运作风险分析及控制

广州市珠江新城核心区市政交通项目旅客自动输送系统(Automated People Mover systems,简称APM,下同),是国内第一条商业运营的无人驾驶轨道交通线路。APM线整个运营模式没有先例可循,也是世界上第一条全地下的APM线路,由于其使用的车型、信号及系统运作等诸多技术特点与国内外其他APM线及地铁运作均存在较大差异。结合目前广州APM线运作特点,对APM线路采用故障工况下车务运作中所存在的风险进行分析并提出应对控制措施。     

矮塔斜拉桥施工状态下结构损伤识别研究

以广东省江肇高速公路西江特大桥为工程背景,选取最大双悬臂施工状态,采用MIDAS软件获取损伤状态下的各阶模态,将模态信号导入MATLAB中进行了Hilbert-Huang变换和小波变换,对结构损伤状况进行了识别判断,并对比了两种识别方法的识别效果.研究结果表明:Hilbert-Huang变换方法损伤识别效果良好,抗噪性强,但存在端点效应问题;小波变换方法损伤识别效果与所选小波基有关,不利于基准的选取,且小波识别需要消噪,消噪可能会导致损伤漏检.     

三峡库区通航环境风险识别研究

长江黄金水道穿越了我国西南、华中、华东三大经济带,在我国实施西部开发、中部崛起和东部率先的区域发展战略中地位十分重要。三峡坝区河段主航道全长59km,地理环境比较特殊,对整个长江的航运、防洪的作用以及区域的政治经济具有很大的影响。本文结合三峡库区特殊地理通航环境,建立三峡通航安全风险识别标准体系,对确保三峡枢纽畅通具有重要意义。     

驾驶员不良情绪状态监测及舒缓系统开发

本系统集监测与舒缓功能于一身实现驾驶员不良情绪状态实时、非接触式地监测及舒缓.该系统首先使用肤色模型算法迅速定位人脸,然后利用累积差分帧和 Hough 变换等实时图像处理技术进行检测、跟踪眼睛和嘴巴的状态并提取相对特征参数,进而与表情模板匹配,以相似度衡量相似程度并最终判定驾驶员的实时情绪状态.如果判定的结果为不良情绪状态,系统将自动播放与之相对应的舒缓曲目,最终达到舒缓驾驶员情绪、保证安全行车的目的.     

驾驶人手机通话行为中基于图像特征决策融合的手势识别方法

为鲁棒检测自然环境中驾驶人的通话行为, 提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域, 在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样, 由此建立了肤色的高斯分布模型; 针对驾驶室光照强度的不均匀性, 提出了肤色分量的漂移补偿算法, 建立了适应光照变化的在线肤色模型, 以准确分割左右手部肤色区域; 运用HOG算法获取手部肤色区域的2 376维HOG特征向量, 运用PCA方法将HOG特征降至400维; 同时提取手部肤色区域的PZMs特征, 并采用Relief算法筛选出权重最大的8个PZMs特征向量, 建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明: 基于PCA-HOG特征的手势识别率为93.1%, 对光照变化的鲁棒性较好, 但易受到手部与头部转动的干扰; 基于Relief-PZMs特征的手势识别率为91.9%, 对于头部与手部姿态的耐受度较好, 但光照鲁棒性较差; 基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%, 对光照波动、手部与头部转动等干扰条件具有较好的适应性。