基于驾驶员转向操作特性的疲劳驾驶检测

本文旨在利用驾驶模拟器开展疲劳驾驶试验,研究疲劳驾驶的检测方法.首先采用面部视频的专家评分方法,建立驾驶员3级疲劳(清醒、疲劳和非常疲劳)的样本数据库;然后定量提取描述疲劳操作特性的特征指标,采用序列浮动前向选择算法筛选最优的特征指标组合,最终建立了一种基于SVM的驾驶员3级疲劳的在线检测算法.测试结果表明,驾驶模拟器工况下,本文算法识别3级疲劳的准确率达到87.7％,具有较高的鲁棒性和实用性.     

向量时序SVM-AR模型在公路软土地基沉降中的预测研究

为提高公路软土地基沉降预测的精度,提高工程的安全性,文中分别探讨了SVM模型和时序AR模型适用范围和特点,并结合2类模型各自优点提出SVM-AR模型。该模型用SVM模型预测趋势沉降量,用AR模型预测随机沉降量,然后组合获得预测沉降量。工程实例表明,SVM-AR比SVM模型预测结果更为准确,更好地反映公路软土地基沉降过程。     

小波包和SVM在发动机故障诊断中的应用

针对发动机的故障特点,提出了一种基于小波包和支持向量机(SVM)的发动机故障诊断方法。利用信号能量在小波包空间的分布特性,采用基于能量的自适应去噪方法,提取反映故障的特征向量,并基于SVM理论构建了针对发动机的多故障分类器。试验结果表明,该方法具有故障分类与识别能力。     

隧道底部溶洞顶板安全厚度预测模型

以某公路岩溶隧道为背景,采用二维弹塑性有限元方法对隧道开挖进行数值模拟计算,分析隧道底部溶洞顶板安全厚度的影响因素,研究各影响因素与安全厚度的相关变化规律,并用多元回归和支持向量机方法建立能综合体现各影响因素的溶洞顶板安全厚度预测模型,从而为岩溶隧道设计施工提供一定的科学依据和指导。     

基于改进塔式梯度直方图的行人检测算法

采用改进分块方式的塔式方向梯度直方图（PHOG,Pyramid Histogram of oriented gradient）作为特征提取的方法,应用支持向量机（SVM,Support Vector Machine）算法作为分类器进行训练和检测.INRIA测试集上的测试结果表明,相对于采用传统HOG和PHOG特征表示方法,所提出的方法使分类检测正确率有了进一步提高.     

基于SVM的中小学校门口交通安全评价

根据兰州市安宁区8所中小学校门口调查数据,建立基于支持向量机的中小学校门口交通安全评价模型,利用MATLAB编程,计算8所中小学相对安全情况。结果表明：在数据样本较小的情况下,应用SVM 模型可以较好评价中小学校门口安全等级;在数据充足、影响因素指标赋值规范的情况下,评价效果进一步提高。可以为中小学校门口道路及其附属设施建设提供参考,有效地减少城市儿童道路交通伤害。     

紧邻大型深基坑的地铁隧道沉降预测方法研究

针对紧邻大型深基坑的地铁隧道因其变形影响因素复杂、变形控制严格而难以准确预测其沉降变形的问题,文章引入对小样本、复杂、非线性数据具有优越预测性能的支持向量机理论,并利用蚁群优化算法搜索支持向量机最优参数组合,建立了优化的支持向量机预测模型。应用该模型对南京市地铁1号线某段隧道的预测结果表明,该模型预测精度高,能够准确反映隧道变形趋势,可以满足紧邻大型深基坑地铁隧道沉降预测的要求。     

Using a SVM to evaluate damage to vibration isolators in an elastic raft system

Predicting damage to vibration isolators in a raft experiencing heavy shock loadings from explosions is an important task when designing a raft system. It is also vital to be able to research the vulnerability of heavily shocked floating rafts unreliable, especially when the allowable values The conventional approach to prediction has been or ultimate values of vibration isolators of supposedly uniform standard in a raft actually have differing and uncertain values due to defective workmanship. A new model for predicting damage to vibration isolators in a shocked floating raft system is presented in this paper. It is based on a support vector machine（SVM）, which uses Artificial Intelligence to characterize complicated nonlinear mapping between the impacting environment and damage to the vibration isolators. The effectiveness of the new method for predicting damage was illustrated by numerical simulations, and shown to be effective when relevant parameters of the model were chosen reasonably. The effect determining parameters, including kernel function and penalty factors, has on prediction results is also discussed. It can be concluded that the SVM will probably become a valid tool to study damage or vulnerability in a shocked raft system.     

一种基于SVM的干扰效果评估方法

在深入分析波门拖引式欺骗干扰效果的基础上,引入基于支持向量机(SVM)的评判方法,在构造出具有一般意义的多层完备因素集的基础上,利用模糊数学和机器学习在处理模糊信息上的优势,提出一种充分地利用对抗试验数据的波门拖引式欺骗干扰效果评估方法,并对这种方法提出了看法与展望。     

船舶动力装置智能故障诊断技术的应用与展望

  目的  为了实现对船舶艉轴承润滑状态的监测和评估,提出一种结合润滑性能衰变模型和支持向量机（SVM）算法的艉轴承润滑性能评估方法。  方法  针对船舶艉轴承润滑状态难以监测和识别的问题,建立轴承润滑衰变数值模型,并运用实验数据对该模型进行验证,研究载荷、粗糙度和半径间隙对润滑状态衰变机理的影响。基于SVM算法,构建润滑状态分类器,通过网格搜索算法优化超参数,利用不同润滑状态的数据集进行训练,最后实现对艉轴承润滑状态的评估。  结果  结果显示,随着外部载荷、粗糙度和半径间隙的增大,轴承润滑状态恶化的临界速度增大,动压润滑工作范围减小,混合润滑工作范围增大;由仿真数据集对润滑状态识别模型的验证表明,所提的润滑状态识别方法准确率达96.88%。  结论  所提方法能监测轴承的润滑性能特征,有效识别轴承的润滑状态。