点火系对环形线圈车辆检测器辐射干扰的仿真

环形线圈车辆检测器是利用电涡流检测原理工作的一种车辆检测设备,存在易受电磁干扰影响的缺陷.汽车点火系是环形线圈车辆检测器工作环境中存在的强大宽带电磁干扰源.针对汽车点火系对环形线圈车辆检测器可能产生的辐射干扰,采用基于有限积分技术的仿真软件进行了数值仿真.仿真结果表明,在不考虑汽车金属外壳屏蔽作用,并且点火系恰好位于环形线圈正上方的情况下,汽车点火系产生的辐射电场对环形线圈车辆检测器正常工作有严重影响,必须对其采取一定的屏蔽措施.     

车辆检测器锁相环路的设计

环形线圈检测器是高速公路中常用的车辆检测器,它具有性能稳定、性价比高的优点。本文从环形线圈检测单元电路存在的问题,提出了运用锁相技术的车辆检测器框图,并对锁相环路的各个部分进行了设计。     

基于System Generator实现车辆检测分类

在环形车辆检测系统中,车辆通过埋地环形线圈检测器时,车体与环形线圈相互作用,改变了线圈的谐振频率,从而产生频率变化曲线.采用Xilinx的FPGA辅助设计软件-System Generator对采集的频率变化曲线进行车辆的特征值提取,从而实现对车辆的自动检测和分类,完成从软件图形化设计到FPGA硬件实现一体化设计流程.该方法能提高多车道车辆识别检测速度及检测算法的可维护性.     

一种基于时间序列分层匹配的骑线车辆检测方法

环形线圈检测器是目前使用最广泛的一种车辆检测器,但其在对骑线车辆的检测方面存在误判的可能性,这种误判影响车辆检测的准确性。本文通过分析环形线圈检测原理,进而通过对车辆检测数据进行分析,提出了一种基于时间序列分层匹配的骑线车辆检测方法。该方法能够有效判别出骑线车辆,并具有较好的匹配效率。     

智能环形线圈车辆检测器的设计与实现

本文介绍了利用单片机如何实现智能环形线圈车辆检测器,讨论了此类检测器的软硬件设计要点,给出了相应的接口电路。     

基于工控机和环形线圈传感器的车速测量系统

介绍了一种基于工控机和环形线圈传感器的车速测量系统，该系统主要依据车辆通过两个环形线圈感应探头时，经过检测器的整形，得到两个不同时刻的宽脉冲，再经过高分频，计数，然后把所采集的数据通过专用的PCI卡送入到工控机中进行处理，得到车辆通过环形线圈时的频率变化波形，最后利用波形的相关性，得到同一车辆经过两个线圈时的时间差，利用速度公式，计算出车辆的速度。     

车型自动分类识别系统

车型自动分类识别系统由车型分类识别系统主机、轴检测器、红外光栅式车辆分离器和环形线圈检测器组成。该系统通过对车辆的轴距和轴数、车体外形的检测和计算前后车辆的分离，达到分型的目的。     

高速公路收费站行驶车辆检测器研制

本文介绍一种高速公路收费站行驶车辆检测器的组成与实现方法，基于感应式环形线圈检测原理的行驶车辆检测器，根据行驶车辆经过环形线圈时产生的感应信号来检测车辆信息，并把所检测的公路上行驶车辆信息传输给收费站监控中心主机，通过模拟信号滤波，软件容错，硬件超时自复位电路等抗干扰措施，保证了系统能在恶劣环境下稳定工作。     

一种新型感应式车辆检测卡的设计与应用研究

基于环形线圈车辆检测器基本的工作原理,针对传统的采用倍频技术的检测产品灵敏度不高的缺点,提出全新的采用周期整定技术的感应式车辆检测器设计原理,在确保检测精度的情况下,提高了系统的稳定性。完成了车辆检测卡的软硬件设计,并详细描述了该检测卡的构成及软硬件实现。设计了一种基于车辆检测器提供的车辆等待长度信息的,相序可变的单路口多相位交通信号灯全感应控制策略,实际应用表明该全感应控制算法十分有效。     

基于ART2神经网络的车辆感应波形识别的方法

在智能交通系统中,无论是在交通监控领域还是在不停车收费系统方面,对车辆进行自动分类都十分重要;环形线圈车辆检测器以其良好的适应性、稳定性和高效性在车辆监测方面得到了广泛的应用,同时利用同类型或同种车辆经过环形线圈产生轮廓相似的电磁感应波形这一特点也可以进行车型识别;对波形进行预处理,以波形轮廓的抽样、量化值作为特征向量,将特征向量作为ART2神经网络的输入向量,经ART2神经网络的自动聚类最终实现车辆感应波形的聚类与识别。     

高灵敏度金属分离器传感线圈的设计

分析了电感线圈探测金属的理论,针对传统的金属探测传感器灵敏度低,抗干扰能力差和结构复杂的缺点,根据电磁感应原理提出了一种具有高探测精度和高抗干扰能力的新型金属探测传感器,并描述了其结构和材料设计方案。最后用试验验证了设计思想和设计方案的正确性和实用性。     

基于动态时间弯曲的多模板匹配车型分类

感应线圈采集到的频率变化曲线,取决于车速、车辆自身结构及其通过感应线圈时的相对位置.针对同类车辆的频率变化曲线存在伸长或压缩情况.研究一种基于动态时间弯曲(DTW)的车型分类新方法.首先对采集到的车辆频率变化数据序列进行预处理;其次,结合DTW方法和最优聚类分析原理,选取同类车型的多个频率变化特征曲线作为分类模板,以改善单模板匹配方法的分类正确率;再次,确定同类车型的局部区分度指标,并优化调整局部区分度指标范围;最后对考察车辆的采样曲线进行多模板匹配分析,得出车型分类结论.仿真实验分析了本文方法与其他方法比较存在的优势.     

高速行驶车辆位置信息快速检测系统设计

设计了基于地感线圈的高速公路车辆位置信息检测器,采用具有输入捕捉和定时器功能的单片机,捕捉振荡信号频率的变化判断车辆位置。系统通过单片机定时模块获取多个脉冲的持续时间,通过增加脉冲数的方式增加计时时间,提高位置信息检测的精度。为了提高检测方法的鲁棒性,系统在计数持续脉冲总时间的过程中,也在实时测试每个脉冲的时间,去除脉冲时间过短的高频干扰信号。设计了自动复位功能,如若在设定时间内检测不到车辆到来,则通过外部电路使单片机复位,防止系统工作异常。系统经模拟试验测试表明,设计的振荡电路能够产生稳定的振荡信号,当模拟车辆通过时,系统能较快响应车辆位置变化。     

A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways

Real-time highway traffic monitoring systems play a vital role in road traffic management, planning, and preventing frequent traffic jams, traffic rule violations, and fatal road accidents. These systems rely entirely on online traffic flow info estimated from time-dependent vehicle trajectories. Vehicle trajectories are extracted from vehicle detection and tracking data obtained by processing road-side camera images. General-purpose object detectors including Yolo, SSD, EfficientNet have been utilized extensively for real-time object detection task, but, in principle, Yolo is preferred because it provides a high frame per second (FPS) performance and robust object localization functionality. However, this algorithm’s average vehicle classification accuracy is below 57%, which is insufficient for traffic flow monitoring. This study proposes improving the vehicle classification accuracy of Yolo, and developing a novel bounding box (Bbox)-based vehicle tracking algorithm. For this purpose, a new vehicle dataset is prepared by annotating 7216 images with 123831 object patterns collected from highway videos. Nine machine learning-based classifiers and a CNN-based classifier were selected. Next, the classifiers were trained via the dataset. One out of ten classifiers with the highest accuracy was selected to combine to Yolo. This way, the classification accuracy of the Yolo-based vehicle detector was increased from 57% to 95.45%. Vehicle detector 1 (Yolo) and vehicle detector 2 (Yolo + best classifier), and the Kalman filter-based tracking as vehicle tracker 1 and the Bbox-based tracking as vehicle tracker 2 were applied to the categorical/total vehicle counting tasks on 4 highway videos. The vehicle counting results show that the vehicle counting accuracy of the developed approach (vehicle detector 2 + vehicle tracker 2) was improved by 13.25% and this method performed better than the other 3 vehicle counting systems implemented in this study.     

微型的感应线圈车辆传感器

智能交通系统(ITS)是解决日益严重的高速公路和城市交通问题的有效途径.车辆检测传感器是ITS中最重要的交通数据采集设备之一.通过埋在地下或者安装于道路两旁的车辆检测器,可以准确实时地获得各种交通数据(包括车流量、车速度、车辆密度、占有率等).在众多车辆检测器中,感应线圈式车辆检测器具有性能稳定、性价比高、应用方便等优点,因而目前在工程上应用最广.但其探测线圈体积庞大,安装时需要阻断交通,工程量大;线圈容易损坏.本文将采用微型线圈,并将单片机控制技术引入传统的车辆传感器中,从而有效地降低了安装的工程量,开发出适用性更强的车辆传感器.经实验证明,该传感器可有效地检测出车辆信号.     

Vehicle model recognition from frontal view image measurements

This paper deals with a novel vehicle manufacturer and model recognition scheme, which is enhanced by color recognition for more robust results. A probabilistic neural network is assessed as a classifier and it is demonstrated that relatively simple image processing measurements can be used to obtain high performance vehicle authentication. The proposed system is assisted by a previously developed license plate recognition, a symmetry axis detector and an image phase congruency calculation modules. The reported results indicate a high recognition rate and a fast processing time, making the system suitable for real-time applications.     

高速公路快速放行提示系统

为了解决高速公路出口存在的车辆驶出高速收费口耗时长、高速出口拥堵的问题,采用STC单片机STC 11F32XE作为主要控制芯片,设计了一套高速公路快速放行提示系统.该系统由上位机、下位机和倒计时控制器3部分组成.其中,上位机通过地感线圈和车辆检测器获取车辆位置信息,控制语音模块给出语音提示,并由串口下发控制命令给下位机;下位机接收到控制命令后控制室外显示屏显示相应信息,同时与倒计时控制器通过并行通信方式控制倒计时屏计时.实际运行结果表明,本系统能达到提高高速公路放行速度的要求.该系统已在山西运城高速各路口安装使用.     

基于Marc的螺旋钢弹簧卷制过程的仿真分析

弹簧作为车辆走行部的关键零部件,其性能质量直接影响行车的安全性,而弹簧卷制的质量直接影响着弹簧的性能.以某高速列车用螺旋弹簧为例,用Marc以及非线性分析方法和虚拟样机技术模拟弹簧卷制的实际过程,从而预测弹簧的成型过程、棒料的应力和应变、工装的应力和应变,优化弹簧卷制工艺,提高弹簧卷制工艺水平,达到提高产品质量和减少试制成本的目的.     

Experimental study on fine motion control of underwater robots

This paper considers thruster dead zones and saturation limits, which are nonlinear elements that complicate fine motion control of underwater robots. If the vehicle is configured with redundant thrusters, the respective dead zones and their surrounding nonlinear regions could be avoided by implementing a null motion solution for the command input of the vehicle. This solution is derived from the vehicle's geometry and is realized before the application of the motion control algorithm. The result is an improvement in system performance exclusive of the implemented controller type. The approach is illustrated through simulation and experiment with an underwater robot, ODIN.