驾驶员情绪-驾驶风险机理分析

通过研究驾驶员情绪来降低由情绪引发的事故风险一直是多学科研究的重要课题。针对驾驶员情绪、驾驶行为和驾驶风险之间的关系进行定性分析,阐述情绪对驾驶风险的影响过程机理,构建驾驶风险计算模型。为对驾驶员情绪-驾驶行为-驾驶风险之间的关系进行定量分析,采集驾驶员情绪诱导材料库,开展驾驶员多种情绪下的驾驶行为数据采集实验。通过对不同情绪下驾驶员情绪对驾驶行为影响的定量分析,建立驾驶行为与驾驶风险等级映射关系,阐明了驾驶员情绪对驾驶风险的影响机理。结果表明对于离散情绪,愤怒、恐惧、悲伤、惊讶与厌恶这几种情绪下的高风险比例较大;而中性与高兴情绪则表现出较低的高风险比例。对于维度情绪,在愉悦度、激活度和优势度三个维度上,低愉悦度和高愉悦度、低激活度和高激活度以及低优势度和高优势度下高风险比例较高。驾驶员情绪-驾驶风险机理分析结果将为设计驾驶员不同情绪的识别方案和调节策略提供重要依据,对智能网联汽车的决策规划等具有重要意义。     

基于生理特征映射的驾驶员情绪在线识别模型构建方法

高精度驾驶员情绪识别模型是智能车辆安全辅助驾驶系统构建的关键问题之一。针对该问题,提出一种基于生理特征映射的驾驶员情绪在线识别模型构建方法。对不同情绪下驾驶员心电、脉搏生理信号进行时域特征提取,建立生理信号-情绪关联样本库,给出改进式自编码(Improved stacked autoencoder, I-SAE)神经网络架构,构建基于I-SAE神经网络的人员情绪生理表征和离线辨识模型;同步采集行驶过程中不同情绪下驾驶员生理信号和车辆状态数据,利用主成分分析法选取车辆状态特征参数向量,通过I-SAE模型识别处理生理信号数据,将驾驶员情绪的生理表征映射为车辆状态表征,构建车辆状态-驾驶员情绪关联样本库;在此基础上,建立基于学习矢量量化(Learning vector quantization, LVQ)的驾驶员情绪在线识别模型。试验数据表明,该方法构建的驾驶员情绪在线识别模型正确识别率达84%以上,可满足安全距离预警等车辆智能系统需要。     

视觉显著目标的自适应分割

基于视觉注意模型和最大熵分割算法,提出了一种自适应显著目标分割方法来分离目标和复杂背景,以便快速准确地从场景图像中检测出显著目标。首先,通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图;通过引入局部能量通道来更好地描述了显著目标的轮廓。然后,根据显著图中像素灰度的强弱构建不同的目标检测蒙板,将每个蒙板作用于原图像作为预分割的结果,再计算每个预分割图像的熵。最后,利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明：本文算法检测的显著目标更为完整,分割性能F-measure达到0.56,查全率和查准率分别为0.69和0.41,相对于传统方法更为有效准确,实现了在复杂背景下对显著目标的有效准确检测。     

基于聚类动态LS-SVM的L-赖氨酸发酵过程软测量方法

针对生化反应过程中软测量模型存在的模型失效问题,提出了一种基于模糊C均值聚类(FCM)和动态LS-SVM的混合建模方法.首先,采用FCM算法将训练集分成具有不同聚类中心的子集,然后对每一类分别采用LS-SVM进行训练并建立子模型.对于带有新信息的样本数据首先计算其对每一类的模糊隶属度函数,然后用隶属度最大的一类所对应的子模型进行动态学习,并更新子模型.将所提出的软测量建模方法用于对L-赖氨酸发酵过程关键生物量参数的预测,实验结果表明所提出的建模方法可以有效地增强软测量模型适应工况变化的能力,提高其预测精度.     

基于自适应优化空频微分熵的情感脑电识别

情感脑机接口旨在提供一种人与设备情感沟通的通道,情感脑电识别是其中最为基础和关键的环节。为了自适应地选择个体最优的空间电极和频段组合以实现情感脑电特征优化和分类效果提升,本文提出一种新的自适应优化空频微分熵(AOSFDE)特征,设计了基于相对熵的情感脑电空间电极重要性度量方法,根据导联重要性进行空间电极选择,通过稀疏回归算法对多重局部空间-频域内的微分熵特征进行优化选择。采用上海交通大学情感脑电数据集SEED进行实验分析,结果表明本文提出的AOSFDE方法可以有效提高识别准确率,针对15名被试者的积极/消极、积极/中性、中性/消极这三个情绪二分类场景平均准确率分别达到91.8%、93.3%和85.1%,为情感脑电识别研究提供了新的思路和方法。     

采用小波包能量熵的铣削振动状态分析方法研究

颤振是影响机床加工质量的重要原因之一。为实现切削颤振的实时在线识别与评价,采用加速度传感器,获取主轴振动信号,以小波包能量熵值为指标,对铣削加工的稳定状态及振动形式进行识别。通过多传感器对加工过程进行监测,确定加工的稳定性;对主轴振动信号进行频谱分析,了解不同加工状态下的信号频谱特点,分析其振动形式。对信号进行小波包分解,发现在不同的振动状态下,信号的能量分布有显著规律。试验表明,切削从稳定状态到不稳定状态,本质上是强迫振动和颤振的能量强度和分布发生了变化。能量熵描述能量分布的变化,是识别切削状态和振动状态变化的有效方法。     

转子碰摩严重程度量化检测方法研究

基于分形理论、熵理论及小波变换方法,提出用关联维数和小波能量谱熵对转子系统不同碰摩程度进行量化检测的方法。首先,利用转子碰摩模型仿真了不同碰摩程度下的振动信号,并计算了信号的关联维数和小波能量谱熵,研究了关联维数和小波能量谱熵随转子不同碰摩程度的变化规律,发现这两种特征量与转子碰摩程度之间存在良好的相关性,表明其可以作为转子碰摩程度量化检测的重要特征量。最后,利用ZT-3多功能转子实验器,模拟了不同碰摩状态的振动信号,对该方法进行实验验证。结果表明:关联维数和小波能量谱熵对转子碰摩严重程度量化检测的有效性。     

凝视模式下的画幅相机两轴像移补偿

通过斜视画幅相机的几何模型,选择载机相关坐标系,建立了计算目标航迹速度到像面坐标系下像移速度的数学模型。通过坐标变换将航迹速度(目标在航迹坐标系下的速度)转换至机体坐标系下的速度矢量,最终至补偿坐标系下的运动矢量;计算视轴长度,得到了扫描镜补偿角速度。最后,阐述了像面旋转机构在像移补偿中的作用,并给出了具体位置角计算公式。提出的采用扫描镜和像面旋转机构相结合的方案实现了凝视工作模式下的画幅相机像移补偿,利用坐标变换计算出的相应量,可为将来画幅相机在该模式下的像移补偿工程应用提供必要的参考。     

A solid modeler based ball-end milling process simulation

A system for geometric and physical simulation of the ball-end milling process using solid modeling is presented in this paper. A commercially available geometric engine is used to represent the cutting edge, cutter and updated part. The ball-end mill cutter modeled in this study is an insert type ball-end mill and the cutting edge is generated by intersecting an inclined plane with the cutter ball nose. The contact face between cutter and updated part is determined from the solid model of the updated part and cutter solid model. To determine cutting edge engagement for each tool rotational step, the intersections between the cutting edge with boundary of the contact face are determined. The engaged portion of the cutting edge for each tool rotational step is divided into small differential oblique cutting edge segments. Friction, shear angles and shear stresses are identified from orthogonal cutting data base available in the open literature. For each tool rotational position, the cutting force components are calculated by summing up the differential cutting forces. The instantaneous dynamic chip thickness is computed by summing up the rigid chip thickness, the tool deflection and the undulations left from the previous tooth, and then the dynamic cutting forces are obtained. For calculating the ploughing forces, Wu's model is extended to the ball-end milling process [21]. The total forces, including the cutting and ploughing forces, are applied to the structural vibratory model of the system and the dynamic deflections at the tool tip are predicted. The developed system is verified experimentally for various up-hill and down-hill angles.     

基于自适应小波包的钢丝绳局部损伤相平面定量检测方法研究

本文提出了一种基于自适应小波包分析的钢丝绳局部损伤相平面定量检测方法,实现了局部损伤的分类和定量检测。该方法采用基于熵的小波包最佳基选取准则,对局部损伤信号进行自适应小波包分解,将分解结果显示于时－频空间即相平面上。根据不同损伤的特点,在时频空间内寻找特征并进行分类,通过能力或能量的位置对损失进行度量,从而实现局部损伤的定量检测。文中对断丝、缺丝等典型损伤给出了具体应用实例和分析结果。     

基于谐波小波包能量熵的轴承故障实时诊断

将谐波小波包变换与信息熵相结合,从揭示故障信号能量分布的复杂程度入手,提出一种轴承故障实时诊断的新方法.对故障振动信号进行谐波小波包分解,将分解的小波系数按尺度进行排列,计算不同尺度的能量,以尺度能量为划分标准,计算故障信号的能量熵,通过能量的熵值诊断轴承故障.给出谐波小波包能量熵的轴承故障的具体诊断方法和模型.对不同...     

基于自注意力机制的弹幕文本情绪分类模型

随着短视频行业的发展,视频及弹幕已然成为舆论传播的重要途径,对弹幕进行情绪分析能及时获取民众态度,解决网络舆情管理的困难.弹幕文本内容短、几乎不具有完整上下文信息的特性,而较好地对词语间关系进行建模并有效识别关键词语对情绪分类任务而言是极其重要的问题,本文提出一种基于多头注意力的卷积神经网络模型.首先,通过对词语位置进行编码使模型能够利用输入序列的顺序信息.其次,利用多头注意力机制获取不同子空间的语义表达,有效捕获词语内部的相关性,增强词语间依存关系,突出关键情感词的情感权重,并利用膨胀卷积增大感受野,提取更多特征,在此基础上将多头注意力机制与卷积神经网络融合对弹幕文本的七个情绪类别进行建模分析.从模型及数据集角度对比实验,结果表明本文模型能有效提高情绪分类精准度.最后将弹幕情感进行可视化分析,以期为热点事件管控等领域起到一定的数据支撑作用.     

An entropy-based model of plastic deformation energy dissipation in sliding

In order to study the individual energy dissipation mechanisms which act in plastic deformation in sliding, an entropy production model of the sliding process is constructed. Rather than a physical material body, the system considered is a geometric space in which metallic lattice defects can exist. This system can interact with its environment which is the space of annihilated defects. In this system model energy dissipation through structural changes caused by defect creation and heat generation due to defect annihilation are included. For a behavior in which the defect annihilation rate is exponentially dependent on temperature, the minimum entropy production rate system evolution criterion predicts the existence of two different stationary entropy production rate states. In one state entropy production is dominated by structural changes and in the other by heat generation. Changes from one of these states to the other during sliding may account for the formation of a varying sliding body microstructure along the sliding direction.     

基于人工情感与CMAC网络的机器人行为学习

人工情感是一个新兴的研究方向,情感智能是人工智能对人类智能的重要逼近。该文利用模糊情感模型来指导机器人学习,在CMAC网络框架内实现机器人的新的行为学习方式。仿真实验结果表明基于人工情感与CMAC网络的机器人行为学习能够学习到一条好的行为策略,具有良好的学习性能。该方法对于提高机器人在恶劣环境下的生存能力和自主决策能力具有很大理论意义和实际应用价值。     

基于支持向量机的颤振在线智能检测

为了检测车削过程中的颤振,提出一种颤振在线智能检测方法。使用最小二乘一类支持向量机,训练出描述特征矢量集的超球面,通过计算被测样本与超球面的距离来判断其是否颤振。基于相干准则和分块矩阵求逆,构造了在线稀疏结构的最小二乘一类支持向量机,将特征信息存储于特征库(字典)中,通过更新特征库实现检测模型的在线进化。在颤振检测的应用中,首先使用小波包分解,得到第三层节点能量的比例作为特征矢量,以离线数据构造特征矢量作为输入,训练得到初始检测模型以及特征库,在线检测中不断更新特征库,实现检测模型的在线进化。试验结果表明,在车削颤振识别中,在线进化的检测模型的识别效果更好,颤振预报准确率高达至99.04%,优于离线模型的预报准确率96.74%。     

基于全视域特征表征与ELM-Adaboost方法的情绪辨识研究

情绪在人类的行为和认知中具有不可或缺的地位,开展情绪辨识研究具有非常重要的实际意义。为提高四类情绪多被试交叉辨识的准确性,提出了基于全视域特征表征与ELM-Adaboost的情绪辨识方法。首先,提出了基于融合信息的数据处理策略,交叉融合的多类生理信号构成的样本数据,有助于从全视域角度提取样本特征。其次,采用最大相关性最小冗余度的特征选择方法对融合后的特征进行选择,进而实现有效的情绪状态表征。最后,通过ELM-Adaboost方法构建的强分类器实现情绪状态辨识。多角度的实验分析研究充分证明了所提方法的有效性,四类情绪多被试交叉辨识准确率达到了83.06%。     

轮腿式机器人轮-腿高效移动策略优化

复杂地形下的高效移动策略是轮腿式机器人研制过程中的技术难点。本文在常规移动策略的基础上，通过引入关节空间状态量描述支腿相对于机身的位姿，引入位姿转换量描述相邻时序的位姿状态量间的运动过程，进而建立起移动策略与时间和能耗的数学模型，并以移动时间最短和能耗最低为目标，建立了移动策略的优化模型，通过优化迭代形成轮-腿高效移动策略。复杂地形下的越障仿真表明，机器人采用轮-腿高效移动策略可实现越障功能，与常规移动策略相比，移动时间及能耗均明显降低，验证了轮-腿高效移动策略的有效性。     

小波包熵在设备性能退化评估中的应用

开展设备性能退化评估研究,是制定主动设备维护策略、降低设备维护费用的基础。在设备性能退化过程中,信号成份会逐渐复杂化。本文提出利用小波包熵监测信号的复杂性变化,从而为设备性能退化评估提供可靠的特征向量。为了研究性能退化过程中振动信号的小波包熵的变化规律,使用裂纹转子动力学模型模拟了转子裂纹逐渐增加的过程,并使用仿真数据计算了各个状态下的小波包能量熵和小波包奇异值熵值。分析结果表明,随着转子性能退化程度的加深,小波包熵值逐渐增加,且对于性能恶化的突变较为敏感。     

Shape reconstruction of three-dimensional flaw from backscattering data

Three dimensional Born and Kirchhoff inverse scattering methods are modified to convenient forms for a cylindrical specimen that includes three dimensional defect. One aluminum cylinder with flaw model is prepared and ultrasonic measurements are carried out. The measurement area in the modified methods is restricted in the plane perpendicular to the axis of cylindrical specimen. That is to say that the methods are modified to convenient form to use measured waveforms in the x₁–x₂ plane. The measured wave data are fed into the inversion method and cross-sectional images are obtained. Then, three dimensional shape reconstruction of flaw model in aluminum specimen is performed by piling up the cross-sectional images.     

基于时频特征融合与 GWO-ELM 的棒控电源早期故障状态辨识方法

针对核电棒控系统电源(PWE)早期故障状态辨识问题,提出一种基于融合时域与时频域的故障特征和灰狼优化算法(GWO)的极限学习机(ELM)辨识方法。首先,根据棒控电源PWE工作原理和控制棒驱动机构的驱动电流,利用电流上升时间分析了早期波形形态与早期故障模式。然后,构建融合电流上升时间、均方根-差分和和小波包奇异熵的故障时频特征,分析了特征的可区分性。进而,采用GWO算法进行ELM分类器参数择优,建立GWO-ELM模型实现PWE早期故障状态的辨识,以提高辨识精度。最后,通过开展不同特征组合和辨识模型比对试验,结果表明所提方法能有效实现棒控电源早期故障识别诊断,且平均辨识准确度可达98.86%。