基于Q-学习的底盘测功机自适应PID控制模型

为了解决汽车底盘测功机控制系统在动态控制时出现延迟较高和误差大的问题,提出了一种基于强化学习的底盘测功机控制策略。以PID控制算法为基础,扭力偏差为控制器输入,调节电压控制量为输出,选择扭力差变化为智能体奖惩的学习策略,通过Q学习算法对PID参数进行在线自适应整定;在底盘测功机仿真试验中验证了控制器的调控性能,并与传统PID控制以及神经网络PID控制的结果进行了对比;实验结果表明,基于Q学习的自适应PID控制模型较传统PID算法控制周期缩减至40.7%,相较于神经网络PID算法控制周期缩短至27.9%。相对于传统PID控制模型与神经网络PID模型,基于Q学习的自适应PID控制模型输出力上升过程稳定且快速。提出的基于Q学习的自适应PID控制模型能够有效提升底盘测功机控制精度,满足其使用的工业要求。     

基于嵌入式Linux与QT的汽车虚拟仪表设计

为了简化汽车内部控制系统,降低汽车制造成本,提高人车交互界面的友好度,设计并实现了一种新型的汽车虚拟仪表。采用以ARM处理器S3C6410为核心的硬件平台和以嵌入式Linux系统为核心的软件平台,并在此基础上采用开放源代码的图形界面库QT开发仪表终端应用程序。经试验验证,虚拟仪表系统具有成本较低、界面友好、反应灵敏等特点,并在跨平台性、可扩展性等方面得到了显著改善。     

Identification and fermentation optimization of protopectinase-overproducing strain Aspergillus niger CD-01 for pectin production

In order to solve the citrus peel resource waste problem and minimize the drawbacks of chemical extraction of pectin, a protopectinase-overproducing strain CD-01 for pectin production was isolated from a pit soil dumped with perished orange in Changde City, Hunan Province of China. The strain CD-01 had the same morphology and 28S rRNA gene sequence (FJ184995) as that of Aspergillus niger (ATCC 64028). It was thus identified and named as Aspergillus niger CD-01. The fermentation condition was optimized based on L₉(3⁴) orthogonal experimental design and the variances analyses. The results show that the optimal condition for producing pectin is as follows: time 36 h, temperature 35 °C, pH 5, and urea as the nitrogen source. Under this condition, the pectin yield can reach up to 24.5%. This shows a great potential of Aspergillus niger CD-01 in pectin extraction from citrus. Foundation item: Projects(50621063, 50674101) supported by the National Natural Science Foundation of China     

基于FCN的多方向自然场景文字检测方法

传统的自然场景文字检测方法所采用的手工设计特征在应对复杂自然场景时缺乏鲁棒性。针对复杂自然场景中的多方向文字检测问题,提出了一种新的基于深度学习文字检测方法,采用全卷积网络（Fully Convolutional Networks,FCN）并融合多尺度文字特征图,结合语义分割的方法分割文字候选区域,利用分割得到的文字候选区域直接获取文字候选检测框并进行扩大补偿处理,对文字候选检测框进行后处理得到最终检测结果。该方法在ICDAR2013、ICDAR2015标准数据集进行了测评,实验结果表明该方法相比一些最新方法取得了更好的性能。     

车联网仿真测试评价技术研究综述

智能化和网联化是汽车发展的重要方向,车联网技术作为智能网联汽车体系架构的重要组成部分,近年来成为业界的研究热点之一。车联网的大规模部署及其在智能汽车领域的广泛应用前需要对其性能及功能进行全面、深入的测试评价,然而在真实环境下进行车联网的测试与评估存在成本高、难度大的问题,因此通过仿真手段对其进行评价分析是当前的主流测试手段。本文总结了主流的网络仿真器和交通仿真器,对现有车联网仿真平台进行了分类,研究并对比分析了典型的车联网仿真平台;针对车联网的应用特性,研究并归纳了影响车联网仿真性能的车辆移动模型、信道传播模型及驾驶员行为等;从网络仿真指标、车联网应用相关指标归纳了车联网功能及性能测试的典型评价指标。     

基于FPGA的车辆振动信号提取方法

为了从车辆复杂噪声背景中实时提取陀螺仪的有效振动信号,在分析弱信号特征提取方法的基础上,针对自适应滤波算法处理相关信号时收敛速度降低的缺点,提出一种适用于FPGA（Field Programmable Gata Ar-ray）的自适应步长LMS（Least Mean Square）算法。该算法通过建立步长和误差信号相关值之间的非线性关系,使步长仅与输入有用信号相关,降低算法对噪声的敏感度。实验以收敛速度和计算复杂度两个指标对该算法与其他改进算法进行比较,并以真实车辆振动信号提取结果分析验证该算法对车载环境噪声和陀螺仪自身噪声都有较好抑制。在用算法计算基础上,以FPGA平台提出并实现一种可扩展滤波器结构。设计采用一阶滤波单元重用方式完成多阶累加计算,在目前最大规模FPGA芯片上实现8～256阶滤波器。实验表明,该设计充分利用芯片内逻辑资源,处理速度快,可靠性高,并适用于车辆中低速行驶姿态测量系统。     

基于微粒群算法的视网膜血管自动提取方法

针对视网膜血管网络灰度分布特征与结构特征,提出了将灰度-梯度共生矩阵最大熵与微粒群算法相结合的视网膜血管提取方法。采用Gabor滤波以增强血管图像,获取增强后视网膜图像的灰度-梯度共生矩阵,利用微粒群算法并结合灰度-梯度共生矩阵的最大熵方法进行阈值化处理,对图像进行二值化处理后根据视网膜血管具有区域连通性的特征,采用形态学方法分割出最终的血管。实验结果表明,该方法能有效地提取视网膜血管网络。     

一种基于能量滤波和小波的车牌定位方法

提出一种基于能量滤波和小波的车牌定位方法。根据车牌在水平方向能量高且集中的特点构造能量函数．并将沿垂直方向变化的能量反映到投影图上,能量滤波后获取车牌的大致位置。再由小波分析获取车牌的水平细节图像和垂直细节图像,然后利用形态学对小波分解后的细节图像进行一系列处理,进一步消除无用信息和噪声,最后由投影法准确确定车牌位置。实验结果表明,定位准确率为96．2％．平均定位时间为3．62s。     

基于SVM混合网络的车牌字符识别研究

本文提出了一种基于SVM混合网络的车牌字符识别方法。首先根据国内车牌字符的排列特点依次构造汉字识别子网、英文识别子网、英文与数字识别子网以及数字识别子网。然后针对英文字符和阿拉伯数字的字体结构具有连通性这一特点．采用形态学方法进行滤波处理．以减少噪声干扰。预处理后提取字符的小波包系数和矩做为特征量，最后在各个识别子网中采用SVM识别方法对车牌中的汉字、英文字符以及阿拉伯数字进行了识别。实验结果表明，该方法效果良好。     

基于分裂合并算法的道路标线分割方法研究

针对现有的道路标线分割方法在阴影、光照、裂缝等干扰下存在分割精度不足的问题,提出了基于分裂合并算法的道路标线分割方法.该方法通过分析道路标线图像的灰度、边缘、纹理特征,首先采用Bresenham算法进行道路标线有无判定,并根据道路标线边缘实现路面检测图像标线区域和非标线区域的分裂,然后采用基于重心连线灰度值的区域合并和基于灰度与直线边缘特征的区域合并两种方法进行道路标线区域合并,最终完成道路标线的准确分割.实验表明,该方法分割精度较高,具有良好的抗噪性能,能够很好地满足道路检测车采集图像实时处理的需求.