基于DT-CWT和SVM的踏面旋转不变纹理提取算法

针对列车车轮踏面旋转纹理信息无法准确、有效提取的问题,提出一种基于Radon变换和双树复小波变换（DT-CWT）的列车车轮踏面特征提取方法。首先,对车轮踏面图像进行Radon变换;然后,对变换后的图像进行DT-CWT分解,使用分解后的各层低频子带系数和高频子带系数模的均值和标准方差构造特征向量,将其作为区分列车车轮踏面是否发生损伤的依据;最后,由支持向量机（SVM）进行分类决策。使用动车所采集的图像及人为加噪声后的图像进行分类实验,结果表明,本文使用的Radon和DT-CWT算法能有效地进行旋转不变纹理的提取,SVM分类正确率可以达到95%,可为列车车轮踏面状况检测提供更为准确便捷的方法支撑。     

小波包变换在火箭发动机脉动压力分析中的应用

在火箭发动机试验中,燃烧室脉动压力数据是考察推进剂燃烧状态的重要依据.通过对脉动压力数据特征分析,利用小波包变换多分辨分析的特点,以信噪比作为衡量标准,采用小波包自选阈值法对脉动压力数据进行去噪.通过与稳态参数数据的对比验证了去噪结果的准确性.采用Wicherhauser树状分解和Shannon信息熵基波选择标准等方法对脉动压力数据进行分频段分析.根据结果中各频段内的系数特征能够直观分析脉动压力在各频带中的能量分布.通过对脉动压力数据和相应振动测点数据的频谱分析,验证了分析结果的有效性.该方法在其他型号发动机和组合件试验脉动压力数据分析中有重要的应用和推广价值.     

自动驾驶汽车虚拟测试中的树木点云生成方法

自动驾驶汽车虚拟测试已成为自动驾驶或车路协同测试评价的一个重要手段,三维激光雷达数据模拟生成是自动驾驶汽车虚拟测试中的重要任务之一,目前多采用基于飞行时间原理的几何模型方法生成激光雷达三维点云数据,该方法生成点云实时性较差。布告牌是虚拟场景中常采用的树木建模方法,由于布告牌仅由两个矩形面片即八个三角形面片组成,直接采用布告牌方法生成的三维点云数据难以反映树木的真实空间信息。针对上述问题,提出了一种基于布告牌空间变换的快速树木三维点云生成方法。以布告牌的纹理图像为依据,根据纹理透明度获取树木二维平面点云分布,经二维树木点云的轮廓提取,结合树木结构的先验知识进行旋转、随机偏移和尺度变换,以更少的三角形面片数和更小的计算代价获得树木的三维点云数据。提出了一种空间直方图三维点云相似度评价方法,将三维点云空间量化为若干个子空间,获得三维点云的投影空间直方图,采用巴氏系数计算投影空间直方图相似度,以投影空间直方图加权相似度作为点云相似度评价值。实验结果表明,基于布告牌空间变换方法和几何模型方法生成的云杉等三种树木的三维点云数据的平均相似度在90%以上,且该方法生成树木点云的时间仅是几何模型法的1%,因此布告牌空间变换树木三维点云生成方法快速且准确,可以满足自动驾驶汽车虚拟测试的性能要求。     

Variable sorting based on fault tree structure adjustment for multi-valued decision diagrams

The dynamic fault tree does not have the ability of fault calculation when analyzing the reliability of the system, so it needs to be modeled and analyzed by means of multi-valued decision diagrams and so on. The dynamic fault tree is translated into a multi-valued decision diagram according to the ordering of variables of basic events which affects the size of the generated multi-valued decision diagram and the cost of traversal to get cut sequences. An adjustment method of the dynamic fault tree structure is proposed based on the importance degree of repeated events, dynamic gates and the locations of events of the dynamic fault tree. By taking the fact that the basic events at the same level are equally important into account, an improved dynamic variable ordering method and ordering generation algorithm for the multi-valued decision diagram are presented in this paper. The result analysis of an example shows that the improved dynamic variable ordering method can reduce the size of the multi-valued decision diagram and space and time complexity of the reliability calculation compared to the similar methods.     

利用虚拟传感器的巡视器机械臂碰撞检测算法

为提高传统AABB树碰撞检测的精度和效率,提出一种基于虚拟传感器的月面巡视器机械臂碰撞检测算法.建立月面巡视器机械臂的逆运动学解算模型;对地面环境点云数据进行Delaunay三角化,采用多叉树代替二叉树作为AABB树储存环境点云三角面集;利用虚拟传感器简化巡视器机械臂结构模型,通过虚拟传感器遍历AABB树中的环境点云三角面集进行碰撞检测,避免机械臂与环境发生干涉.月面巡视器就位探测任务内场实验表明:基于虚拟传感器的月面巡视器碰撞检测算法使碰撞检测精度在1 mm内,碰撞检测时间降低至10 s内.基于虚拟传感器的碰撞检测算法具有高效性和可行性.     

具有不确定数据的XML数据编码设计

为了解决模糊数据对XML文档中各元素造成的内容和结构上的改变,使得XML数据模型中的不确定信息能够被有效地管理,提出了一种基于前缀编码的四元组编码方案.在语法分析器XML Schema中,根据模糊数据的特征,利用增加的元素对XML文档中的模糊元素进行约束,进而为每一个元素建立一个四元组,其参数由文档号、遍历序号、元素模糊性及组内标志符构成.通过大量的实验对比分析,验证了该编码方案的有效性,其更适用于具有较低XML树高度的XML文档.     

基于雪岭云杉树轮的阿克苏河干流冬季径流重建

基于阿克苏河上游高山区采集的雪岭云杉树轮样芯构建了雪岭云杉树轮宽度年表,结合阿克苏河干流径流数据解析了雪岭云杉长期生长与阿克苏河干流径流关系,并重建了阿克苏河干流1813—2015年冬季径流序列。结果表明:利用雪岭云杉树轮宽度年表重建的阿克苏河干流1813—2015年冬季径流序列模拟值与实测值吻合度较高,重建径流序列稳定可靠;1813—2015年阿克苏河干流冬季多年平均流量为82.19 m~3/s,共出现5次持续丰水期和3次持续枯水期,最长的枯水段持续17年(1943—1959年);阿克苏河干流冬季径流变化存在51 a、29 a、16 a周期,第一主周期为51 a。     

SFT中的因素作用路径与作用历史

为了描述SFT中系统或元件在不同工作环境状态下经历变化的特征,提出了因素作用路径和作用历史的概念。作用路径描述系统或元件在不同工作状态变化过程中所经历状态的集合。作用历史描述经历作用路径过程中的可积累状态量。给出使用作用路径和作用历史分析问题的步骤。列举一例子,计算在设定条件下的元件维护成本。计算作用路径分别为AB和ACB两种,作用历史中使元件故障概率等于20%的维护成本,该维护成本是通过调整使用时间t和使用温度c产生的。最后给出以实例为背景的作用历史计算方法的不足、面临的问题和可能的解决方法。     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

基于CART改进模型的驾驶员路径选择行为估计方法

针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.