履带车辆感应电动机驱动系统匹配理论

为了把以某15 t级装甲履带车辆的机械传动系统改装成双电动机独立驱动电传动系统,体现电传动履带车辆的优点,依据该型车辆的整车设计参数和动力性能指标参数,对驱动系统中感应电动机、侧传动性能参数进行合理匹配计算。运用现代设计理论与方法——协同仿真与虚拟样机技术,借助控制系统分析软件Matlab/Simulink和多体动力学分析软件RecurDyn/ Track-HM,对整车行走系统及电动机驱动系统进行了建模与协同仿真,并提出转矩控制策略。对加速性能、最高车速、最大爬坡度和原地转向等四种不同极限工况下驱动性能的仿真结果均得到国内首台电传动履带车辆原理样车实车路况试验结果验证,从而说明匹配是合理可行的,协同仿真模型及控制策略是正确的。对提高国内电传动履带车辆的研究水平具有重要的现实意义。     

基于单距离匹配滤波的太空碎片雷达成像

对于尺寸小于雷达距离分辨率的太空碎片进行雷达成像,以前提出的方法只有SRDI (Single Range Doppler Interferometry)。该文针对太空碎片运动特点,给出了一种单距离匹配滤波太空碎片成像方法。该方法利用一个距离单元横向回波数据经不同旋转半径参考信号匹配滤波后得到太空碎片二维像。仿真结果表明这种方法比SRDI方法计算量少、成像效果好。     

基于局部二值模式与滤波器融合的人耳识别

人耳的丰富纹理信息为身份鉴别提供了重要解决途径。融合信号滤波变换与局部二值模式算子,构建了两种新型纹理描述算子,即局部Gabor二值模式算子与局部小波二值模式算子;提出了一套基于局部纹理特征描述算子的人耳识别方案。针对USTB人耳图像库三的测试实验表明,在选用Chi方相似性测度和局部Gabor二值模式算子时,1-NN分类器可获得98.14%的交叉验证识别率,且运行时间较少。     

基于数据驱动字典和稀疏表示的语音增强

本文提出了一种基于数据驱动字典和过完备稀疏表示的自适应语音增强方法。首先在训练阶段采用干净语音基于K奇异值分解(K singular value decomposition, K SVD)算法训练过完备字典,然后在测试阶段根据含噪语音的噪声方差自适应选择最优的阈值,采用正交匹配追踪算法对含噪语音信号在过完备字典上进行稀疏分解,最后利用系数稀疏表示重构语音信号,从而达到语音增强的目。该方法不像传统语音增强方法那样减少或消去噪声,而是从字典中选取适当的原子表示纯净信号,从而把纯净信号从含噪信号中分离出来。对白噪声和有色噪声环境下重构语音进行了主客观评价。仿真结果显示:该方法能有效去除加性噪声,并且改善了语音质量。      

多尺度核方法的自适应序列学习及应用

多尺度核方法是当前核机器学习领域的一个热点。通常多尺度核的学习在多核处理时存在诸如多核平均组合、迭代学习时间长、经验选择合成系数等弊端。文中基于核目标度量规则,提出一种多尺度核方法的自适应序列学习算法,实现多核加权系数的自动快速求取。实验表明,该方法在回归精度、分类正确率方面比单核支持向量机方法结果更优,函数拟合与分类稳定性更强,证明该算法具有普遍适用性。     

融合极限学习机

为提高极限学习机(Extreme Learning Machine, ELM)的分类性能,同时保留其训练速度快的优点,该文提出融合ELM的方法,详细分析了特征级融合及决策级融合两种实现方式。为实现决策级融合ELM,提出概率极限学习机(Probabilistic ELM, PELM),将传统ELM的数值型输出转化为概率型输出,使得不同特征的判决结果统一在固定范围。在此基础上,采用自适应权值的方式实现决策级融合,该方法充分考虑了分类器针对不同特征的判决准确率差异,无需先验知识及主观定义。实验证明,该文提出的融合ELM相较于传统的单一特征支持向量机(SVM)方法及ELM方法,具有更优的分类性能;在训练时间方面,优于SVM方法。     

天津市城市蓝绿空间景观格局与热环境的关联研究

面对快速城市化带来日益严重的热环境问题,充分发挥蓝绿空间的生态降温作用是实现人居环境治理及可持续发展的重要路径。本文以天津市内六区为研究区,应用遥感（RS）与地理信息系统（GIS）技术开展蓝绿空间与热环境的关联讨论。首先,基于Landsat遥感影像进行地表温度反演及蓝绿空间解译,分析比较热环境与蓝绿空间的分布特征。其次,运用统计分析方法探讨蓝绿空间景观格局指数与热环境的相关规律后发现：在斑块层面,蓝绿空间内部温度与斑块周长呈显著负相关,与周长面积比呈显著正相关;在类型层面,蓝色空间样本研究最佳尺度为1 500 m×1 500 m,样本温度与斑块所占景观面积比、最大斑块指数、平均斑块面积、边缘密度、斑块密度呈显著负相关;绿色空间最佳尺度为300 m×300 m,样本温度与斑块所占景观面积比、最大斑块指数、平均斑块面积呈显著负相关。最后,在规划管理与设计层面提出蓝绿空间规划建议,以期为热环境改善视角下的城市蓝绿空间规划提供参考。     

基于WNN与FCM的电动汽车动态充电负荷预测方法

随着电动汽车动态无线充电(EV-DWC)技术的发展,针对目前EV-DWC负荷建模理论工作不全面的现状,以交通流量作为影响充电负荷的主要因素,以天气、典型日期、季节等因素为次要影响因素,根据路况建立负荷模型,通过电动汽车型号和状态的聚类不同对汽车分配不同的功率,完成动态充电负荷的建立。采用小波神经网络(WNN)对时序信息进行处理预测,再同误差反向传播神经网络(BPNN)相结合预测充电道路上的车流,短期车流预测精度为85%,用模糊C聚类(FCM)算法对电动汽车的充电类型以及该类型所对应的充电功率进行划分,将进入充电道路的电动汽车分为7种类型。根据各种充电类型分配相应的充电功率,完成日负荷建模。     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

融合颜色特征与LBP的图像检索

随着图像数据量的不断丰富和人们需求的不断提高,基于内容的图像检索技术成为一个重要研究课题。研究了基于颜色相关图与LBP算法的图像检索算法,利用颜色相关图与LBP算法分别提取图像的颜色特征与纹理特征,实现了图像的检索,实验结果说明了算法的有效性。