跨坐式单轨车辆辅助导向装置的输出特性

单轨车辆的走行部径向通过曲线时可以减小走行轮的磨耗和导向轮的载荷。以跨坐式单轨车辆辅助导向装置的几何关系和油气弹簧的力学特性为出发点，推导辅助导向装置产生力矩与转向架和车体之间摇头角度的解析关系。建立有辅助导向装置时车辆稳态曲线通过的力学模型，分析辅助导向装置能够使转向架在圆曲线上处于径向位置的条件，并利用多刚体动力学软件建立跨坐式单轨车辆的稳态曲线通过验证模型。通过理论分析和模型仿真计算发现，当合理油压弹簧预压力选择合适的数值时，辅助导向装置的输出力矩与二系悬挂的回转力矩相互抵消，走行部的摇头角接近零，能够使转向架在圆曲线上处于径向位置，并有效缓解走行轮与导向轮的磨耗。     

基于等参数线的B样条曲面类型识别方法

针对自由曲面难以分类的问题,提出一种基于等参数线的B样条曲面类型识别方法。利用平面二次曲线存在直角坐标变换下的不变量以及平面三次曲线的拟合识别平面等参数线类型,对于拟合为平面三次及以上的曲线,通过添加拐点数量来细分曲线类型。对于U向和V向等参数线族之一为平面曲线族的空间等参数线族,提出以平面等参数线族的空间位置关系确定柱面曲线的母线方向和回转面曲线的回转轴线,将空间曲线识别为柱面曲线和回转面曲线,通过最小二乘法将还不能识别的空间等参数线进行圆柱(锥)面拟合。以共面、共平行平面、同轴、共垂直平面、共交点、点在线上、共交线、共相切圆柱面和空间一般关系定义等参数线族的内部几何位置关系,以公共交点、公共方向矢量、公共轴线和空间一般关系定义等参数线族之间的几何位置关系,并进一步提出等参数线族的排序、修正和编码方法,通过等参数线结构码实现B样条曲面的类型识别。最后给出了典型编码曲面的实例,通过实例验证了所提方法的有效性。     

基于深度卷积神经网络的γ光子图像分类识别研究

通过对正电子探测成像技术获得的γ光子图像进行分类识别,有利于后续有针对性地快速获取图像所包含的有效信息。在MatConvNet上利用迁移学习的方法搭建深度卷积神经网络,通过对其参数的调整进一步提高网络分类识别的性能。为了验证网络性能,设计了10组不同形状的管材模型,利用仿真得到的扫描时间为1s的γ光子图像样本集对网络进行训练后,将其应用于扫描时间为0.1 s的γ光子图像样本进行分类识别,发现分类准确率在图像质量偏差、扫描时间为0.1 s的γ光子图像样本上仍然达到了94.72%。可见所搭建的深度卷积神经网络对γ光子图像具有很好的分类识别性能。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

高速列车转向架构架损伤、等效应力及寿命分布特性研究

为分析高速列车转向架构架损伤、等效应力及寿命分布特性，对构架疲劳关键测点进行动应力线路实测并对测点实测时域数据波形进行解析；基于实测应力时间历程及雨流计数法编制二维应力谱，利用Goodman等寿命方程将二维应力谱等效转换为一维应力谱；阐述线性累积损伤及非线性累积损伤模型的建立方法并对实测数据的线性累积损伤及非线性累积损伤进行了计算及对比分析；分别基于线性累积损伤理论及非线性累积损伤理论推导出各理论下的等效应力，基于实测数据对两种等效应力进行了计算及对比分析；通过结合非线性累积损伤及线性累积损伤理论计算的等效应力及不同可靠度下的材料S-N曲线计算并对比分析构架结构的疲劳寿命。研究结果表明，与非线性疲劳分析理论相比，线性疲劳分析理论对高速列车转向架构架的疲劳特性评估偏于保守。     

车辆座椅和悬架系统的参数自调整模糊PID集成控制

为更好的提高车辆行驶平顺性和舒适性,结合模糊理论和PID控制方法提出了参数自调整模糊PID控制策/4车辆四自由度“车-椅-人”悬架系统模型,运用MATLAB中Simulink模块搭建了系统控制框图,接着选取某车型参数进行了运动仿真。讨论了随机激励下分别以车身控制、座椅控制和集成控制方法的人体加速度、座椅加速度、车身加速度、悬架动挠度和车轮动载荷等评价指标,对比分析了集成控制策略的优越性。分析结果表明采用该控制方法后车辆的行驶平顺性和操纵稳定性得到了明显的改善。     

自适应连续集稀疏分解声音识别算法

为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。     

非线性悬架系统的最小二乘参数识别方法

针对汽车非线性悬架参数识别问题,根据最小二乘法原理,分别提出了基于离散化模型的参数识别方法和基于系统输入输出数据的参数识别方法。首先,从理论上介绍了两种识别方法的理论基础及其与最小二乘法之间的内在联系。其次,分别应用两种方法对汽车非线性悬架系统的线性及非线性参数进行识别,并通过仿真验证了两种基于最小二乘法的非线性系统参数识别方法的有效性。最后,进一步介绍了对于更一般的非线性系统,两种方法的适用范围,为非线性悬架系统及同类非线性系统的设计与分析提供了理论基础。