基于卷积神经网络的道路车辆检测方法

提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。

基于Spring Cloud智能船舶服务系统设计与实现

大数据、物联网等现代信息技术的发展,给船舶行业带来很大的影响,船舶的智能化、数据可视化将成为未来船舶行业的发展方向。基于Spring Cloud和阿里巴巴Nacos搭建了智能船舶服务系统,实现船舶联网,船舶数据实时存储,实时数据分析、历史数据统计、状态实时监测等功能。本文从用户需求角度出发,按不同用户确定不同用户场景,根据用户场景确定平台功能,通过数据库设计及架构设计确定平台业务逻辑,实现平台的功能开发。随着数字化、智能化技术不断进步,加之物联网、信息技术、人工智能、5G通讯技术的快速发展,使得整个工业领域在信息化、数字化、智能化等方面有了大幅迈进。

基于回归神经网络的柴油机NOx排放预测及影响分析

针对柴油发动机NO x排放量的预测问题与其影响参数进行研究。通过构建训练神经网络回归算法模型(recurrent neural network,RNN),基于发动机试验过程中采集的大量样本数据训练和预测NOx排放情况;预测结果表明,该网络模型的预测值与目标输出值之间的误差满足实际工程需求,具有良好的预测精度和泛化性能。基于参数最优的神经网络回归模型,采用平均影响值(mean impact value,MIV)算法定量地分析各输入参数对目标输出参数的影响权重,进一步分析影响NOx排放的关键影响因素;结果表明,本文采用的MIV算法可以准确判断各输入因子对网络输出的相对影响权重,实现关键影响因子的分析。

柴油机曲轴减振器失效实时监测研究

为避免柴油机曲轴减振器失效,对曲轴减振器的实时监测进行研究,利用柴油机电子控制单元(electronic control unit,ECU)和前端转速信号盘获取转速信号并实时计算出曲轴扭振振幅,通过共振转速下曲轴扭振振幅的变化判断减振器是否失效。以某4缸柴油机为例,通过转速信号计算曲轴扭振振幅判断曲轴减振器状态,并进行试验验证。结果表明,该方法能够实时判断出曲轴减振器状态,达到曲轴减振器失效实时监测的效果。