气味干预疲劳驾驶研究综述

随着自动驾驶的发展,如何保证人机协同驾驶紧急情况下驾驶员的顺利接管成为一个重要的研究课题。香氛被证明为一种有效地提高驾驶员注意力水平及驾驶表现的手段。该文从气味对疲劳驾驶的干预机制和不同气味的干预效果2个研究方面对已有文献进行分析。经分析发现各研究普遍采用模拟驾驶方法来实现研究目标,但模拟驾驶实验设计上普遍存在变量控制不够严谨的问题,例如受试控制、试验时间控制、试验环境控制。基于分析结果,该文为研究香氛干预的模拟驾驶实验设计提出建议。

电力机车牵引电机故障检测诊断方法概述

牵引电机作为机车最重要的驱动部件,故障类型较多,一旦发生故障将严重危及行车安全。研究有效的牵引电机故障检测及诊断技术对于保障行车安全具有重要意义。首先对电力机车牵引电机常见故障及其原因进行了分析,随后介绍了各类故障的传统诊断方法及智能诊断方法,最后比较了传统方法及智能诊断方法的区别并对智能诊断的实际应用进行了展望。

基于短时能量谱的眼电伪迹去除算法研究

针对传统单通道眼电伪迹去除过程中低频有用脑电信息丢失及对信噪较低的混合EEG信号处理效果不佳的问题,提出基于稳定随机小波变换及短时能量谱的单通道眼电伪迹自动去除算法SE-SWT。首先,利用SWT将混合脑电进行小波分解;然后,针对各级小波计算一阶微分短时能量谱并进行中值滤波处理,设定能量阈值得到眼电伪迹端点;再针对识别出的被污染片段进行小波去噪;最后,重构信号达到伪迹去除的目的。采用网络公开数据库BNCIHORIZON2020中的真实脑电数据进行验证,结果表明,相比于传统算法SSA-ANC及ITMS,SE-SWT算法在时域及频域方面表现更优,在有效去除伪迹的同时能够保留脑电有用低频信息,并且对信噪比较低的混合脑电信号的处理效果均优于传统算法。

基于神经网络驾驶员模型的车间AGV控制算法研究

人工神经网络作为理论上能够拟合任何非线性映射的算法被广泛用在驾驶员模型的构建之中,契合了驾驶员作为一个复杂、离散性和时变性系统的特点。本文研究的车间自动导航车辆(AGV)作为无人驾驶车辆的一种,具有应用场景相对单一和道路结构化的特点,对于人工神经网络拟合过程需要的训练样本量的要求不大。基于此构建驾驶员在环的神经网络训练样本采集试验平台,使用双层前馈神经网络进行车间AGV驾驶员模型拟合,并通过MATLAB/Simulink耦合Pr⁃escan软件进行算法仿真试验验证分析,试验结果验证了算法的有效性和一定的速度适应性,为车间AGV控制提供了一条可行的研究路径。