期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于数据融合技术的道路特征实验识别
1
作者 沈勇 徐维庆 《车辆与动力技术》 2004年第4期1-6,11,共7页
针对4轮独立驱动电动车在采用多种方法对道路信号进行对比分析的基础上,最后选择了轮速变异系数作为道路识别参数.应用数据融合技术对轮速变异系数进行处理,成功地区分了4种路面的特征.这种方法有利于车辆正常行使时,对路面进行识别,以... 针对4轮独立驱动电动车在采用多种方法对道路信号进行对比分析的基础上,最后选择了轮速变异系数作为道路识别参数.应用数据融合技术对轮速变异系数进行处理,成功地区分了4种路面的特征.这种方法有利于车辆正常行使时,对路面进行识别,以便进行自适应控制,提高驱动效率和行驶安全性. 展开更多
关键词 路面 道路特征 道路信号 行驶安全性 车辆 电动车 数据融合技术 道路识别 自适应控制 驱动
下载PDF
基于滤膜堵塞型的油液污染检测系统的设计 被引量:6
2
作者 孔令仁 卢继霞 +1 位作者 苏子龙 徐维庆 《润滑与密封》 CAS CSCD 北大核心 2017年第3期107-110,共4页
针对基于滤膜堵塞检测法的污染检测仪存在的测试范围不够宽、集成度不高、自动化程度低等问题,利用计算机及机电一体化技术,设计一种基于滤膜堵塞原理的在线油液污染度检测系统。该系统包含负压取样、恒压测试、滤膜反冲洗、PLC控制及AR... 针对基于滤膜堵塞检测法的污染检测仪存在的测试范围不够宽、集成度不高、自动化程度低等问题,利用计算机及机电一体化技术,设计一种基于滤膜堵塞原理的在线油液污染度检测系统。该系统包含负压取样、恒压测试、滤膜反冲洗、PLC控制及ARM处理器等装置,能够实现在线自动取样和检测,且检测结果具有较好的可靠性。 展开更多
关键词 油液污染 在线检测 滤膜
下载PDF
基于485总线的电动汽车能源管理系统开发 被引量:1
3
作者 陈宇清 沈勇 +1 位作者 徐维庆 陈辛波 《机械与电子》 2005年第7期36-38,共3页
介绍了一个基于485总线的分布式能源管理系统,探讨了对电动车上的锂蓄电池和燃料电池的管理,可以显著地检测和改善电池组工作性能,提高电池的使用寿命.
关键词 电池管理系统 燃料电池 485总线 微处理器 分布式系统
下载PDF
基于卷积神经网络的环视车位检测研究 被引量:1
4
作者 杨科 张效宇 徐维庆 《时代汽车》 2020年第4期4-7,共4页
针对车载平台有限的硬件资源,提出一种快速的卷积神经网络车位检测方法。以YOLOv3算法为基础,根据车位检测特定的应用场景,对模型的深层网络进行优化缩减,并采用MobileNet技术对网络中的卷积层进行加速,该模型在占用较小的存储资源前提... 针对车载平台有限的硬件资源,提出一种快速的卷积神经网络车位检测方法。以YOLOv3算法为基础,根据车位检测特定的应用场景,对模型的深层网络进行优化缩减,并采用MobileNet技术对网络中的卷积层进行加速,该模型在占用较小的存储资源前提下,能够快速有效地完成车位检测任务。实验结果表明,新模型大小为原先模型的1/12,检测速度比原先模型快1倍,而检测准确率与原模型相近。 展开更多
关键词 卷积神经网络 车位检测 网络缩减 MobileNet
下载PDF
基于小型深度学习网络的车位检测方法 被引量:1
5
作者 杨科 王炜斌 徐维庆 《汽车实用技术》 2020年第13期155-158,共4页
针对车载嵌入式系统开发需求,文章提出一种小型深度学习网络的车位检测方法。环视图像的车位角点具有大小相近、分布均匀的特点,将整个环视图像分割成若干个子图像,裁剪深度网络模型结构,使用小网络对各个子图像进行车位角点检测,可以... 针对车载嵌入式系统开发需求,文章提出一种小型深度学习网络的车位检测方法。环视图像的车位角点具有大小相近、分布均匀的特点,将整个环视图像分割成若干个子图像,裁剪深度网络模型结构,使用小网络对各个子图像进行车位角点检测,可以有效降低大图像高算力的要求。实验数据表明,以384*640图像大小为例,将原图像分割成128*128子图像,子图像的深度网络算力要求为原图像的1/15,而相应的检测性能没有损失。 展开更多
关键词 深度学习 车位检测 环视图像 网络裁剪
下载PDF
武进启动电镀行业长效管理确保源头控制到位
6
作者 徐维庆 《表面工程资讯》 2011年第6期49-49,共1页
2011年10月21日,从常州市武进区环保局了解到,武进将实施电镀行业长效管理政策,目前已经下发了《武进区电镀行业长效管理实施意见》,旨在为进一步强化对我区电镀行业的监督管理,巩固和深化电镀行业专项整治工作成果。
关键词 电镀行业 长效管理 武进区 源头控制 管理政策 监督管理 整治工作 环保局
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部