图像识别在编组站驼峰作业过程控制中的应用

利用图像识别理论,针对编组站驼峰作业情况,提出一种通过图像序列快速、直观判断溜放车组特征和走行趋势的方法。根据图像的形状特征,采用伸长度、圆度、矩形度、凹凸度4个参数作为模式样本的特征。采用基于熵的运动目标的检测方法实现目标检测和跟踪。用Kalman滤波来更新背景,用当前帧图像减除动态背景,用信息熵来选择阈值,使目标和背景的信息量达到最大,从而将目标和背景正确分割。通过双轨检测判断车组走行位置。应用统计原理,建立计算距离与实际距离的关系模型,通过分析和计算分别得到双曲线拟合、二阶多项式拟合及三阶多项式拟合三条回归曲线,选取三阶多项式作为关系模型。根据车组的实际位置计算车组的瞬时速度。

RT-Linux及其在驼峰自动控制系统中的应用

介绍嵌入式实时操作系统RT-Linux的原理、编程和开发要点,基于RT-Linux平台的TBZKII驼峰自动控制系统的实现方法,分析系统实现中的一些关键问题。

驼峰测速雷达信号的小波滤波分析

针对卡尔曼滤波方法存在的缺点,研究采用小波滤波方法进行驼峰测速雷达信号滤波。小波滤波的基本原理是对信号小波变换后的小波系数进行非线性处理,然后重构信号,滤除信号中的噪声。根据雷达信号的特点,初步选用Haar小波和二阶Dauhechies(db2)小波、3层分解、通用阈值和半软阈值算法,进行离线试验及分析。根据离线试验的滤波效果,确定选用二阶Daubechies(db2)小波、3层分解和半软阈值算法进行雷达信号滤波。利用离线试验选定的小波和算法,对采集的雷达信号进行实时滤波仿真,仿真结果与离线试验结果基本一致。将小波滤波方法与卡尔曼滤波方法对比可知,小波滤波能有效地滤除噪声、提高信噪比、减少均方差,滤波效果比较理想。因此,采用小波滤波方法进行驼峰测速雷达信号滤波,可以获得更准确的车速。