不同行进状态下车辆视野盲区对驾驶安全影响的差别分析

本章的主要介绍了驾驶视野盲区的概念、分类和划分。并按照车辆不同的行进状态,讨论了不同位置汽车驾驶盲区的重要程度,提出了根据空间模型针对不同行驶状态消除盲区的技术路线。

手机加速度计的行人行进状态识别

针对行人在行进过程中会出现后退而导致对行人航位轨迹的错误判断问题,该文以手机内加速度传感器信号为数据依据,以识别行人正常前进中的后退状态为研究目标,研究三轴信号的均值、方差、轴间协方差等时域特征,采用经验模态分解、最大相关最小冗余、最小二乘支持向量机等方法,识别行人实时的前进或后退。研究结果表明:两人将手机置于不同位置,分别采集前进中出现不同后退步数的实验数据,以一组为建模数据,识别其他情况的运动状态,其识别平均成功率达96.00%,具有较大的理论参考价值。

基于EMD的奶牛动态称量算法

针对目前奶牛动态称量存在的问题,提出了一种基于经验模态分解(Empirical mode decomposition,EMD)的动态称量算法。首先,对称量设备采集到的非线性、非平稳振荡信号进行数据预处理,得到有效信号;其次,对有效信号进行初判断,若符合预设条件即为走停状态,利用算术平均法求取均值;若不符合预设条件,则利用EMD算法区分动物的慢速行走、快速行走和剧烈运动行进状态,并计算动态称量值。实验中发现,剧烈运动状态下获取的数据波动很大,需进行滤波后再计算质量。实验结果表明,本文提出的动态称量算法可判断奶牛行进状态,计算得到的动态质量与静态质量相比,走停状态下误差率在0.16%以内,慢速行走、快速行走状态下误差率在1%以内,剧烈运动状态下误差率在1.35%以内。