基于隐马尔可夫链模型的车道级地图匹配

稳定的车道级地图匹配对于自动驾驶系统至关重要。地图匹配技术一直是车载融合定位与高精地图语义信息的重要连接。本文提出了一种基于隐马尔可夫模型的实时车道级地图匹配方法,将车路融合感知计算下的车辆轨迹与车道级道路交通地图,进行匹配计算。在构建基于车道级地图的状态转移概率时,本文考虑了车道及其拓扑关联、车道线类型及换道许可规则、定位误差模式,并构建了隐马尔科夫模型中发射和转移概率等参数的数理模型。实验证明,本模型在不同的融合感知定位精度水平下,实现了较高的匹配精度。在主动添加1.5 m随机误差的条件下,依旧实现了96.09%的召回率和0.983 m的位置偏差。

基于EM方法的隐Markov软件可靠性模型

针对单一软件可靠性模型不能准确描述软件失效行为、无法合理准确地评估预测出软件可靠性的问题,将变点分析引入软件可靠性建模,提出了一种基于隐Markov过程的软件可靠性模型。该模型采用隐变量来描述影响软件可靠性的多种因素,通过隐变量的状态变化刻画出软件过程中各种因素的变化情况,构建出隐Markov链软件可靠性模型,并采用EM算法进行求解,通过实例分析来验证其有效性。实验结果表明,隐Markov链软件可靠性模型具有较强的变点检测能力,并能显著提高软件可靠性拟合精度。

利用小波域HMC模型进行遥感图像变化检测

传统阈值检测算法都是基于单函数模型进行的,当差异影像分布函数较复杂时检测结果较差.针对这个问题,提出一种基于小波域的隐马尔科夫链模型的遥感图像变化检测算法.将双高斯混合模型与小波变换结合,解决了单函数模型匹配率低的问题,并通过小波变换引入了图像的空间信息,提高了检测精度.利用双高斯混合模型对小波分解后的多层差异影像进行拟合,根据拟合结果判定待检测点类别.对得到的多层初始分割结果,利用隐马尔科夫链模型根据连续最大后验概率融合,得到最终变化检测图.对真实遥感数据集进行实验,证明这种算法可以得到较好的检测结果.

气候多变型区域配电系统可靠性预测

为研究天气情况对配网系统可靠性预测结果的影响,在考虑三态气候状态下建立了可靠性评估的隐马尔科夫链模型,针对配网系统运行过程中所监测到的性能特征参数和不能与运行状态简单地一一对应的问题,来识别多观测序列下装备隐含的状态变迁过程。根据建立的状态变迁模型并结合切普曼-柯尔莫哥洛夫微分方程来推断系统运行可靠性。最后通过算例验证了文中模型及算法的可用性。

基于时序特征模式识别的列车网侧过流故障实时诊断

为了提升列车的智能化水平与现场检修效率,文中从系统角度出发,针对高速列车牵引传动系统网侧过流的精确故障定位问题,提出一种基于故障时序特征模式识别的实时诊断方法。该方法首先通过机理分析选择故障源集合关联的系统信号,其次,结合案例数据波形与专家经验,挖掘故障源与系统信号的关联规律,提取相关故障特征指标;然后,基于故障特征指标的时序变化特性,利用高斯混合模型与隐层马尔科夫链算法建立列车网侧过流的时序特征辨识的故障诊断模型。最后,应用列车实际运行数据对提出的故障诊断模型进行验证,实验结果表明,所提算法能实现有效的故障检测与隔离功能,具有良好的应用价值。