基于K-Line技术的汽车ABS在线检测

为了获取汽车防抱制动系统实时运行参数和故障状态,加速系统开发和调试过程,对系统实现快速诊断和测试,开发了其在线检测设备。选用Infineon公司的闪存型高速微控制器XC164CS作为控制核心,数据传输基于K-Line技术,满足ISO-9141传输协议要求,可实现在线数据流通讯、故障代码操作、元件动态测试,并讨论了在线测试中的软件防干扰措施。使用SM卡作为关键执行程序的存储介质,给出了SM卡的存取方法,实现了数据传输引擎的自动调用策略。该检测设备已经在防抱制动系统的实车道路实验中得到实际应用和充分验证。

基于3D激光雷达的鸡舍通道中心线检测方法

针对笼养鸡舍环境下光照强度弱、作业通道内狭小导致机器人巡检时通道中心线检测困难的问题,该研究利用3D激光雷达对鸡舍通道中心线进行获取。首先通过机器人搭载的3D激光雷达对鸡舍作业通道信息进行采集,利用直通滤波、地面点滤波、体素滤波、统计滤波和平面投影对获取的3D激光雷达点云数据进行预处理,获取XOY平面上的点云数据。通过改变K-means聚类初始点选择方式和聚类函数对预处理后的点云数据进行数据分类。利用改进RANSAC算法对分类后的数据进行处理,提取通道中心线。试验结果表明该研究提出的改进K-means聚类算法平均耗时6.98 ms,相较于传统的K-means聚类算法平均耗时减少了29.40 ms,准确率提高了82.41%。该研究提出的改进RANSAC算法中心线提取准确率为93.66%、平均误差角为0.89°、平均耗时为3.97 ms,比LSM算法得到的平均绝对误差角高0.14°,平均耗时减少6.15 ms。表明该研究提出的鸡舍通道中心线检测方法基本满足笼养鸡舍环境实时自主导航的需求,为巡检机器人在鸡舍作业通道内进行激光雷达导航提供了技术支撑。

一种基于线激光扫描的V型焊接坡口尺寸检测方法

针对V型焊接坡口尺寸检测的自动化问题,搭建线激光测量系统,并提出一种基于点云处理的坡口尺寸检测方法。由线激光传感器获取坡口轮廓点云数据,分析V型坡口的截面轮廓特征,对坡口点云依次进行统计滤波、K-means聚类分割和MSAC直线检测;利用拟合直线求交点和逐列搜索方法获取坡口截面轮廓的4个特征点,实现尺寸测量,最后通过试验加以验证。结果表明:所提方法能够稳定地实现V型焊接坡口尺寸检测,2个模型测量结果中,坡口间隙中误差最大为0.11mm,坡口宽度中误差最大为0.17 mm,坡口角度中误差最大为0.42°。该方法可满足工业应用的高精度和自动化要求。

顾及杆状物和车道线的城市道路场景轻量化快速点云自动配准

针对激光扫描获取城市场景出现不同时期位置偏差,传统点云配准方法存在效率低和鲁棒性低等局限性,本文提出了顾及杆状物和车道线的点云配准改进方法。首先对滤波后的点云进行体素格网降采样,再利用布料模型滤波对地面点滤波,后使用K均值无监督分类非地面点云,后用先验的随机一致抽样法提取杆状物作为目标特征,并根据点云反射强度提出点云灰度图和空间密度分割法提取车道线。利用改进迭代最近点(ICP)算法和法向量约束,将杆状物作和车道线作为配准基元,几何一致算法剔除错误点对,并使用双向KD-tree快速对应特征点的关系,加快配准速度和提高精度。经实验证明,在低重叠度的城市点云场景耗时不到20 s,且只迭代20次,精度可达1.9877×10^(-5)m,可实现城市道路场景点云的高效准确配准。

K型小麦保持系遗传多样性的系统聚类分析

为了给K型小麦雄性不育系、保持系的选育及杂种组合选配提供依据,对25份K型小麦保持系品种的7个主要农艺性状进行了遗传多样性、相关性和聚类分析。结果表明,25份K型小麦保持系品种的7个主要农艺性状都表现出较大的变异性,变异系数从低到高依次为株高(7.12%)、千粒质量(7.49%)、每穗粒数(9.12%)、穗长(9.61%)、单株粒数(16.69%)、单株穗数(18.37%)、单株粒质量(20.61%)。相关性分析结果表明,3对性状达到了极显著正相关,分别为单株粒数与单株粒质量(相关系数r=0.732)、单株穗数与单株粒数(r=0.577)、单株粒质量与单株穗数(r=0.522);4对性状呈显著正相关,分别是千粒质量与单株粒质量(r=0.371)、穗长与每穗粒数(r=0.278)、株高与穗长(r=0.269)、穗长与单株粒数(r=0.211);2对性状呈显著负相关,分别为株高与每穗粒数(r=-0.214)、每穗粒数与单株穗数(r=-0.399)。聚类分析结果显示,25份K型小麦保持系品种的遗传距离变化范围为1.15~26.25。在遗传距离12.50处,将供试品种划分为5个类群:Ⅰ类群共有17个品种,第Ⅰ类群在遗传距离7.50处,分为3个亚类;第Ⅱ类群有1个品种,为石H09-7075,单株粒质量为8.59 g,低于其他类群;第Ⅲ类群1个品种为浚2016,株高为50.67 cm,低于其他类群;第Ⅳ类群5个品种,包括衡4568、山农0911、周麦16等,单株穗数为9.27个,多于其他类群;第Ⅴ类群为衡5011,株高为70.52 cm,高于其他类群。

基于深度学习的输电通道入侵物体识别方法研究

针对输电通道在线监测过程中入侵物体大小差异巨大、部分图像对比度低等问题,结合异物图像的特征,提出了一种基于目标检测算法的输电通道入侵物体识别方法。采集输电通道入侵物体图像,利用Retinex算法对输入图像进行增强。在目标识别部分,采用改进的EfficientDet算法作为主体,对算法中锚框的长宽比采用K-means聚类算法进行优化,同时在损失函数中加入了梯度均衡机制。实验结果表明,改进后的算法将mAP值从83.72%提升至87.12%,在入侵物体识别任务上有着优异的性能。

基于K-Means^(++)和Elman神经网络的低压台区线损计算方法

为了解决低压台区线损计算在理论上因线路复杂、用户众多以及数据获取困难等带来计算难度与精度不足的问题,提出了一种结合改进K-Means^(++)算法与Elman神经网络的创新计算方法。深入分析了低压台区线损的决定因素,并依据相关性分析构建了线损的关键特征指标集。采纳主成分分析方法实施数据降维,简化数据结构。通过改进的K-Means^(++)算法对数据集进行有效聚类,优化模型训练过程。同时,整合粒子群优化算法进一步提升Elman神经网络的性能。通过对实际数据进行仿真验证,结果证实所提出的方法在训练效率和计算精度方面表现优异。

多波束在水下桩体点云获取中的应用

随着装配式码头工程的增加,水下桩体的安放状态正成为关注的焦点。然而,由于受海水隔断,高效、低成本、高精度的桩体状态监测方法相对较少。因此,本文提出利用多波束获取水下桩体点云方法,主要包括GNSS RTK多波束测深技术,顾及桩体形态、分布和多波束测量原理的多波束测线布设方法,基于K-means++的桩体点云具备聚类方法以及桩体形状、回波强度阈值约束的桩体点云分割和滤波方法。实际应用结果表明:基于该方法可以获取高精度桩体点云,得到桩体的状态参数,取得桩体中心坐标x和y方向偏差小于5 cm、半径偏差小于4.5 cm的精度,验证了该方法的正确性和有效性。

基于滤波因子修正和超声红外技术的架空输电线路绝缘子状态检测

架空输电线的绝缘子检测与识别会受到复杂环境干扰,导致绝缘子检测的难度增加,为此,提出一种架空输电线路绝缘子状态检测新方法。通过超声传感器获取架空输电线路振动信号,采用卡尔曼滤波算法引入滤波因子,对架空输电线路绝缘子状态信号滤波与修正;利用红外传感器的入射和反射原理计算其倾斜角度;压缩融合处理传感器采集到的信号,得到聚类的最佳质心,实现架空输电线路绝缘子状态检测。实验证明,所提方法检测的最大相对误差控制在4%以下,并且状态检测的能量效率在90%以上,可以为架空输电线路运维提供可靠数据依据。

基于L0梯度平滑与图像分块聚类的海天线检测

海天线检测在海洋工程安防活动中具有重要的意义,真实海洋环境中的海天线检测易受云朵、海浪、光照变化、目标遮挡物、边界模糊等外界干扰。为了实现对真实海洋环境中海天线的检测,本研究提出一种基于L0梯度平滑和图像分块聚类的海天线检测算法。首先,对图像进行L0梯度平滑滤波,以增强海天线边缘,弱化非海天线因素干扰;接着,将图像沿着竖直方向分割成若干等宽图像块,以降低整体环境干扰,加强局部海天线检测效果;然后,通过Canny算子和霍夫变换提取每个分割图像块中的直线段;最后,采取K-means聚类算法提取每个图像块中的海天线段,拟合生成完整海天线。实验结果表明,在真实的海天线数据集中,本研究方法获取的矩形框重叠率平均精度为93.22%,角度差平均精度为7.66%,均高于文中选取的近年典型对比算法。满足实际海天线检测抗干扰强、准确率高、适应性广等要求。

输电线路牦牛造型景观塔设计与优化研究

针对目前景观塔结构设计缺乏统一的原则和标准,造型设计突破性不强,塔重指标偏重和经济性欠佳的问题,以藏区牦牛造型景观塔为例,分析总结了景观融合思路、造型深化设计步骤和方法,以及结构布置和节点优化方法,为后续景观塔设计提供思路。重点对牦牛造型景观塔的结构布置方案进行了介绍;结合真型试验数据,基于虚功原理,对酒杯塔曲臂K节点的变形进行了分析,并在此基础上提出一种新的曲臂结构;基于有限元分析结果,优化了曲臂K节点构造。提出的一种新的曲臂结构,K节点相对变形小,避免了瓶口节点正侧面受力不均,有利于提高结构的安全可靠性。

基于K-Means聚类和Boosting算法的配电网线损计算方法

传统线损计算方法所需电气参数较多且计算过程烦琐,导致配电网线损计算结果精度较低,因此提出了一种基于K-Means聚类和Boosting算法的配电网线损计算方法。先采用K-Means聚类算法挖掘配电网的线路负荷有功电量、线路负荷无功电量、线路长度及线路负载率等电气特征指标,再将电气特征指标作为Boosting算法线损预测模型的输入数据,经过模型训练完成配电网线损的预测计算。实验结果表明,该设计方法的线损计算值与真实值之间的误差仅为4.27%,具有较高的配电网线损计算精度。

基于多尺度滤波的隧道衬砌监测数据噪声滤除研究

在隧道衬砌监测过程中会受到多种因素的干扰,同时还会存在各种类型的噪声,如环境噪声、传感器噪声或信号传输过程中的干扰噪声等,这些噪声会对监测数据的准确性和可靠性产生负面影响。因此,为了有效解决这一问题,提出了基于多尺度滤波的隧道衬砌监测数据噪声滤除方法,即:利用数据迭代器得到离散化的雷达探测环境参数,建立噪声在衬砌状态图像中的密度函数,再结合密度函数设定隧道衬砌监测门限;然后在一定频域内采集隧道衬砌监测数据;结合K-sigma阈值与多尺度滤波算法,确定衬砌监测数据中的随机噪声;最后设计自适应滤波过程,实现隧道衬砌监测数据的噪声滤除。实验结果表明,该方法能够将衬砌监测数据的信噪比提高到46 dB以上,更好地提升了衬砌监测数据噪声滤除的效果。

基于K均值聚类算法的谐振接地系统故障区段定位方法

现有的谐振接地配电网单相接地故障定位方法存在通信依赖过度、特征分析复杂和阈值设置困难等问题,现场运行的适用性较低。本文基于深度融合智能开关在配电网中的应用,研究三相电流变化量的波形特征,提出基于K均值聚类算法的就地选段方法。该方法提取各区段数据特征量,发挥K均值聚类算法无监督学习的优点,使各检测节点只需处理本地故障信号,从而减轻通信压力。利用仿真和现场数据验证该方法的可行性,结果表明,该方法在多种故障工况下都表现出较高的可靠性,并且能够较好地适应现场环境。

考虑新能源接入下的配电网线损综合检测方法

双碳目标的提出,促进了电网朝着清洁低碳和安全可控等方向发展,线损是节能减排的直接体现和重要技术指标,针对现有配电网线损异常检测方法存在的检测精度差和效率低等问题,在线损异常检测系统的基础上,提出了一种结合灰色关联分析、改进K-means算法和孤立森林算法的配电网线损异常检测方法。通过灰色关联分析和改进K-means算法优化孤立森林算法,灰色关联分析完成特征属性的筛选,改进K-means算法完成数据聚类处理,提高了孤立森林算法异常检测的准确率和效率。结果表明,所提方法与常规方法相比,在多项指标上具有最优的检验效果,检验精度达到100%,平均检测时间为0.0402 s,为双碳目标实现提供了一定的支持。

基于多维度跨尺度LSTM模型的时序预测

针对当前LSTM模型在对金融时间序列数据预测时普遍存在的滞后性问题,提出一种基于LSTM模型的金融数据跨尺度预测方法。通过在训练模型中加入最值选择机制,结合短周期数据转换为长周期数据方法,达到跨尺度预测效果,该跨尺度预测方法降低了金融时间序列数据预测的滞后性。通过结合经济学技术性指标的多维度数据,提高模型的预测精度。依据K线图思路,对金融时序数据进行处理,将K线图所反映的信息通过数值的角度回馈模型,通过这种改进型方法,提高模型的预测精度。通过实验验证,该方法相较传统方法预测精度更高,滞后性更低。

基于参数优化VMD和改进K聚类判据融合的配电网故障选线方法

针对现有暂态量选线方法易受到故障相角、过渡电阻、噪声、谐波及判据阈值的影响,提出基于参数优化变分模态分解(variational mode decomposition,VMD)和改进K聚类判据融合的选线方法。首先对分解过程的3个关键性参数进行动态优化,利用信号频谱及分量特性确定VMD分解层数,并以算术优化算法求取最佳惩罚因子,剔除了工频、噪声及谐波干扰,再根据分解层数与各模态频谱确定模态中心频率以提高分解效率。其次,以优化后的VMD获取余弦相似度、高频幅值和直流能量作为互补的故障选线判据值。最后以改进K聚类算法实现多判据融合,弥补了单一判据的局限性。理论分析、仿真与实测结果表明,所提方法适用于分布式电源接入的电网,不受故障位置、故障相角及过渡电阻的影响,具有优异的抗谐波与噪声干扰性能。

术前K线倾斜角预测后纵韧带骨化症单开门术后疗效的可行性分析

目的 探讨术前K线倾斜角预测单开门椎管扩大成形术治疗后纵韧带骨化症患者临床疗效的可行性。方法 回顾性分析2019年2月至2022年1月行颈椎后路单开门椎管扩大成形术治疗的52例K线阳性后纵韧带骨化症(ossification of the posterior longitudinal ligament,OPLL)患者资料,其中男35例,女17例;年龄47~76岁,平均(61.46±7.26)岁。统计患者术前日本骨科协会(Japanese orthopedic association,JOA)评分、术后1年随访时JOA评分。颈椎中立侧位X线片测量术前矢状面参数:K线倾斜角、C_(2~7)Cobb角、C_(2~7)矢状面轴向距离(C_(2~7) sagittal vertical axis,C_(2~7) SVA)、头部重心(center gravity of head,CGH)~C_(7)矢状面轴向距离(CGH~C_(7) SVA)、T_(1)倾斜角。根据术后1年时JOA评分改善中位数分为改善优良组和改善较差组,采用单因素方差分析判断矢状位参数与疗效之间的关系,采用Pearson分析检验参数间的相关性。将有统计学差异的颈椎参数作为自变量,将JOA评分作为因变量,行Logistic回归分析影响术后JOA改善率的危险因素。结果 所有患者的术后临床症状均得到改善。OPLL患者术前JOA评分为(7.38±0.89)分,术前C_(2~7)Cobb角(14.45±8.81)°,C_(2~7)SVA(15.31±4.57)mm,CGH~C_(7) SVA(16.37±5.23)mm,T_(1)倾斜角(26.43±5.65)°、K线倾斜角(12.77±1.49)°。根据术后1年随访时JOA评分改善情况分组显示:术前K线倾斜角、C_(2~7)SVA、CGH~C_(7) SVA与术后疗效密切相关(P<0.001、P=0.013、P=0.022);术前K线倾斜角与C_(2~7)SVA、CGH~C_(7) SVA呈正相关(r=0.411、0.831,P=0.004、0.023)。上述相关性指标经Logistic回归分析显示:影响OPLL单开门术后疗效的危险因素为术前K线倾斜角和术前CGH~C_(7) SVA(OR=1.673、1.522,P=0.024、0.033)。结论 OPLL患者术后疗效与术前K线倾斜角度有关,术前K线倾斜角较大,患者术后疗效较差。K线倾斜角可作为一种新的临床指标用于颈椎后路单开门术前预测OPLL患者术后疗效。

GNSS多径信道模拟的聚类稀疏拟合方案

针对全球导航卫星系统(global navigation satellite system,GNSS)信道模拟计算量大、硬件资源开销大,不利于实时性能评估和实际工程应用的挑战,提出一种GNSS多径信道模拟的聚类稀疏拟合方案。利用基于K中心聚类信道冲击响应(channel impulse response,CIR)参数萃取的稀疏拟合方法,得到等效精简CIR参数,再以稀疏抽头延迟线结构来实现信道模拟。所提方法在保持多径误差条件下,通过较少抽头数量的抽头延迟线结构滤波器拟合原始GNSS多径信道模型,可以大为简化GNSS信道模型仿真复杂度,而无须庞大的硬件资源。仿真结果表明,通过对参考信道模型生成的信道CIR参数进行稀疏拟合,所提出的方案和方法具有良好的效果。

基于近红外光谱和K线图的烟丝总糖实时监测方法

【背景和目的】针对传统生产过程监控中对特定化学成分的变化趋势往往无法实时获取和判断的问题,提出一种基于金融领域中K线图计算和趋势判断的质量监控方法。【方法】通过颜色趋势和长短均线策略实现对批次内、批次间结果的比对分析并预测未来批次走势,并与常用的误差棒图和箱线图进行对比分析。【结果】牌号A和B的烟丝总糖趋势判断准确率最高分别为75.00%和84.62%,采用K线图能判断批次前期、后期的物料化学成分变化。【结论】该方法具有较好的直观性和时效性,对同类产品的其他生产指标监控具有良好的拓展应用价值。