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。

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。

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。

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。

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。

基于Stacking集成模型的台区线损率预测方法研究

针对现有线损率预测方法预测精度较低的问题,提出了一种将Stacking集成学习模型与改进的k-均值聚类方法相结合用于预测台区的线损率。通过聚类方法进行数据聚类,再通过Stacking集成学习模型对台区线损率进行预测。Stacking集成学习模型由XGBoost模型、梯度决策树模型和支持向量机模型构成。与传统预测方法进行对比分析试验验证可行性。结果表明,与传统的线损率预测方法相比,所提出的线损率预测方法具有更好的预测效果,更高的预测精度和拟合效果。该研究为实现电网双碳目标提供了一定的参考。

PEPS车型无法启动故障排查分析

本文主要讲述被动进入与被动启动(Passive Entry&Passive Start,PEPS)系统车型突然发生无法上电启动故障,从PEPS系统工作原理进行梳理可能原因,借助CANOE/PICO等设备逐一排查,分析相关疑点,最终锁定故障点,并制定相关更改措施,解决该问题。

一种改进YOLO的绝缘子缺陷检测

针对无人机巡检过程中拍摄的绝缘子图像不能被准确识别和定位等情况,该文提出了一种改进YOLO网络的检测模型,通过无人机拍摄绝缘子图像建立数据集,构建卷积神经网络,利用K-means++算法对绝缘子图像数据集进行聚类分析,通过NMS剔除多余冗杂的矩阵框,以提高绝缘子目标检测识别率。实验结果表明,与原始模型相比,改进模型对绝缘子缺陷的检测识别率提高了1.4%,总平均准确率提高了4%,基本实现了复杂背景下改进YOLO算法检测效果比原来网络更精准。

红富士苹果在线分级系统的设计与实现

以机器视觉及图像处理技术为基础,在流水线上采集苹果图像,并完成其实时分级设计。苹果经过流水线的暗箱时,通过对射式传感器,触发暗箱中摄像头的拍照功能;基于树莓派采集平台,完成红富士苹果的图像采集与传输;借助MATLAB图像处理功能,处理苹果表皮信息并完成分级检测。实验结果表明,基于流水线上的机器视觉技术完成苹果分级具备低成本、高精度优势,为其他果蔬分级设计提供了参考依据。

基于K均值聚类算法的输电线路风偏计算及分析

针对蒙东地区风偏故障导致线路走廊事故频发的现状,本文基于K均值聚类算法对宁城地区历年风力数据进行季节性分类聚合,根据聚类结果对宁天Ⅱ线220kV输电线路的输电走廊按季节逐个进行风偏计算,划分输电线路巡视风险等级,利用数据驱动的方法刻画整条线路杆塔的四季水平风偏距离特点,获得其季节性风偏特征。所提方法可为线路巡视工作提供数据支持,提高作业人员线路巡视的工作效率。

基于k-means聚类和LSTM的供电台区线损预测

为了准确把握供电台区线损变化趋势,提出一种基于k-means聚类和LSTM网络的混合预测算法。以贵州省某供电台区线路为例,将此模型的预测效果与BP模型、RF模型、SVM模型以及未聚类的LSTM模型进行比较。结果表明,基于k-means聚类和LSTM网络的线损预测模型适用于具有时序性的台区线损数据,克服了传统预测方法在精度提升方面的局限性,对于供电台区线损数据挖掘具有重要的理论价值。