基于机器视觉的汽车底盘磨损故障检测方法

由于传统故障检测方法检测准确率低下,检测实时性差,文章研究了基于机器视觉的汽车底盘磨损故障检测方法。该方法运用CBD高清相机读取采集到的磨损故障图像,并对图像进行降噪处理。通过计算图像中灰度值的频率,增强图像增法来提升样本的数量,对图像进行滤波处理。根据不同故障点的特征,建立卷积神经网络,在网格中计算固定的坐标位置,对汽车底盘磨损故障图像中的磨损故障进行定位,用正则化算法降低测试误差,从而完成对汽车底盘故障检测。实验结果表明,运用文章方法检测后,检测准确率最高,卷积网络检测时间最短,实现基于机器视觉的汽车底盘磨损故障检测方法的有效应用。

基于改进神经网络算法的重型车辆NOx排放预测方法

针对传统方法在重型车辆NOx排放预测中应用效果不佳,均方根误差比较大的问题,文章提出了基于改进神经网络算法的重型车辆NOx排放预测方法。该方法利用无线传感器采集到重型车辆运行数据,包括排量、温度、马力、车速,建立预测样本数据集,然后采用小波阈值降噪技术对原始数据滤波处理,并利用改进后的神经网络算法确定各个变量与车辆NOx排放相关性,进而预测出重型车辆NOx排放量,以此完成基于改进神经网络算法的重型车辆NOx排放预测。实验结果表明,文章设计方法均方根误差在0.1以内,具有较高的预测精度。