改进秃鹰搜索和K均值混合迭代的点云简化算法

针对激光雷达的固有特性和复杂环境易造成点云噪声和冗余点云,以及传统点云简化算法忽略了点云固有特征等问题,提出了一种基于改进秃鹰搜索和K均值聚类(KMC)混合迭代的点云简化算法(IBESSA)。首先,通过秃鹰搜索(BES)算法迭代阶段的竞争融合(CFBES),提高其收敛速度和优化精度;其次,通过CFBES和KMC算法的混合迭代,实现了点云数据的聚类;然后,在k近邻(k-NN)实现点云簇密度估计的基础上,结合香农熵实现点云信息量化;最后,删除信息量化值小于阈值的聚类簇,完成点云数据简化。使用UCI国际标准数据集和斯坦福点云数据集分别对CFBES-KMC算法的聚类效果及点云的简化效果进行验证,结果表明:与改进飞蛾扑火的K均值交叉迭代、K-means++、模糊C均值聚类算法的聚类效果相比,CFBES-KMC算法的聚类准确率分别提高了1.02%、12.31%、14.72%;在斯坦福点云数据集上,IBESSA算法在有效滤除冗余点云的基础上保留了原本点云的细节和形状特征,不失为一种高效的点云简化算法。

基于Lab色彩空间的沙尘降质图像增强方法

针对沙尘天气导致的数字图像质量大幅下降问题,提出一种基于Lab色彩空间的沙尘降质图像增强方法。将沙尘图像增强分解为偏色校正与细节增强两个步骤处理。偏色校正部分包括去除色偏与亮度拉伸。首先对Lab与YUV色彩空间中的沙尘图像直方图偏移特点进行了分析,然后提出一种Lab空间偏色校正算法修正直方图偏移,并对初步去除偏色的图像进行亮度拉伸,提升图像对比度。在细节增强部分,引入一种基于饱和度估计透射率的去雾方法进一步增强图像细节信息。实验结果表明,相较于各对比算法,所提算法可以去除不同程度沙尘带来的色偏,且在面对中小型图像时具有最佳的时间性能表现。在量化指标方面,基于无参考感知的图像质量评估标准和基于熵的无参考图像质量评价标准分别提升了3.2%和10.7%。本文方法可以有效去除色偏,还原清晰图像。

基于改进HMM的车辆轨迹匹配方法研究

针对传统基于隐马尔可夫模型(HMM)的车辆轨迹匹配算法在复杂特殊路段无法兼备准确率与时间效率的问题,提出了基于改进HMM建模的车辆轨迹匹配方法。在候选路段的确定上通过生成网格索引提高整体检索效率,改进的HMM模型在发射概率的计算上综合航向角因素,考虑车辆速度对航向角造成的偏差影响,并设置经验因子进行调节。同时,考虑前后观测值误差过大及曲线路段等影响因素,采用单位采样间隔内的车辆实际行驶距离代替观测距离值,以保证传递概率计算的准确性。最后,利用实测数据进行试验,验证算法的性能。实验结果表明,所提方法匹配准确率约94.0%,相较于传统HMM轨迹匹配方法提高了2.8%,在提高时间效率及复杂路段的匹配准确度上也具有一定优势,单点匹配时间减少约0.9 ms,适用于交叉路口、立交桥、平行路段等复杂路况下的匹配。

基于组件安全属性的列控中心信息安全风险评估方法

为评估列控中心TCC的信息安全风险,构建列控中心系统的组件安全属性,结合信息安全风险评估指标体系,提出一种基于组件安全属性模型CMOSA的列控中心风险评估方法。以组件的方式对列控中心系统进行划分,通过研究列控中心与其他子系统之间的信息交互过程,抽象出各组件的安全属性;结合AHP确定列控中心信息安全风险评估指标,以组件安全属性对风险评估指标的影响识别组件的风险值,利用改进VIKOR算法评价系统的风险值,为列控中心的信息安全风险评估提供一种定量分析手段。结果表明,在列控中心系统中,外接集中监测系统的辅助维护单元模块、驱动与采集单元模块的风险值最大,作为风险管理者,应采取具体的防护措施降低风险。

基于SM-LADRC的高速列车自动驾驶速度控制

针对高速列车自动驾驶中应用传统自抗扰控制跟踪运行速度时可调参数多且整定困难、跟踪精度较低、抗干扰性较弱的问题,提出基于线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)的速度控制设计方案.首先,以单质点列车模型为基础,依据LADRC设计实时估计系统未建模动态的线性扩张状态观测器;其次,采用改进指数趋近律的滑模控制(Sliding Mode Control,SMC)优化非线性误差反馈控制律,提高系统的响应速度并削弱抖振;最后,设计滑模线性自抗扰(Sliding Mode Linear Active Disturbance Rejection Control,SM-LADRC)控制器,对速度指令进行追踪,通过数值仿真验证控制器的有效性.实验结果表明,SM-LADRC控制器具有可调参数少且易整定、跟踪精度高、抗扰动性强、响应速度快等优势.

虚拟同步发电机下垂特性与控制模型阻尼系数的关系

随着新能源应用的热潮,虚拟同步发电机技术发展迅速,它通过电力电子控制技术模拟同步发电机的下垂特性,通常其下垂特性与阻尼系数有关,但不同模型的虚拟同步发电机下垂特性与阻尼系数关系不尽相同.首先,分析了常见的三种虚拟同步发电机的频率-功率的小信号模型;然后,推导它们的下垂特性与阻尼系数的关系式;最后,搭建三种虚拟同步发电机的仿真模型,并通过单机并网运行以及双机并联运行两种不同的运行场景对虚拟同步发电机的下垂特性进行了仿真分析.仿真结果验证了三种虚拟同步发电机模型的下垂特性关系式,表明了虚拟同步发电机阻尼系数和下垂系数的关系以及它们对系统功率分配和系统频率的影响.

基于云模型和不确定AHP的列控运营安全评估

为了改进现有的列控运营安全评估方法的不足,科学客观的评价列控运营安全等级,考虑到列控运营安全的模糊性和随机性,提出了基于云模型和不确定AHP的列控运营安全评估方法。该方法首先建立了列控运营安全评估指标体系;其次采用不确定AHP计算评估指标体系的权重区间,利用集对分析理论将权重区间转化为权重精确值;之后给出了安全标准云模型和综合云模型的计算方法,然后给出了依据云相似度来确定运营安全等级的方法。最后,通过一个实例说明了该方法的可行性和有效性。

列控运营风险评价的三维矩阵模型研究

在参考现有风险矩阵的基础上,提出三维风险矩阵评价方法。首先,分析现有风险矩阵评价方法的不足,从分析风险本质属性的角度提出风险可预测度。其次,给出三维风险矩阵模型,分别给出风险严重度、风险发生频率、风险可预测度和风险评价结果的评价等级表。接着提出1种基于区间数判断矩阵信息的权重调整和计算方法来计算专家权重和风险因素权重。然后采用改进的雷达图法来集成风险因素,得到三维风险矩阵色谱图。最后,通过实例说明三维风险矩阵评价方法的合理性和有效性。该方法为我国列控运营的风险评价提供了1种新的思路和手段。

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.

基于RS-ICS-BP的列控车载BTM故障诊断

针对列车运行控制车载设备结构复杂,信息量大且故障分析多依赖于专家经验完成等问题,以CTCS3-300T型列控车载设备中应答器信息接收模块BTM故障文本数据为样本,提出一种基于粗糙集(Rough Set,RS)和改进布谷鸟搜索算法(Improved Cuckoo Search,ICS)优化神经网络(Back-Propagation,BP)的列控车载BTM智能故障诊断方法(RS-ICS-BP).首先,利用粗糙集理论处理不确定数据的优势对故障数据进行处理,消除冗余条件信息;再利用ICS算法确定适合的BP神经网络初始权值和阈值.以CTCS3-300T型车载设备BTM单元的93组数据为样本进行仿真实验,结果表明:RS-ICS-BP通过加入属性约简提高分类器的分类性能,通过ICS算法优化BP神经网络,避免了局部极小问题,且迭代步数少,平均误差得以降低,分类精度有所提升.

基于自适应变异SAPSO-LSSVM的轨道电路故障诊断

针对传统无绝缘轨道电路故障诊断精度不高与诊断结果不稳定的问题,提出一种将模拟退火(Simulated Annealing,SA)算法和粒子群最小二乘支持向量机(PSO-LSSVM)相结合的方法,并用其进行故障诊断.借鉴遗传算法(Genetic Algorithm,GA)中的变异思想,在SA算法中引入简单变异算子,提出动态自适应变异SAPSO算法,以克服传统粒子群算法易陷入局部最优的问题.利用自适应变异SAPSO算法对改进LSSVM核函数的惩罚因子和核函数参数进行优化,避免故障诊断结果不稳定.最后通过仿真将本文算法与近几年比较先进的几种算法进行对比.仿真结果表明:本文算法对无绝缘轨道电路的故障诊断准确率更高、诊断结果更稳定.

高铁列车运行图车站与区间冗余时间同步优化模型

为提高列车运行图抗干扰能力,编制运行图时通过设置区间冗余时间和车站冗余时间吸收运行过程中产生的初始延误.针对既有模型未深入研究多种冗余时间之间相互制约关系对延误吸收影响的问题,本文基于生灭过程描述了冗余时间作用机理,提出了一种同时优化车站冗余时间与区间冗余时间的同步优化模型,该模型平衡了引起延误吸收效果不理想的冗余时间不足和双重冗余之间的关系.最后通过加载随机干扰,并利用接力进化遗传算法求解.结果表明,与现阶段常采用的冗余时间分配方案相比,同步优化模型能根据随机干扰均值求得区间冗余时间并解得相应车站冗余时间,在考虑行程时间的同时,更加有效吸收了累积延误,提高了冗余时间利用率.

一种基于AKF的MEMS惯性导航系统姿态初始化方法

为了实现微机电系统(micro-electro-mechanical system,MEMS)惯性导航系统的初始对准,即姿态初始化,提出一种基于加速度计与磁强计的姿态初始化方法。首先,推导了该方法计算姿态角的公式,对该方法计算的姿态角进行误差分析。然后,为提高对准精度,对惯性导航系统建立模型,将自适应卡尔曼滤波(adaptive Kalman filter,AKF)算法引入对准过程,在线实时估计量测噪声。最后,在双轴实验转台与MEMS实验板卡上开展实验。实验结果表明,使用所提方法不仅能够获得更高的对准精度,而且可以使系统的抗干扰能力得到提高。这为后续系统进行姿态解算与惯性导航提供了有力支撑。

基于CDET/MPSO-SVM的道岔故障诊断

针对目前铁路道岔故障率高,维护质量低等问题,以S700K型转辙机功率曲线为研究对象,提出一种补偿距离评估技术(Compensation Distance Evaluation Technique,CDET)结合改进的粒子群算法(Modified Particle Swarm Optimization,MPSO)优化支持向量机(Support Vector Machine,SVM)的道岔智能故障诊断方法.首先,通过分析S700K转辙机动作机理,将功率曲线分成启动、解锁、转换、锁闭、构通表示5个阶段,分别提取各阶段道岔功率曲线相应的特征集;然后,利用补偿距离评估技术对提取的特征候选集进行降维,选出敏感特征;最后,引入扰动项和动量项对粒子群算法进行改进并优化SVM相关参数,作为分类器对道岔故障进行预测,并与基于PSO-SVM,SVM等分类算法进行比较.仿真验证表明:该方法诊断正确率达到97%以上,能有效地识别道岔故障类型.

引入系统不确定度的模糊IAE-UKF组合导航

针对车载卫星与惯性器件的组合导航系统不确定性对导航精度影响较大的问题,依据滤波新息估计量的统计特性与模糊度隶属度函数的控制特性,设计滤波方法实现对组合导航误差的抑制。考虑系统先验知识难以准确获取,首先采用新息自适应估计(Innovation Adaptive Estimation,IAE)方法对当前量测噪声方差进行在线调整;其次根据新息确定量化参数,引入平滑加权残差平方思想(Smoothed Weighted Residual Squared,SWRS)给出表示系统不确定度的权值函数,结合定义的系统不确定度构建模糊隶属度函数;最后将两种改进方法嵌入到无迹卡尔曼滤波(Unscented Kalman Fil⁃ter,UKF)框架中,对系统噪声方差予以自适应调整,形成适用于处理低成本组合导航系统的模糊IAE-UKF滤波器。设计车载组合导航测试,取不同算法下的组合位置、组合速度进行精度比较。结果表明本文组合导航算法的位置精度及速度精度均得到明显改善,实现了对组合导航误差的抑制,是一种可有效克服系统模型难以准确建立问题的滤波器。

基于加权云模型的全电子联锁系统运营安全风险评估

结合现场实际情况,在系统层面对于全电子计算机联锁系统进行更加客观准确的运营安全评估,综合考虑系统的风险严重度及风险可能性,提出一种基于最优组合权重计算法的云模型安全评估方法。首先从人员、设备、环境、管理、维修5个方面建立安全风险评估体系,在专家评估的基础上运用最优组合权重法计算体系中的底层指标权重,再将权重代入评估云模型的计算中,分别得到系统的风险可能性和风险严重度评估值,综合得出系统的运营安全风险容忍等级。将该方法引入全电子联锁系统的运营安全评估中,通过对实际数据的计算,证实该方法能够克服以往评估方法的主观性和片面性,使得到的结果更加准确和直观,实现真正意义上的"综合"评估。

基于HSI空间的沙尘图像增强算法

针对现有去沙尘算法的时间效率较低和受雾霾影响图像对比度提升不明显等问题,在偏色校正的基础上,提出在HSI空间提高饱和度与对比度的去沙尘增强算法.首先,在RGB颜色空间利用绿色通道校正其他颜色通道,实现沙尘图像的色彩平衡,完成颜色校正.其次,利用HSI空间各通道互不干扰的特性,针对S通道设计了自适应饱和度增强算法,I通道利用限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法提升对比度.最后,合并通道转到RGB颜色空间得到清晰的去沙尘图像.实验结果表明:本文所提算法对于图像细节的清晰度和对比度恢复效果均有较大提升,而且本文算法在时间效率上提升显著,在原有算法的基础上,改进后平均算法效率提升77%左右,保证了算法的实时性.

基于粒子滤波的列车轨道占用判别方法

基于全球导航卫星系统(Global Narigation Satellite System,GNSS)的列车定位系统降低了铁路建设与运营的成本,而正确识别列车所在道岔区段是列车卫星定位的前提.为提高列车轨道占用判别过程的准确性及实时性,提出一种基于粒子滤波(Particle Filter,PF)的列车轨道占用判别方法.以PF原理为基础,根据列车当前位置,设置可调节误差置信区域对相邻道岔节点进行检索,有效避免漏检索、重复检索的问题.其次,将轨道占用判别过程建模为列车运行位置与线路地图候选区段的实时匹配过程,在与之拓扑连接的候选道岔区段上随机生成粒子进行列车的实时追踪;将各时刻粒子运动状态与列车定位点之间的距离误差及航向角误差作为加权函数,通过计算与道岔节点邻接轨道区段的累计粒子权值,得出最大概率占用区段,实现对列车所在道岔区段的正确判别.最后,结合实测数据与现有轨道占用判别方法进行对比.实验结果表明:基于粒子滤波的列车轨道占用判别方法可以有效识别当前轨道,其平均识别距离比直接投影方式稳定识别占用轨道的距离减少了约6.5 m,比加权识别方法减少了约3.8 m,具有一定实时性.