耦合Sylvester矩阵方程的改进的梯度迭代算法

本文通过构造矩阵分裂,结合线性系统的迭代方法,提出了求解耦合Sylvester矩阵方程的两种梯度迭代算法,并研究了这两种算法在满足初始迭代条件下的收敛性.最后给出数值算例验证了这两种算法的有效性.     

基于耦合模型的轨道特种车辆悬架参数优化

基于车辆 轨道耦合动力学理论,建立了路轨两用消防车在轨道上行驶的车辆 轨道耦合模型,并与传统轨道车辆模型进行比较,通过实车试验验证了车辆 轨道耦合模型的正确性. 在此基础上,采用统一目标函数法对车辆悬架参数进行优化. 仿真结果表明,该优化设计方法使得车身加速度均方根值减小了626%,次级悬架动行程均方根值减小了542%,轮轨力均方根值减小了681%,提高了车辆平稳性,降低了悬架行程,削弱了轮轨间动作用力.     

基于车-轨耦合的轨道特种车辆横向建模及参数优化

基于车辆-轨道耦合动力学理论,建立了路轨两用消防车在轨道上行驶的车辆-轨道耦合横向模型,并与传统轨道车辆横向模型进行比较,通过实车试验验证了车辆-轨道耦合横向模型的正确性.在此基础上,建立了多目标优化模型,并采用统一目标函数法对轨道行驶系统的悬架参数进行优化.结果表明,该优化设计方法使车身横向加速度均方根值减小了22.22%,轮轨横向作用力均方根值减小了18.63%,提高了车辆横向平稳性,降低了轮轨横向动作用.     

基于GPU的车辆-轨道-地基土耦合系统3D随机振动并行计算方法

针对轨道不平顺随机特征导致车辆-轨道-地基土耦合系统随机分析计算效率低的问题,采用虚拟激励法降低大样本分析的计算量;针对耦合系统等效刚度矩阵的稀疏特性,采用行压缩(Compressed Sparse Row,CSR)格式存储大型稀疏矩阵,采用预处理共轭梯度法(Preconditioned Conjugate Gradient,PCG)求解对称正定的等效静力平衡方程,最后通过MAT-LAB-CUDA(Compute Unified Device Architecture)混合平台开发基于GPU的并行计算程序.数值算例表明:基于MATLAB-CUDA混合平台求解等效静力平衡方程的效率是串行多点同步算法的86.13倍,大大缩短了随机振动分析的总计算时间,且内存占用小、易于在个人计算机上实施;采用PCG法求解车辆-轨道-地基土耦合系统形成的大型稀疏线性方程组时,建议以加速度指标作为迭代收敛精度的控制指标;可通过选取适当的迭代收敛精度,以达到计算精度和计算效率的平衡.     

基于低松弛迭代格式的快速自适应滤波算法

利用Ｂ样条函数基底的光滑性及其局部支撑性质,以最小二乘（ＬＳ）为准则,构造了基于低松弛迭代格式的快速自适应滤波算法．对于一个Ｎ×Ｎ输入图像,由于Ｂ样条函数的局部支撑性质以及低松弛迭代算法的引入,使得在统计意义下最佳的最小二乘滤波算法的计算复杂度降为Ｏ（Ｎ２）,就ＬＳ算法的复杂性而言,优于不动点（ＦＰ）迭代算法的Ｏ（Ｎ３）及基于ＦＦＴ的预处理共轭梯度（ＰＣＧ）算法的Ｏ（Ｎ２·ｌｎＮ）．实验结果表明,该滤波器对Ｇａｕｓ白噪声及均匀分布的噪声图像具有良好的降噪特性．     

基于改进迭代模型的车-桥耦合系统竖向随机振动研究

采用改进的车-桥耦合系统迭代计算模型,建立了基于虚拟激励法(PEM)的列车-轨道-桥梁竖向随机振动分析模型.采用虚拟激励法将轨道不平顺精确地转化为一系列竖向简谐不平顺的叠加,并运用分离迭代法求解车-桥耦合系统振动方程.以CRH2高速列车通过5跨简支梁桥为例,对改进的车-桥耦合系统迭代计算模型的计算精度和效率进行了验证.结果表明:在保持与传统模型相同计算精度的前提下,改进模型能使计算效率提高5倍左右.通过对列车-轨道-简支梁桥竖向随机振动响应中确定性激励引起的均值和轨道不平顺引起的均方根进行分析可知:桥梁竖向位移主要受列车自重控制,轨道不平顺引起的桥梁竖向位移影响很小;桥梁和车体竖向加速度受轨道不平顺影响显著,改善线路条件能有效提高列车的乘车舒适性;同时,车速越高,桥梁和车辆随机响应的均方根越大,由轨道不平顺引起的耦合系统振动响应的离散度越大.     

直线电机地铁车辆-轨道垂向耦合动力学模型

直线电机地铁是一种新型的城市轨道交通系统.本文基于动力有限元和耦合振动理论,考虑轮轨关系以及直线感应电机和反力板之间的相互作用,建立了直线电机地铁系统车辆-轨道垂向动力学模型.通过数值计算,验证模型的有效性,并给出计算结果.     

冻胀变形下高速铁路车辆-轨道-路基耦合系统的动力效应

季冻区严酷的自然环境对高速铁路的高标准运行产生了极大影响,甚至会对高速铁路造成永久性破坏。为探究季冻区高速铁路路基冻胀变形作用下对车辆-轨道-路基耦合系统动力效应的影响,以银西高速铁路某冻胀区段为背景,结合车辆-轨道-路基系统动力学的原理和分析方法,建立了简化后的动力学模型;选取了典型的单波余弦冻胀波形（冻胀波长 λ =10 m, 冻胀峰值 f =10 mm）,分别探讨了轨道系统与车辆系统的动力学效应,并据此确定了轨道刚度的合理取值。研究结果表明：在路基冻胀变形作用下,轨道系统中轨道各部件动压力、动位移及动加速度幅值在低频段（0~200 Hz）发生明显波动,扣件刚度与道床刚度的最优刚度比为0.5,轨道总刚度的合理取值在62~87 kN/mm范围为宜;车辆系统中车辆轮重减载率及车体垂向加速度与冻胀波长 λ 成反比关系,与冻胀峰值 f 成正比关系。     

非线性代数方程修正牛顿迭代格式的改进

文章将经典牛顿方法预测,隐式中点牛顿迭代格式校正,得到一种新的求解非线性代数方程的改进的修正牛顿迭代格式,该方法具有较快的收敛速度,并用数值实例来验证该方法.数值实验表明,该算法比牛顿迭代和文献中的修正牛顿迭代格式收敛速度要快.     

基于迭代结构的改进Morlet小波快速算法

连续小波变换由于具有良好的时频分析能力而广泛应用于信号特征分析,同时也由于较大的运算量而影响了其在工程上的运用。针对这个问题,该文根据指数遗忘分布在时间上的相关性,对Morlet小波函数进行了改进,并推导了改进Morlet小波变换的快速算法。仿真结果表明,采用快速算法的Morlet小波变换在盲信号解调性能方面并没有下降,与此同时快速算法显著地提高了小波变换的运算效率。     

基于渐进迭代逼近的等距曲线改进算法

提出一种基于渐进迭代逼近的等距曲线改进算法.该改进算法利用曲线段的高控制采样误差,在充分反映基曲线的形状特征的前提下尽可能地减少采样点数量.在采样点中选取等距曲线上的特征点作为主控制点,利用渐进迭代逼近方法插值所选取的主控制点,迭代过程中综合考虑法矢和参数化一致性两个因素以更好地控制等距逼近曲线的形状.最后,同样利用曲线段的高控制逼近误差,以避免误差过估,对得到的逼近等距曲线的B样条曲线实现更精确的全局误差控制.给出一些实例来验证该改进算法在采样点数量、所需控制顶点个数、迭代次数、误差控制、等距逼近曲线的形状控制等方面实现了性能的提高.     

基于改进Faster R-CNN算法的车辆检测

基于区域的网络Faster R-CNN算法在图像的目标检测领域取得了巨大突破.相比较于传统的目标检测方法R-CNN和Fast R-CNN,Faster R-CNN提出了一种候选区域网络(RPN)有效的提升了检测候选框的生成速度.本文通过分析提出的RPN网络的实现方法,引用了K-Means++聚类算法,来对训练数据集中的目标框大小进行聚类分析,替代原本算法中的9个区域框.通过实验对比分析,通过改进的方法提高了车辆检测的精度.     

多元线性模型中φ-最优设计迭代算法的改进

本文改进了多元线性模型中φ—最优设计的迭代算法,使φ—最优设计的迭代算法可以从奇异的初始设计开始,从而扩大了传统的迭代算法的使用范围。     

基于新迭代策略的IRA码改进译码算法

IRA码的译码通常采用BP译码算法,然而BP译码算法复杂度高,硬件电路实现困难。最小和译码算法虽然降低了运算复杂度和硬件实现难度,但是其牺牲了部分译码性能。五线段近似算法对BP算了做了近似简化,然而其复杂度依然偏高。提出了一种基于五线段近似和最小和的改进译码算法,在降低系统译码复杂度的同时,保持较高的译码性能。仿真结果表明,改进的译码算法在降低了复杂度的情况下,仍能得到较高的译码性能。     

基于改进Mask RCNN的工程车辆分割算法

针对输电通道下施工车辆与输电线之间距离难以计算、工程车辆检测精度较低等问题,提出一种改进Mask RCNN的工程车辆分割算法.首先将特征提取网络中的卷积替换为动态卷积,使网络训练时可以根据输入图像及时调整卷积核的大小,有效提高模型性能;然后在网络中添加NAM注意力机制,提高网络对工程车辆的关注度;最后修改特征融合网络为ssFPN,防止特征融合时信息丢失,加强语义融合,提高模型检测精度.对比试验结果表明,与改进前基于ResNet50的Mask RCNN算法相比,改进后算法提高了对工程车辆的检测精度,mAP提高了4.1%,后续处理得到的车辆轮廓精确,证明了改进后算法的有效性.     

基于改进Faster R-CNN的车辆类型识别算法

提出一种基于改进Faster R-CNN(region-convolutional neural networks)的车辆识别算法,用于处理不同类别车辆的识别问题.为了解决部分外形相似类别的车辆之间的误检问题,该方法使用空洞卷积来提高感受野,结合空洞空间金字塔池化(atrous spatial pyramid pooling,简称ASPP)来增强多尺度信息的获取,以此来增强网络对外形相似车辆之间差异的敏感性,提升算法的准确率.实验结果表明,改进的Faster R-CNN模型mAP值达到93.45%,具有较高的精确度、较小的误检率和更好的鲁棒性.     

基于改进YOLOv5算法的车辆目标检测

为了解决车辆目标检测中准确率低的问题,提出了一种基于改进YOLOv5算法的车辆目标检测.改进后的YOLOv5算法主要是在原来的基础上通过K-means聚类的方法对数据集中的目标边框进行重新聚类、并将CIoU损失函数和DIoU＿nms应用于YOLOv5算法来提高目标识别效果.改进后的YOLOv5算法,目标检测mAP达到了85.8%,比改进前的YOLOv5算法提升了1.3%.     

基于改进YOLOv4的车辆目标检测算法

针对公路上高速行驶的车辆检测常常存在错检、漏检的问题,对YOLOv4算法进行改进优化．首先,将CSPDarknet53-tiny作为主干特征提取网络,并对网络中的ResBolck＿body模块中的残差边与GhostModule模块结合代替原始特征网络CSPDarknet53,从而简化网络结构,同时提高其检测精度;然后,将原算法中的SPPNet模块结构替换为ASPPNet,增大网络感受野,降低参数计算量,使模型能够在保持精准度的同时更加轻量化;最后,将注意力机制模块SENet结构嵌入特征金字塔PANet的两个不同位置,使其可对不同重要程度的特征进行相应处理．在BDD100K数据集实验中,原YOLOv4算法训练后得到的模型的平均精度(AP)为88.27%,改进优化后的YOLOv4模型AP为90.96%,改进后的YOLOv4算法相比原算法AP提高了2.69%．在实际真实场景数据集实验中,改进优化后的YOLOv4算法比原算法AP提高了3.31%．实验结果表明,本文提出的方法可以有效提高YOLOv4算法对车辆目标检测的精度．     

基于改进DBSCAN算法的激光雷达车辆探测方法

结合车辆行驶的实际环境,提出了一种基于改进DBSCAN快速聚类算法的激光雷达车辆探测方法.建立激光雷达与摄像机传感器坐标与车辆坐标之间的转换模型,进行数据融合,通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据车辆在激光雷达探测中的形状特征模型进行形状匹配,实时完成车辆探测,并将探测结果投影至图像上.实车实验结果证明,改进的DBSCAN算法在车辆探测应用中具有良好的准确性和实时性.     

基于改进Boosting算法的夜间运动车辆检测

针对夜间交通场景中运动车辆目标提取及实时检测困难的问题,引入改进的Boosting模糊分类算法,提出了一种新的基于车头灯的夜间运动车辆检测方法.通过SIFT算法和融合多特征的方法精确提取夜间运动车辆车头灯特征,利用遗传算法优化Boosting模糊分类算法,并以加权投票方式对提取的车头灯特征进行分类判别,最后结合车头灯空间、运动信息及灯光颜色信息进行同车车头灯配对分组,实现夜间运动车辆的实时检测.实验表明,该方法在夜间交通环境中具有良好的实时检测效果和较高鲁棒性.