本文關(guān)鍵詞：基于多源信息融合的試驗場道路識別系統(tǒng)研究

  更多相關(guān)文章： 路面激勵 振動響應(yīng) 圖像處理 差分衛(wèi)星定位 多源信息融合 人工神經(jīng)網(wǎng)絡(luò)

【摘要】：汽車試驗是對車輛整體性能、可靠性以及質(zhì)量進(jìn)行評估驗證的重要環(huán)節(jié),是加快汽車研發(fā)速度、提高產(chǎn)品質(zhì)量的關(guān)鍵手段。在汽車可靠性試驗規(guī)范中,對試驗道路類型及行駛里程分配做了明確的規(guī)定,試驗車輛必須嚴(yán)格按照試驗道路類別及里程分配行駛,使車輛受到足夠的路面激勵,才能保證后續(xù)可靠性分析的準(zhǔn)確性。對試驗車輛行駛的道路類型和里程數(shù)進(jìn)行實時監(jiān)控是車輛可靠性試驗的一種手段。傳統(tǒng)的通過車輛定位信息與道路GIS信息匹配實現(xiàn)道路類型識別的方法存在信號遮擋導(dǎo)致識別精度下降的問題,同時基于視頻圖像進(jìn)行道路識別也出現(xiàn)由于環(huán)境因素導(dǎo)致識別效果差的問題。因此,研究多源信息融合的道路識別系統(tǒng)對汽車道路試驗的完善和監(jiān)管具有重要的理論意義和工程應(yīng)用價值。本文具體研究內(nèi)容包括：1. 分析了汽車試驗場道路特點,設(shè)計了基于多源信息融合的試驗場道路識別系統(tǒng)整體架構(gòu)。2. 研究了基于車輛振動信息識別道路類型的方法。通過建立四分之一車輛懸掛模型,分析車輛動力學(xué)和運動學(xué)測量機理,提出了一種融合多點振動加速度信號和車速信息的路面激勵模型,研究了基于空間域和功率譜密度函數(shù)的路面激勵特征提取方法。取得了較好的特征提取效果,為高精度的道路識別提供了技術(shù)基礎(chǔ)。3. 分別采用通過直方圖匹配算法和SURF算法提取道路圖像的顏色和紋理信息,通過模板匹配法得到圖像的顏色和紋理特征。并研究了差分衛(wèi)星定位信息和試驗道路GIS數(shù)據(jù)的匹配方法,為道路精確識別提供重要的技術(shù)方法。設(shè)計了基于道路圖像特征的貝葉斯分類器和基于路面激勵特征的人工神經(jīng)網(wǎng)絡(luò)分類器,并基于幾何平均準(zhǔn)則將各分類器的識別結(jié)果以及差分定位匹配結(jié)果進(jìn)行數(shù)據(jù)融合,實現(xiàn)了基于多源信息融合的試驗道路識別系統(tǒng),提高了道路識別結(jié)果的精確性和穩(wěn)定性。4. 實現(xiàn)了系統(tǒng)的軟硬件設(shè)計,并進(jìn)行了功能驗證和綜合實驗。實驗結(jié)果表明該系統(tǒng)能實現(xiàn)試驗場道路的準(zhǔn)確識別。
【關(guān)鍵詞】：路面激勵 振動響應(yīng) 圖像處理 差分衛(wèi)星定位 多源信息融合 人工神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U467;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-17
• 1.1 研究背景及意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-14
• 1.2.1 地形分類技術(shù)研究現(xiàn)狀10-12
• 1.2.2 車輛高精度定位技術(shù)研究現(xiàn)狀12-13
• 1.2.3 路面激勵與車輛振動研究現(xiàn)狀13-14
• 1.3 本文的研究內(nèi)容和章節(jié)安排14-17
• 第二章 汽車試驗場道路識別系統(tǒng)方案設(shè)計17-27
• 2.1 系統(tǒng)需求分析17-19
• 2.1.1 汽車試驗場試驗道路分析17-19
• 2.1.2 試驗場汽車可靠性試驗分析19
• 2.1.3 系統(tǒng)功能分析19
• 2.2 系統(tǒng)功能模塊設(shè)計19-25
• 2.2.1 系統(tǒng)功能模塊定義19-20
• 2.2.2 數(shù)據(jù)采集20-23
• 2.2.3 數(shù)據(jù)預(yù)處理23-24
• 2.2.4 特征提取及分類24-25
• 2.3 系統(tǒng)整體架構(gòu)25-26
• 2.4 本章小結(jié)26-27
• 第三章 路面激勵信號的測量和處理27-53
• 3.1 車輛的振動機理27-36
• 3.1.1 車輛振動概述27
• 3.1.2 引起車輛振動的激振源27-31
• 3.1.3 車輛響應(yīng)特性31-35
• 3.1.4 車輛振動機理分析小結(jié)35-36
• 3.2 路面激勵信號測量方法36-43
• 3.2.1 車輛振動信號測量方法36-39
• 3.2.2 基于振動加速度與車速融合的路面激勵測量方法39-43
• 3.3 道路激勵信號處理43-51
• 3.3.1 采樣頻率校正43-46
• 3.3.2 振動信號空間域分析46-48
• 3.3.3 振動信號頻域(空間頻域)分析48-51
• 3.4 本章小節(jié)51-53
• 第四章 基于多源信息融合的道路識別系統(tǒng)設(shè)計53-75
• 4.1 道路圖像信息的特征提取53-66
• 4.1.1 圖像預(yù)處理53-55
• 4.1.2 道路圖像的顏色特征提取55-62
• 4.1.3 道路圖像的紋理特征提取62-65
• 4.1.4 圖像特征向量65-66
• 4.2 車輛定位與道路的位置信息的匹配66-68
• 4.2.1 衛(wèi)星定位系統(tǒng)基本原理66
• 4.2.2 差分衛(wèi)星定位系統(tǒng)的基本原理66-67
• 4.2.3 坐標(biāo)信息在電子地圖中的匹配67-68
• 4.2.4 匹配結(jié)果和置信度68
• 4.3 分類器的設(shè)計與多源信息融合研究68-74
• 4.3.1 分類器種類的選擇69
• 4.3.2 基于路面激勵特征的分類器69-72
• 4.3.3 基于道路圖像特征的分類器72-73
• 4.3.4 基于多源信息融合的道路類型分類器73-74
• 4.4 本章小節(jié)74-75
• 第五章 系統(tǒng)的軟硬件設(shè)計及實驗75-91
• 5.1 實驗系統(tǒng)設(shè)計與搭建75-84
• 5.1.1 系統(tǒng)硬件實現(xiàn)75-80
• 5.1.2 實驗系統(tǒng)軟件編程80-84
• 5.1.3 道路圖像和車輛位置信息數(shù)據(jù)來源84
• 5.2 試驗場道路識別實驗與結(jié)果分析84-89
• 5.2.1 汽車試驗場實驗過程84
• 5.2.2 基于路面激勵信號的道路識別實驗84-87
• 5.2.3 基于多信息融合的道路試驗結(jié)果87-89
• 5.3 本章小節(jié)89-91
• 第六章 總結(jié)與展望91-93
• 6.1 全文總結(jié)91-92
• 6.2 研究展望92-93
• 致謝93-95
• 參考文獻(xiàn)95-97

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蒲書縉;趙忠凱;;基于一致理論的多源信息融合研究[J];應(yīng)用科技;2006年02期

2 剛鐵,吳林;超聲檢測中的多源信息融合技術(shù)與缺陷識別[J];機械工程學(xué)報;1999年01期

3 游林儒,張晉格,王炎;一種多源信息融合方法及其應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報;2000年04期

4 黃松濤;石章松;;基于多源信息融合的火災(zāi)報警系統(tǒng)設(shè)計[J];消防科學(xué)與技術(shù);2008年12期

5 成波;馮睿嘉;張偉;李家文;張希波;;基于多源信息融合的駕駛?cè)似跔顟B(tài)監(jiān)測及預(yù)警方法研究[J];公路交通科技;2009年S1期

6 黃潂,陳森發(fā),孫燕,亓霞;一種分布式復(fù)合多源信息融合系統(tǒng)及其在交通工程中的應(yīng)用[J];土木工程學(xué)報;2003年07期

7 周燕;覃如賢;巴軍;;基于多源信息融合的車輛防碰撞控制系統(tǒng)[J];微計算機信息;2006年19期

8 宮鳳強;李夕兵;鄧建;;基于多源信息融合法的巖土力學(xué)參數(shù)概率分布推斷[J];巖土力學(xué);2007年03期

9 高穎;姬維君;王鳳華;郭淑霞;;基于分層多級黑板的多源信息融合系統(tǒng)設(shè)計[J];彈箭與制導(dǎo)學(xué)報;2013年06期

10 劉同明;戰(zhàn)術(shù)多源信息融合對DBMS的需求分析[J];雷達(dá)與對抗;1998年02期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 宋元;許林周;章新華;;面向多源信息融合的艦載聲納仿真平臺設(shè)計[A];2009年全國水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會換屆改選會議論文集[C];2009年

2 曲陽;徐林;王建輝;顧樹生;;基于信息博弈的多源信息融合方法[A];2005年全國自動化新技術(shù)學(xué)術(shù)交流會論文集[C];2005年

3 司剛?cè)?曹暉;張彥斌;馬西奎;;基于多源信息融合技術(shù)的復(fù)雜工業(yè)過程監(jiān)控系統(tǒng)[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 楊瀾;基于多源信息融合的車輛航姿估計技術(shù)研究[D];長安大學(xué);2013年

2 雷建和;基于多源信息融合的人體運動分析與建模研究[D];中國科學(xué)技術(shù)大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李二洋;基于規(guī)則與多源信息融合的鉆井智能預(yù)警系統(tǒng)研究[D];西安石油大學(xué);2015年

2 孫覺非;基于多源信息融合的試驗場道路識別系統(tǒng)研究[D];東南大學(xué);2016年

3 林愛軍;基于粒子濾波的空天飛行器多源信息融合導(dǎo)航技術(shù)研究[D];南京航空航天大學(xué);2016年

4 王新濤;多源信息融合方法研究[D];哈爾濱工程大學(xué);2012年

5 黃霄鵬;分布式多源信息融合算法研究與仿真平臺開發(fā)[D];杭州電子科技大學(xué);2013年

6 竇晨超;基于多源信息融合方法的火災(zāi)檢測系統(tǒng)的算法研究[D];華東理工大學(xué);2013年

7 陳琳;基于數(shù)據(jù)驅(qū)動的多源信息融合技術(shù)研究[D];杭州電子科技大學(xué);2012年

8 華云鵬;基于多源信息融合技術(shù)的船舶電力推進(jìn)系統(tǒng)故障診斷研究[D];大連海事大學(xué);2012年

9 孫延?xùn)|;多源信息融合技術(shù)在VTS中的應(yīng)用[D];大連海事大學(xué);2014年

10 李松;基于多源信息融合的定位與跟蹤方法研究[D];河南大學(xué);2014年

，

本文編號：812737