-
公开(公告)号:CN111382542B
公开(公告)日:2024-02-02
申请号:CN202010121280.7
申请日:2020-02-26
Applicant: 长安大学
IPC: G06F18/20 , G06F18/10 , G06F18/2135 , G06N7/01 , G06F18/2415 , G06F18/243 , G06N3/0442 , G06N3/084
Abstract: 本发明提供了一种面向全寿命周期的公路机电设备寿命预测系统,该系统包括公路隧道关键机电设备识别模块,用于对公路隧道机电设备中的关键设备进行识别筛选;公路隧道机电设备剩余寿命预测模块,用于对从公路隧道机电设备中识别筛选出来的关键设备进行剩余寿命预测;高速公路机电设备退化分析模块,用于对高速公路机电设备进行退化分析。本预测系统将关键设备识别筛选与公路隧道机电设备剩余寿命预测相结合,大大提高了预测系统的效率和准确性。再结合高速公路机电设备退化分析,能够实现针对公路机电设备的全寿命周期的寿命预测。
-
公开(公告)号:CN114879631A
公开(公告)日:2022-08-09
申请号:CN202210466439.8
申请日:2022-04-29
Applicant: 长安大学
Inventor: 刘占文 , 赵祥模 , 李蕊芬 , 李超 , 王超 , 肖方伟 , 房颜明 , 王洋 , 宋明哲 , 孟虎 , 徐志刚 , 王润民 , 林杉 , 程娟茹 , 范锦 , 李文倩 , 闵海根 , 蒋渊德
IPC: G05B23/02
Abstract: 本发明提供一种基于数字孪生云控平台的自动驾驶测试系统和方法,借助仿真软件生成所需开发测试的高保真虚拟场景,并在仿真软件中建立多种虚拟传感器模型,将虚拟传感器探测到的目标物体信息通过总线注入到实车上的自动驾驶控制器中,并进行信息融合与控制决策,控制器将决策后的加速、制动以及转向指令发送给实车执行器。实车将车辆总线上的整车运动状态信息反馈给虚拟场景来完成车辆位置的同步,实现整个系统的闭环实时测试验证,并通过数字孪生云控平台实时展示场景相关孪生效果。从而实现虚实结合自动驾驶算法功能验证、场景仿真测试与整车相关的集成测试,并且克服现有实车道路测试和软件仿真测试技术不足,提高测试效率。
-
公开(公告)号:CN109002764B
公开(公告)日:2021-05-11
申请号:CN201810628664.0
申请日:2018-06-19
Applicant: 长安大学
Abstract: 本发明公开了一种交通标志图像识别模型构建方法及识别方法,本发明提供的方法通过构建两个卷积神经网络模型,一个是交通标志区域提取模型,用于从原始图像中将仅含有交通标志区域的图像提取出来,另外一个是交通标志识别模型,用于对提取出的仅含有交通标志的图像进行识别,获得该幅图像中的交通标志的识别结果;本发明提供的交通标志识别模型基于改进的ZF卷积神经网络,结合空间变换网络,训练得到应用于交通标志识别的网络模型,能够避免交通标志扭曲,形变造成的错识别问题,提高交通标志识别率;交通标志区域提取模型是在ZF卷积神经网络上改进的,设置四个不同尺度的提取区域进行交通标志区域提取,增加了交通标志识别精准率。
-
公开(公告)号:CN111615082A
公开(公告)日:2020-09-01
申请号:CN202010403211.5
申请日:2020-05-13
Applicant: 长安大学
Abstract: 本发明公开了一种异构自动驾驶车辆编队计算任务协同执行方法,车辆编队由N+1个装有计算单元和V2V通信单元的车辆Vi组成,由编队排头车辆V0逐车交换获得各车辆的车载计算和通信能力信息;当编队中有计算密集型任务需要计算时,由排头车辆根据编队中所有车辆的计算和通信能力及计算任务特点逐车进行总任务的分配和计算结果回收。通过该计算任务协同执行方法,可以消除车辆之间在进行任务调度过程中的计算和通信空闲,该发明可以充分得利用异构车辆编队的计算与通信资源,从而最小化总任务完成时间。
-
公开(公告)号:CN111428344A
公开(公告)日:2020-07-17
申请号:CN202010121709.2
申请日:2020-02-26
Applicant: 长安大学
IPC: G06F30/20 , G06F16/2458 , G06F119/04
Abstract: 本发明提供了一种高速公路机电设备退化分析模型的构建方法,该方法按照以下步骤进行:步骤一,获取原始数据:步骤二,构造运行状态特征参数序列和健康状态监测数据序列:步骤三,筛选敏感参数:步骤四,构造外部因素影响累积效应参数序列:步骤五,筛选主要外部累积效应影响参数:步骤六,建立高速公路机电设备退化分析模型:采用变换后的健康状态监测数据、敏感参数和主要外部累积效应影响参数构造训练数据集。本方法相较于以往通过分析高速公路机电设备故障和维护数据,获取各类设备失效概率分布的方法,本方法可以更加准确地把握设备退化过程。
-
公开(公告)号:CN108875640A
公开(公告)日:2018-11-23
申请号:CN201810638850.2
申请日:2018-06-20
Applicant: 长安大学
Abstract: 本发明公开了一种端到端无监督场景可通行区域认知能力的测试方法,通过将路面信息显示于测试区域地面,不仅能够将真实的路面信息进行复现,还能够采用该种方式显示丰富的路面环境;利用路面信息显示于测试区域地面,能够使被测试系统在测试时,获得实际路测相同的检测环境;采用全息技术的方法,能够真实、立体的复现路面上的物体,使测试环境更接近于真实环境;采用不同环境进行测试的方式得到不同路面场景信息检测不同场景下的可通行区域,能够全方面的评估可通行区域检测系统的认知能力;从而能够综合体现可通行区域检测系统的认知能力;本发明的测试方法能够为无人驾驶智能车在实际路测之前提供一种有效的、低风险的测试与评估手段。
-
公开(公告)号:CN108833833A
公开(公告)日:2018-11-16
申请号:CN201810636310.0
申请日:2018-06-20
Applicant: 长安大学
Abstract: 本发明公开了发明面向智能网联汽车场景图像数据感知与协同处理系统,通过单移动智能体图像数据感知与处理装置、路侧基础设施装置和远程服务器实现图像数据感知与协同处理系统,单移动智能体图像数据感知与处理装置中车载图像处理平台通过完成目标检测与识别、场景流估计等算法实现单视角图像数据处理;利用路侧基础设施装置中路侧图像处理平台通过完成目标检测与识别、图像融合等算法实现俯视视角图像数据处理与多视角图像融合处理,本发明结构简单,系统构成稳定,图像数据处理效率高,通信数据传输速度快且稳定,可以实现城市复杂交叉口路段先验地图绘制、智能网联车辆协同通行控制与引导等,加快推动智能网联汽车产业的落地实现。
-
公开(公告)号:CN108814630A
公开(公告)日:2018-11-16
申请号:CN201810758349.X
申请日:2018-07-11
Applicant: 长安大学
IPC: A61B5/18
Abstract: 本发明公开了一种驾驶适宜性检测装置及检测方法,采用一体化封闭式眼镜结构,并在外层采用黑色吸光材料,有效避免漏光及人眼瞳孔由于视觉注意本身引起的瞳孔变化,在眼镜与脸部贴合处采用柔性硅胶材料,使脸部与眼镜贴合,相当于直接对疲劳进行检测,提高了疲劳检测精度;用矩形面光源对瞳孔进行刺激,能够使光源对瞳孔刺激均匀;采用红外面光源对瞳孔进行照射,克服红外点光源对瞳孔图像采集的干扰,使瞳孔成像更加均匀,不易受干扰,采用三维长时卷积深度学习网络分析瞳孔运动视频,并对驾驶员任务适宜性进行客观的分级判定,深层理解瞳孔运动状态,实现端到端的检测,提高检测准确率和驾驶适宜性检测效率,本装置结构简单,使用方便快捷。
-
公开(公告)号:CN103353280B
公开(公告)日:2015-10-28
申请号:CN201310272034.1
申请日:2013-07-01
Applicant: 长安大学
Abstract: 本发明公开了一种用于高速公路寿命监测的地下传感器网络及其部署方法,由传感测量装置、光栅解调装置、光纤连接装置和通信及存储设备组成,传感测量装置主要包括水平应变传感器、垂直应变传感器、温度传感器以及土压力计,光栅解调装置包括光纤光栅解调仪,光纤连接装置包括光纤接线盒、光纤终端盒和室外光缆,通信及存储设备包括计算机和GPRS模块,本发明通过在道路各结构层内部埋设光纤光栅传感器,进行对道路结构的实时动态监测,解决了以往不能监测道路各结构层对交通荷载的动态响应问题,克服了以往监测的困难,实现了道路结构信息的实时监测。
-
公开(公告)号:CN102831600A
公开(公告)日:2012-12-19
申请号:CN201210257591.1
申请日:2012-07-24
Applicant: 长安大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于加权割合并的图像层次分割方法:步骤1:以图像的像素为顶点构造赋权图,构建无向权图的加权割合并的代价函数;步骤2:选取种子点,定义稀疏插值矩阵,更新与合并种子点所代表类的权值,层次迭代得到优化的相似矩阵,使原始图像在不同层次粗化,直至得到突显兴趣区域停止迭代,求解优化代价函数所表示的特征系统,得到无向赋权图中突显兴趣区域的粗分割;步骤3:针对突显兴趣区域进行从上到下扫描边界,采用的逆插值方法进行边界合并,得到图像的最优分割。本发明改进了归一化割的图像分割方法,采用了归一化割框架体系的思想,大大的提高了图像的分割效果,在子图边缘处分割效果的改进尤为明显。
-
-
-
-
-
-
-
-
-