倪国芬
- 作品数：2 被引量：7H指数：2
- 供职机构：南京航空航天大学自动化学院更多>>
- 相关领域：自动化与计算机技术电子电信交通运输工程机械工程更多>>
- 基于图像特征分类和RBF网络的两轴车辆动态称重技术被引量：5
- 2007年
- 汽车在行驶过程中的总重信号通常由各轴重信号确定,各轴重信号的测试精度取决于对车辆运动参数和振动信号等的精确分析。本文采用径向基函数(Radial basis function,RBF)网络处理轴重信号,针对该网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,并进行整车建模和网络训练;实际测试过程中,利用汽车俯视图像提取类型特征,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。仿真结果表明,分类建模比单一混合建模具有更高的测试精度。
- 姚恩涛张君倪国芬季娟
- 关键词：轴重径向基函数网络
- 图像分类结合经验模分解和径向基函数网络在车辆动态称重中的应用被引量：2
- 2007年
- 在车辆动态称重系统中,称重数据的处理是很复杂的。针对车辆运动参数对轴重信号的影响,本文采用径向基函数(RBF)网络,考虑到网络的泛化能力与拟合精度的矛盾,将车辆按照重量分为大、中、小3种类型,进行整车建模和网络训练。实际测试过程中,利用汽车俯视图像先提取类型特征,为了减小汽车运行过程中的振动对测试精度的影响,对汽车完全驶上称重台的信号进行经验模分解(empirical mode decomposition,EMD)求得剩余分量的平均值,并以前、后轴的剩余分量的平均值、平均速度、上台信号上升斜率、下台信号下降斜率为径向基函数网络的输入,然后根据汽车的类型将测试参数输入不同的神经网络进行处理,以静态测量结果为相对真值。结果表明,采用台上信号EMD分解的剩余分量的平均值作为输入的分类建模比直接采用台上信号的平均值作为输入的单一建模测试精度更高。
- 张君姚恩涛倪国芬季娟
- 关键词：径向基函数(RBF)网络图像处理
