专利交易市场

本发明公开的一种基于模式识别的转辙机故障识别方法，包括先将待测电流数据与标准电流数据基于时间轴和电流轴分为N段，再通过小波分解重构的方法分别对N段数据滤波处理，最后将经处理的正常数据与待识别数据进行FastDTW算法处理，将得到的结果依据阈值的方式来判断数据是否正常。本发明方法通过初始数据分段、去噪等数据预处理的方式很大程度上减少了FastDTW算法的运算量，加快运算效率，为后期的故障数据与故障数据库之间进行模式匹配得到了可行性保证，由于转辙机具有在启动和锁闭阶段故障率高的特性，从而增加相似度权重参数，为第一段数据与最后一段数据设置较高的相似度权重值来提高故障检测准确率。

本发明涉及智能驾驶技术领域，具体公开了一种用于疲劳状态识别的方向盘转角统计特征融合方法，首先实时采集方向盘转角时间序列和车速时间序列，并按照设定的阈值对方向盘转角时间序列进行滤波处理，得到有效的样本数据；然后按照设定的时间窗大小，计算固定长度样本的统计特征；最后将计算的统计特征形成统计特征矩阵，并计算该统计特征矩阵的特征根，最后抽取满足条件的特征根作为驾驶人方向盘转角统计特征的融合指标向量。本发明将方向盘转角的多统计特征进行融合，克服了现有技术直接采用某一项或多项统计指标带来的不稳定性，在实车工况下能有效支撑驾驶人疲劳状态的稳定识别，对不同驾驶者表现出了较高的工程泛化能力。