CN106681329A - 一种车辆自动驾驶*** - Google Patents
一种车辆自动驾驶*** Download PDFInfo
- Publication number
- CN106681329A CN106681329A CN201710042957.6A CN201710042957A CN106681329A CN 106681329 A CN106681329 A CN 106681329A CN 201710042957 A CN201710042957 A CN 201710042957A CN 106681329 A CN106681329 A CN 106681329A
- Authority
- CN
- China
- Prior art keywords
- noise reduction
- signal
- vehicle
- vibration signal
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims description 58
- 238000001514 detection method Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000007257 malfunction Effects 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 description 8
- 238000005311 autocorrelation function Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000527 sonication Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种车辆自动驾驶***,包括路况信息获取装置、路况信息处理装置、驾驶控制装置和车辆故障检测装置;所述路况信息获取装置用于获取车辆周围的路况信息;所述路况信息处理装置用于基于所述路况信息产生驾驶控制信息,并将所述驾驶控制信息传送至驾驶控制装置;所述车辆故障检测装置用于对车辆进行故障检测,并向驾驶控制装置发送故障检测结果;所述驾驶控制装置基于所述驾驶控制信息控制车辆进行自动驾驶,并在车辆发生故障时控制车辆停止自动驾驶。本发明有效解决了汽车自动驾驶***存在自动化程度较低,使用不方便的技术问题,进而实现了汽车自动驾驶***自动化程度较高,使用方便的技术效果。
Description
技术领域
本发明涉及车辆驾驶技术领域,具体涉及一种车辆自动驾驶***。
背景技术
相关技术中的汽车自动驾驶***,本质上为辅助驾驶和导航***,并没有真正的实现自动驾驶,仍然需要人工进行操作,所以,现有的汽车自动驾驶***存在自动化程度较低,使用不方便的技术问题。
发明内容
针对上述问题,本发明旨在提供一种车辆自动驾驶***。
本发明的目的采用以下技术方案来实现:
提供了一种车辆自动驾驶***,包括路况信息获取装置、路况信息处理装置、驾驶控制装置和车辆故障检测装置;所述路况信息获取装置用于获取车辆周围的路况信息;所述路况信息处理装置用于基于所述路况信息产生驾驶控制信息,并将所述驾驶控制信息传送至驾驶控制装置;所述车辆故障检测装置用于对车辆进行故障检测,并向驾驶控制装置发送故障检测结果;所述驾驶控制装置基于所述驾驶控制信息控制车辆进行自动驾驶,并在车辆发生故障时控制车辆停止自动驾驶。
本发明的有益效果为:通过路况信息获取装置获取路况信息,对路况信息进行处理生成驾驶信息,并基于驾驶信息进行车辆的驾驶,从而能够避让周围的车辆,并且能够在车辆发生故障时及时控制车辆停止自动驾驶行为,有效解决了汽车自动驾驶***存在自动化程度较低,使用不方便的技术问题,进而实现了汽车自动驾驶***自动化程度较高,使用方便的技术效果。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构连接示意图;
图2是本发明一个实施例中车辆故障检测装置的结构框图。
附图标记:
路况信息获取装置1、路况信息处理装置2、驾驶控制装置3、车辆故障检测装置4、振动信号获取模块11、振动信号降噪模块12、故障特征提取模块13、故障识别模块14。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种车辆自动驾驶***,包括路况信息获取装置1、路况信息处理装置2、驾驶控制装置3和车辆故障检测装置4;所述路况信息获取装置1用于获取车辆周围的路况信息;所述路况信息处理装置2用于基于所述路况信息产生驾驶控制信息,并将所述驾驶控制信息传送至驾驶控制装置3;所述车辆故障检测装置4用于对车辆进行故障检测,并向驾驶控制装置3发送故障检测结果;所述驾驶控制装置3基于所述驾驶控制信息控制车辆进行自动驾驶,并在车辆发生故障时控制车辆停止自动驾驶。
优选的,所述路况信息包括车辆周围的图像信息、车辆周围的声音信息、自动驾驶的最优路线信息。
优选的,所述驾驶控制信息包括:车辆行驶速度、方向、信号灯的控制、喇叭的控制。
本发明上述实施例通过路况信息获取装置1获取路况信息,对路况信息进行处理生成驾驶信息,并基于驾驶信息进行车辆的驾驶,从而能够避让周围的车辆,并且能够在车辆发生故障时及时控制车辆停止自动驾驶行为,有效解决了汽车自动驾驶***存在自动化程度较低,使用不方便的技术问题,进而实现了汽车自动驾驶***自动化程度较高,使用方便的技术效果。
参见图2,所述车辆故障检测装置4包括依次连接的振动信号获取模块11、振动信号降噪模块12、故障特征提取模块13和故障识别模块14,所述振动信号获取模块11,用于利用加速度传感器获取车辆在正常状态下及各种故障状态下运行时的原始振动信号;所述振动信号降噪模块12用于对原始振动信号进行降噪处理;所述故障特征提取模块13用于提取降噪后的振动信号的故障特征信息;所述故障识别模块14用于建立故障诊断模型,并采用提取的故障特征信息对该故障诊断模型进行训练,从而基于训练完的故障诊断模型对车辆进行故障识别。所述振动信号降噪模块12包括信号初步降噪子模块、信号二级降噪子模块和信号末级降噪子模块,所述信号初步降噪子模块用于利用最小熵反褶积的自适应分析方法对原始振动信号进行初步降噪;所述信号二级降噪子模块用于对经过信号初步降噪子模块处理后的振动信号进行二次降噪;所述信号末级降噪子模块用于基于改进的综合经验模态算法对信号二级降噪后的振动信号进行末级降噪。
本优选实施例对获取的原始振动信号进行多次降噪,能够有效地消除噪声对数据的影响,从而有利于更精确地提高对车辆进行故障特征提取的精度。
优选地,所述提取降噪后的振动信号的故障特征信息,具体包括:(1)通过二阶循环自相关函数对降噪后的振动信号进行解调分析,获得二阶循环自相关函数;(2)对该二阶循环自相关函数进行时域切片,获得时域切片信号,从而提取出振动信号的故障特征信息。
其中,所述利用最小熵反褶积的自适应分析方法对原始振动信号进行初步降噪,包括:(1)采用范数衡量熵的大小,并把其作为目标函数,求目标函数的最大值,即为最优滤波器系数;(2)运用该最优滤波器系数对原始振动信号进行反褶积运算,得出滤波器系数;(3)使用得到的滤波器系数设计FIR滤波器对原始振动历史信号进行滤波。
本优选实施例通过上述降噪方式对原始振动信号进行降噪处理,能够有效降低原始振动信号中的噪声部分,提高原始振动信号的信噪比,削弱噪声对综合经验模态分解后的微弱信号特征提取的干扰,进一步提高对车辆进行故障特征提取的精度,从而有益于提高对车辆进行精确的故障识别,确保在车辆发生故障时能够得到及时的维修,保证车辆自动驾驶***的正常运行。
优选地,所述对经过信号初步降噪子模块处理后的振动信号进行二次降噪,具体包括:
(1)对经过信号初步降噪子模块降噪的振动信号进行小波转换,得到不同频带上的振动信号,采用滑动窗技术对各频带上的振动信号进行分段处理,提取振动信号的时间序列Z和K,以及各段信号的小波系数其中g=1,2,3…,为振动信号的频带数,m=1,2,3…,为小波系数的序列,对振动信号的功率谱密度进行一阶平滑处理,得到平滑后的振动信号Q(Z,K);
(2)设定各个频带上平滑后的振动信号中各段信号的阀值,根据设定的阀值对各段信号进行降噪,削除超出阀值以外的振动信号;
(3)将降噪后的各段信号进行重构,之后进入信号末级降噪子模块进行进一步降噪处理。
本优选实施例采用上述方式对原始振动信号进行二次降噪处理,能够使得各段噪声处理更加灵活准确,降噪效果更好,为对车辆的故障特征提取奠定良好的基础,从而能够有利于实现车辆故障的精确识别。
优选地,设Q(Z,K)表示时间序列为Z和K的平滑后的振动信号,Q(Z-1,K)为时间序列为Z-1和K的平滑后的振动信号,设定Q(0,K)=0,进行二次降噪时,采用以下经过优化的平滑公式得到平滑后的振动信号:
式中,N为采用的窗函数的长度,β为人为设定的阈值系数,|U(Z,K)|2为振动信号Q(Z,K)所对应频带的功率谱密度。
在本实施例中,设定的平滑公式不仅考虑了阀值系数的影响,也考虑了窗函数的长度的影响,确保了平滑处理的精确度,适用范围更广,从而能够更好地对车辆的原始振动信号进行降噪,为对车辆的故障特征提取奠定良好的基础。
优选地,按照以下公式对各个频带上平滑后的振动信号中各段信号的阀值进行设定,设Tg为第g个频带上平滑后的振动信号Q(Z,K)的阈值,则:
式中,β为所述的人为设定的阀值系数,Wmax(Z,K)、Wmin(Z,K)和分别为平滑后的振动信号Q(Z,K)的最大值、最小值和平均值,为所述的各段信号的小波系数的中值的绝对值。
本优选实施例能够根据振动信号中各频带的功率谱密度和小波系数对各段信号的阀值自适应地进行调整,能够避免受到振动信号长度的影响,提高降噪的精确度,有利于实现车辆的故障的精确识别,从而确保在车辆发生故障时能够及时控制车辆停止自动驾驶,保证车辆自动驾驶的安全性。
优选地,所述对二级降噪后的振动信号进行末级降噪,包括:
(1)设定高低频的分界线,采用经验模态分解的自适应时频分析方法将初步降噪后的原始振动信号按高低频分解成不同的固有模态函数,对所得的固有模态函数进行傅里叶变换,获得多个含有高频成分的固有模态函数和多个含有低频成分的固有模态函数,将多个含有高频成分的固有模态函数组合成新的本征模态函数WH,将多个含有低频成分的固有模态函数组合成新的本征模态函数WL,该本征模态函数WH的组合计算公式为:
本征模态函数WL的组合计算公式为:
式中,W1,W2,…,Wa表示含有高频成分的固有模态函数,W1+a,W2+a,…,Wb表示含有低频成分的固有模态函数,a是含有高频成分的固有模态函数的最大层数,b是含有低频成分的固有模态函数的最大层数;
(2)对本征模态函数WH、WL分别进行综合经验模态分解,提取敏感的固有模态函数。
本优选实施例能够避免经验模态分解中的模态混叠现象,提高综合经验模态的分解精度,为下一步对车辆的故障特征提取奠定基础。
优选地,对本征模态函数WL进行综合经验模态分解时,选取整合次数为100,选取白噪声幅值为[0.2,0.6];
对本征模态函数WH进行综合经验模态分解时,选取整合次数为100,选取白噪声幅值满足Pn=0.06Ph,其中Pn为选取的白噪声的能量标准差,Ph为原始振动信号的最优高频成分的能量标准差,该最优高频成分为与原始振动信号相关性最大的固有模态函数,其中,采用下式计算固有模态函数与原始振动信号的相关性:
式中,RELATIVE Ei(j)表示Ei(j)与原始振动信号的相关性,C0(j)表示第j个原始振动信号,Ei(j)表示与第j个原始振动信号对应的第i个固有模态函数,B为原始振动信号的采样点数,γ表示与第j个原始振动信号对应的固有模态函数的数量,为原始振动信号的均值,Ψ为人为设定的修正系数。
本优选实施例选取优化后的白噪声幅值进行综合经验模态分解,能够提高综合经验模态分解的精度,从而有利于实现对车辆的原始振动信号的精确降噪以及故障特征的提取,实现精确的车辆故障识别,从而确保在车辆发生故障时能够及时控制车辆停止自动驾驶,保证车辆自动驾驶的安全性。
发明人采用本实施例进行了一系列测试,以下是进行测试得到的实验数据,该试验数据表明,本发明能够成功的避让周围的车辆,并且能够在车辆发生故障时及时控制车辆停止自动驾驶行为,有效解决了汽车自动驾驶***存在自动化程度较低,使用不方便的技术问题,产生了显著的有益效果:
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种车辆自动驾驶***,其特征是:包括路况信息获取装置、路况信息处理装置、驾驶控制装置和车辆故障检测装置;所述路况信息获取装置用于获取车辆周围的路况信息;所述路况信息处理装置用于基于所述路况信息产生驾驶控制信息,并将所述驾驶控制信息传送至驾驶控制装置;所述车辆故障检测装置用于对车辆进行故障检测,并向驾驶控制装置发送故障检测结果;所述驾驶控制装置基于所述驾驶控制信息控制车辆进行自动驾驶,并在车辆发生故障时控制车辆停止自动驾驶。
2.根据权利要求1所述的一种车辆自动驾驶***,其特征是:所述路况信息包括车辆周围的图像信息、车辆周围的声音信息、自动驾驶的最优路线信息。
3.根据权利要求2所述的一种车辆自动驾驶***,其特征是:所述驾驶控制信息包括:车辆行驶速度、方向、信号灯的控制、喇叭的控制。
4.根据权利要求3所述的一种车辆自动驾驶***,其特征是:所述车辆故障检测装置包括依次连接的振动信号获取模块、振动信号降噪模块、故障特征提取模块和故障识别模块,所述振动信号获取模块,用于利用加速度传感器获取车辆在正常状态下及各种故障状态下运行时的原始振动信号;所述振动信号降噪模块用于对原始振动信号进行降噪处理;所述故障特征提取模块用于提取降噪后的振动信号的故障特征信息;所述故障识别模块用于建立故障诊断模型,并采用提取的故障特征信息对该故障诊断模型进行训练,从而基于训练完的故障诊断模型对车辆进行故障识别。所述振动信号降噪模块包括信号初步降噪子模块、信号二级降噪子模块和信号末级降噪子模块,所述信号初步降噪子模块用于利用最小熵反褶积的自适应分析方法对原始振动信号进行初步降噪;所述信号二级降噪子模块用于对经过信号初步降噪子模块处理后的振动信号进行二次降噪;所述信号末级降噪子模块用于基于改进的综合经验模态算法对信号二级降噪后的振动信号进行末级降噪。
5.根据权利要求4所述的一种车辆自动驾驶***,其特征是:所述对经过信号初步降噪子模块处理后的振动信号进行二次降噪,具体包括:
(1)对经过信号初步降噪子模块降噪的振动信号进行小波转换,得到不同频带上的振动信号,采用滑动窗技术对各频带上的振动信号进行分段处理,提取振动信号的时间序列Z和Y,以及各段信号的小波系数其中g=1,2,3…,为振动信号的频带数,m=1,2,3…,为小波系数的序列,对振动信号的功率谱密度进行一阶平滑处理,得到平滑后的振动信号Q(Z,K);
(2)设定各个频带上平滑后的振动信号中各段信号的阀值,根据设定的阀值对各段信号进行降噪,削除超出阀值以外的振动信号;
(3)将降噪后的各段信号进行重构,之后进入信号末级降噪子模块进行进一步降噪处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710042957.6A CN106681329A (zh) | 2017-01-20 | 2017-01-20 | 一种车辆自动驾驶*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710042957.6A CN106681329A (zh) | 2017-01-20 | 2017-01-20 | 一种车辆自动驾驶*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106681329A true CN106681329A (zh) | 2017-05-17 |
Family
ID=58860160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710042957.6A Pending CN106681329A (zh) | 2017-01-20 | 2017-01-20 | 一种车辆自动驾驶*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106681329A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308066A (zh) * | 2017-07-27 | 2019-02-05 | 安波福技术有限公司 | 用于自动化车辆的传感器故障补偿*** |
CN109345658A (zh) * | 2018-10-29 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 车辆***故障的修复方法、装置、设备、介质和车辆 |
CN109581996A (zh) * | 2017-09-28 | 2019-04-05 | 郑州宇通客车股份有限公司 | 驾驶状态提示方法、提示装置和车辆 |
CN112558581A (zh) * | 2019-09-26 | 2021-03-26 | 上海汽车集团股份有限公司 | 高级驾驶辅助***功能的测试方法和测试装置 |
CN113495547A (zh) * | 2020-03-20 | 2021-10-12 | 北京智行者科技有限公司 | 一种实时安全的无人驾驶故障诊断与保护方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1746801A (zh) * | 2005-07-18 | 2006-03-15 | 李胜强 | 一种汽车自动驾驶*** |
CN104460667A (zh) * | 2014-10-31 | 2015-03-25 | 成都众易通科技有限公司 | 一种汽车自动驾驶*** |
CN104820424A (zh) * | 2015-05-15 | 2015-08-05 | 山东省计算中心(国家超级计算济南中心) | 基于北斗导航的电动汽车自动驾驶***及其控制方法 |
-
2017
- 2017-01-20 CN CN201710042957.6A patent/CN106681329A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1746801A (zh) * | 2005-07-18 | 2006-03-15 | 李胜强 | 一种汽车自动驾驶*** |
CN104460667A (zh) * | 2014-10-31 | 2015-03-25 | 成都众易通科技有限公司 | 一种汽车自动驾驶*** |
CN104820424A (zh) * | 2015-05-15 | 2015-08-05 | 山东省计算中心(国家超级计算济南中心) | 基于北斗导航的电动汽车自动驾驶***及其控制方法 |
Non-Patent Citations (2)
Title |
---|
孙曙光 等: "一种基于新型小波阈值去噪预处理的EEMD谐波检测方法", 《电力***保护与控制》 * |
王志坚 等: "基于MED-EEMD的滚动轴承微弱故障特征提取", 《农业工程学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308066A (zh) * | 2017-07-27 | 2019-02-05 | 安波福技术有限公司 | 用于自动化车辆的传感器故障补偿*** |
CN109581996A (zh) * | 2017-09-28 | 2019-04-05 | 郑州宇通客车股份有限公司 | 驾驶状态提示方法、提示装置和车辆 |
CN109345658A (zh) * | 2018-10-29 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 车辆***故障的修复方法、装置、设备、介质和车辆 |
CN112558581A (zh) * | 2019-09-26 | 2021-03-26 | 上海汽车集团股份有限公司 | 高级驾驶辅助***功能的测试方法和测试装置 |
CN113495547A (zh) * | 2020-03-20 | 2021-10-12 | 北京智行者科技有限公司 | 一种实时安全的无人驾驶故障诊断与保护方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106681329A (zh) | 一种车辆自动驾驶*** | |
CN109357749B (zh) | 一种基于dnn算法的电力设备音频信号分析方法 | |
CN107393542B (zh) | 一种基于双通道神经网络的鸟类物种识别方法 | |
US10607632B2 (en) | Abnormal sound detection apparatus and detection method | |
CN110120024B (zh) | 图像处理的方法、装置、设备和存储介质 | |
CN103578468B (zh) | 一种语音识别中置信度阈值的调整方法及电子设备 | |
CN103884502B (zh) | 一种变转速下风力发电机行星齿轮***故障诊断方法 | |
CN105593927B (zh) | 正弦有源噪声降噪***中的不稳定性检测和校正 | |
EP2333771A1 (en) | Method and apparatus to enhance an audio signal in a noisy environment | |
CN107402131B (zh) | 一种基于轨边声学信号时频脊线的高速列车运动参数识别方法 | |
CN109029987A (zh) | 行星齿轮箱齿轮故障检测方法及*** | |
CN114013957B (zh) | 基于声音信号的输送带纵向撕裂检测方法及相关设备 | |
DE102014107313A1 (de) | Raddrehzahlsensor und Schnittstellensysteme und Verfahren | |
CN111791720B (zh) | 一种电动车控制*** | |
EP3579144A3 (en) | Visual perception method, apparatus, device, and medium based on an autonomous vehicle | |
CN113192532A (zh) | 一种基于mfcc-cnn的矿井提升机故障声学分析方法 | |
CN103994062A (zh) | 液压泵故障特征信号提取方法 | |
CN111611832A (zh) | 基于加速度信号获取车辆响应位移的方法及其*** | |
CN110596758A (zh) | 一种地震信号低频能量补偿方法 | |
CN106569476A (zh) | 一种天线轴系固有频率及控制***带宽的自我检测方法 | |
CN106960192A (zh) | 自动驾驶中基于前向摄像头的道路标线提取*** | |
US7877252B2 (en) | Automatic speech recognition method and apparatus, using non-linear envelope detection of signal power spectra | |
TWI597720B (zh) | 嬰兒哭聲偵測電路及相關的偵測方法 | |
CN103761520B (zh) | 基于笔划宽度的文档图像无参二值化方法 | |
CN110602423A (zh) | 一种可智能调节的led电视 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170517 |
|
RJ01 | Rejection of invention patent application after publication |