蒋淑霞
- 作品数：43 被引量：76H指数：6
- 供职机构：中南林业科技大学更多>>
- 发文基金：湖南省自然科学基金中南林业科技大学青年科学基金国家自然科学基金更多>>
- 相关领域：交通运输工程自动化与计算机技术机械工程电子电信更多>>
- 一种用于动量轮独轮车的转向饱和系统
- 本发明公开了一种用于动量轮独轮车的转向饱和系统，涉及动量轮独轮车技术领域，包括受力分析当<Image file="DDA0005053140420000011.GIF" he="121" imgContent="draw...
- 张征懿蒋淑霞 杨晖航
- 一种赛道特征识别方法及智能赛车
- 本发明公开了一种赛道特征识别方法及智能赛车，包括：获取赛道图像，提取赛道图像中特定行内左边线位置信息和右边线位置信息；根据特定行内左边线位置信息和右边线位置信息，计算特定行对应的参数信息；根据参数信息判断赛道图像对应的赛...
- 蒋淑霞孙勋培
- 基于改进YOLOv7-tiny的轻量化道路目标检测算法
- 2025年
- 针对目标检测算法对算力和存储空间的高要求限制其在边缘设备中检测功能实时性的问题,提出了一种基于YOLOv7-tiny改进的轻量化道路目标检测算法。首先,通过K-means++聚类算法生成适合道路目标检测的先验锚框;其次,改进ELAN结构轻量化主干网络,同时提出轻量型多尺度特征(LMS)模块优化颈部网络;最后,使用西格玛线性单元(SiLU)激活函数加速模型收敛,采用MPDIoU损失函数进一步提高检测精度。试验结果表明:改进后的模型参数量减少18.3%,计算量降低15.0%,且所有类别平均检测精度上升1.1%。在Jetson TX2中,使用TensorRT加速后的检测速度达到48帧/s,基本满足道路目标检测的实时性要求。
- 何泽江蒋淑霞柳霞
- 关键词：自动驾驶轻量化
- 基于聚类分析和小波改进的风机噪音的预测方法和装置
- 一种基于聚类分析和小波改进的风机噪音的预测方法和装置，方法包括：获取风机训练参数，其中，所述训练参数包括风机的几何参数和性能参数；对所述训练参数进行分析，其中，所述分析包括聚类分析和相关性分析；根据分析的结果建立基于小波...
- 蒋淑霞李翔晟张红
- 文献传递
- Duhamel积分在车辆振动中的应用被引量：1
- 2003年
- 从二自由度系统的动力学模型出发,求出主体冲击响应,并以这个响应作为输入用Duhamel积分求出隔振器变形响应,给出了一种新的解决二自由度振动问题的方法,结果表明Duhamel积分法在保证设计安全性同时又能准确地求出隔振器最大变形,为隔振器设计和选型提供理论依据。
- 傅勤毅蒋淑霞程浩
- 关键词：车辆振动动力学模型隔振器铁道车辆
- 智能小车转向控制方法和控制装置
- 本发明公开了一种智能小车转向控制方法和控制装置，所述方法包括：智能小车通过传感器测量出赛道的中心线位置偏差local_error；计算local_error<Sup>3</Sup>，并根据local_error的一次项系...
- 蒋淑霞
- 基于激光测距的原木材积自动计量系统的设计
- 2011年
- 针对大型林场原木材积计量中存在的人工检验效率低、误差大、强度大等问题,设计了一种林场原木材积自动计量系统。系统通过激光测距技术获取原木外轮廓包络面积,结合磁钢车轮传感器检测到的装载原木车厢速度和长度数据进行累计求和获得原木外包络体积,最后通过分析原木的堆叠模型确定合适的体积材积比从而计算出原木材积。
- 舒泽芳蒋淑霞
- 关键词：激光测距原木材积
- 基于PCA-IPSO-INN的离心风机噪声预测
- 2022年
- 因离心风机噪声超限造成返厂,会影响用户体验,同时增加制造成本,故提出一种新的分析方法,旨在生产前对离心风机噪声进行智能预测。首先基于相关性分析和主成分分析法(Principal Component Analysis,PCA)对风机15个性能和几何参数进行降维处理,然后提出一种具有非线性惯性权重的粒子群算法,并用于优化反向传播(Back Propagation,BP)神经网络的初始权值和阈值,最后寻找最佳隐层,确定BP神经网络4×8×1的结构,从而简化网络结构,提高收敛速度和预测精度。经实验验证,该方法较其他方法预测精度更高,平均误差仅为0.76%,且在生产企业得到很好应用,在工程实践中具有实际意义。
- 张长伟蒋淑霞隆波刘文刘梦安
- 关键词：离心风机改进粒子群算法噪声预测改进神经网络
- 基于小波和EMD的噪声量时频分析去噪效果评价方法
- 本发明公开了一种基于小波和EMD的噪声量时频分析去噪效果评价方法，所述方法包括数据获取、数据去噪、噪声量时域分析、噪声量时频谱分析；针对发动机上不同信号采用不同的去噪处理方法，达到最佳效果。本发明基于小波阈值去噪和EMD...
- 蒋淑霞
- 基于小波和神经网络的火花塞间隙识别
- 2017年
- 火花塞间隙异常是造成发动机积碳、动力不足的重要原因,由于其处于气缸内部,工作存在很强的干扰,现有的技术很难实现对其准确监测。应用小波阈值分析对发动机次级点火波形降噪,将提取到的特征曲线作为BP神经网络的输入,反复训练神经网络以获得最佳网络参数,利用该网络结构分析发动机次级点火波形与火花塞间隙的对应关系。通过实验证明该研究方案对预设的火花塞间隙分类区分达到了较准确的识别效果,可实现不拆机监测火花塞间隙区间的目标,并为实现发动机不解体在线故障诊断提供理论方法。
- 张琦蒋淑霞李翔晟薛行健
- 关键词：点火波形小波阈值去噪神经网络特征提取
