

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著國民經(jīng)濟的發(fā)展,中國道路交通網(wǎng)加速建設(shè),公路運輸行業(yè)快速發(fā)展,但車輛超限超載的問題也隨之日益加劇,對行駛在道路上的車輛進行超限超載檢測已非常緊迫,車輛寬高檢測系統(tǒng)由此發(fā)展起來,并作為超限超載檢測系統(tǒng)的一部分在其中發(fā)揮著非常重要的作用。車輛寬高檢測由傳統(tǒng)的人工檢測發(fā)展到使用激光傳感器檢測,測量結(jié)果更加直觀,并且測量精度有了很大提高。但當(dāng)前使用的激光傳感器車輛寬高檢測系統(tǒng)一般由激光傳感器和上位機組成,上位機直接處理激光傳感器傳回的數(shù)據(jù),
2、這樣造成系統(tǒng)內(nèi)聚性不強,不易作為一個模塊嵌入到超限超載檢測系統(tǒng)中使用,并且測量誤差較大,同時需給系統(tǒng)單獨配置一臺計算機,增加了系統(tǒng)成本。
針對以上問題,本文設(shè)計了一種基于 K-means聚類算法的寬高檢測儀表,儀表以ARM嵌入式工業(yè)控制主板為主控核心,嵌入WinCE操作系統(tǒng),使用MFC(Microsoft Foundation Classes,微軟基礎(chǔ)類庫)在Microsoft Visual Studio2008環(huán)境下進行模塊
3、化編程,配合儀表硬件各功能模塊實現(xiàn)對激光傳感器采集的數(shù)據(jù)進行接收、處理和車輛寬高數(shù)據(jù)上傳的功能。采用K-means聚類算法對車輛寬高數(shù)據(jù)進行處理,相對于當(dāng)前使用的激光傳感器車輛寬高檢測系統(tǒng)提高了測量精度。
本文主要內(nèi)容如下:
第一,介紹了寬高檢測儀表的研究背景和國內(nèi)外相關(guān)領(lǐng)域的研究現(xiàn)狀。
第二,論述了激光傳感器車輛寬高檢測系統(tǒng)的組成、工作流程、系統(tǒng)結(jié)構(gòu)和車輛寬高計算方法。
第三,學(xué)習(xí)并介紹了數(shù)據(jù)挖
4、掘和 K-means聚類算法的相關(guān)理論知識,包括數(shù)據(jù)挖掘的過程、任務(wù)和K-means聚類算法的原理、流程、優(yōu)點和Matlab實現(xiàn)等。
第四,根據(jù)功能要求設(shè)計了寬高檢測儀表的硬件結(jié)構(gòu),并對主控板模塊、交換機模塊和LED指示模塊的設(shè)計做了詳細說明。
第五,研究了嵌入式 WinCE系統(tǒng),編寫了基于 WinCE系統(tǒng)的儀表各功能模塊程序和動態(tài)鏈接庫,設(shè)計并編寫了儀表參數(shù)配置工具。
第六,對激光傳感器采集到的車輛寬高數(shù)
5、據(jù)進行分析,將 K-means聚類算法應(yīng)用到數(shù)據(jù)處理的過程中,并對實驗結(jié)果進行分析。
第七,總結(jié)本文的研究內(nèi)容,并展望未來寬高檢測儀表的發(fā)展。
本論文的主要創(chuàng)新點:
第一,將WinCE操作系統(tǒng)應(yīng)用到寬高檢測儀表的設(shè)計中,降低了應(yīng)用軟件的開發(fā)門檻,增強了程序的可移植性和系統(tǒng)穩(wěn)定性。
第二,儀表設(shè)計了光纖接口,可用光纖將車輛寬高數(shù)據(jù)上傳給上位機,延長了數(shù)據(jù)傳輸?shù)木嚯x。
第三,將 K-mean
6、s聚類算法應(yīng)用到對寬高數(shù)據(jù)的處理過程中,與當(dāng)前使用的激光傳感器車輛寬高檢測系統(tǒng)相比,提高了測量精度。
本儀表已應(yīng)用到實際工程項目中,在山西省多個高速公路治超檢測站運行穩(wěn)定、正常。使用 K-means聚類算法可有效濾除干擾點,車速在0~20km/h范圍內(nèi)時,單激光傳感器車輛寬高檢測系統(tǒng)高度測量誤差在±10mm以內(nèi),寬度測量誤差在±20mm以內(nèi);雙激光傳感器車輛寬高檢測系統(tǒng)高度測量誤差在±5mm以內(nèi),寬度測量誤差在±10mm以內(nèi)。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于K-Means的文檔聚類算法研究.pdf
- K-means聚類算法的改進.pdf
- K-means聚類算法的改進研究.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- (6)K-means聚類算法.pdf
- K-Means聚類算法的研究與改進.pdf
- 基于K-means聚類算法的負荷模型研究.pdf
- 基于K-Means聚類算法的客戶細分研究.pdf
- 基于K-means算法的文本聚類的研究與實現(xiàn).pdf
- 基于聚類K-Means算法的分析與應(yīng)用研究.pdf
- 密度敏感的K-means聚類算法研究.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
- 基于密度的改進K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進研究.pdf
- 數(shù)據(jù)挖掘K-means聚類算法的研究.pdf
- 基于現(xiàn)代優(yōu)化算法的K-means聚類的研究與應(yīng)用.pdf
- 基于MapReduce的K-means聚類算法的FPGA加速研究.pdf
- 基于MapReduce的海量數(shù)據(jù)K-means聚類算法研究.pdf
- 基于新聞評論數(shù)據(jù)的K-means聚類算法的研究.pdf
評論
0/150
提交評論