基于视觉对驾驶行为进行异常检测中,出于行车安全的角度考虑,在采集驾驶行为样本时异常驾驶行为不能长时间持续,因此数据集会存在异常样本数较少的问题。而对于高阶小样本数据,线性支持高阶张量机(Support Higher-Order Tensor Machine,简称SHTM)具有很好的分类性能。但视觉图像会包括整个驾驶区域,使其存在较多冗余信息,影响SHTM的分类精度,采用视觉几何群19网络(Visual Geometry Group Network19,简称VGG19)对数据进行特征提取能够有效的解决这个问题。同时,对于VGG19训练过程中样本数不足的问题,迁移学习能够很好的解决。因此,提出迁移VGG支持高阶张量机算法(Transfer VGG-Support Higher-Order Tensor Machine,简称迁移VGG-SHTM),利用VGG19对样本数据进行特征提取,并引入迁移学习的方法解决VGG19训练过程中数据样本较少的问题,最后利用SHTM对提取的特征进行分类,实现驾驶行为异常...

针对数控机床主轴传统加载装置存在的不足,提出一种新型气动加载试验平台并开展主轴可靠性加载试验研究。基于机床铣削动力学模型设计了试验平台机械结构和高压气动加载系统,叶轮作为气动受载部件承受由喷嘴喷出的高压空气流,并将高压空气的压力转换为主轴的负载扭矩,从而实现对主轴的扭矩加载。根据全因子试验设计方法,研究高压空气压强、主轴转速等因子对转矩数据的影响关系,进行加载试验,验证了该气动加载试验平台的优越性。