33、智能传感器系统与集装箱港口决策优化研究

智能传感器系统与集装箱港口决策优化研究

1. 智能 AMR 传感器系统案例研究

1.1 车辆识别智能系统详情

在车辆识别实验中，以火车经过传感器时的典型磁化“足迹”为研究对象。从火车多次经过传感器的运行中获取一组训练数据，并为四个不同类别手动选择感兴趣区域（ROI）数据，每个 ROI 大小固定为 1000 个样本。从 ROI 样本中提取多个特征，这里启发式地使用了统计特征，如均值、最大值、最小值和方差，最终选择了均值、最小值和方差这三个特征用于分类，因为对于基于微控制器的系统实现，这些特征在计算上最为简单。

使用 k - NN 分类器（k 取值从 1 到 5），离线模式下训练和测试数据集的分类准确率达到了 100%，在线数据测试 10 次的分类准确率为 97.5%。RNN 分类器的准确率稍低，离线测试时为 99%，在线测试时为 96%。这是因为 RNN 选择权重减少，导致出错概率增加，当不同类别的两个参考点距离相似时，可能会产生混淆，从而影响决策的准确性。

1.2 Self - x 特性的实现

1.2.1 自我监控特性

实验证明了传感器级自我监控的有效性。随着老化过程，传感器输出读数呈现不同水平。由于磁畴受到随机影响，很难预测传感器的退化程度，传感器虽仍能工作，但输出与初始参考值不同。为恢复读数准确性，可在传感器信号调理或处理级别进行补偿，而非在传感级别，目前关于结合此概念的分类性能数据尚未实现。

1.2.2 自我修复特性

自我修复特性的实验结果总结如下：
|阶段|分类准确率|原因分析|
| ---- | ---- | ---- |
|