基于关联图的车身零件装配序列规划

对车身零件装配优先关系应用装配关联图及矩阵建模,分析了装配不同构形下的分总成数学模型,根据识别出的分总成采取不同的选择方案以自动生成车身装配序列,该方法应用某车身前围进行了装配顺序规划的实例验证。     

一种可降低汽车白车身装配偏差的改进DBSCAN算法

为了提高白车身装配质量，结合白车身特征点分布不均匀的特性、特征点的非空间属性，以及基于构建的有权无向网络图，提出了一种参数自适应的DBSCAN算法，对连续离线白车身进行区域装配偏差识别，实现偏差区域诊断和自动报警。试验表明，本研究方法能有效监控误差源，及时解决各种问题引起的偏差，提高整车制造质量。     

数据挖掘技术在轿车白车身装配偏差溯源中的应用

提出一种将数据挖掘技术与装配工艺知识相融合的白车身装配尺寸偏差源快速诊断方法。该方法采用最大树法对测量得到的大量分散孤立的多维尺寸数据进行相似性聚类,通过多元统计分析进行偏差模式识别,以偏差主模式为基础提取相关产品、工艺、工装等深层知识,通过构造诊断决策树实现对白车身装配过程尺寸偏差源的快速诊断。实际应用表明,该方法有利于缩小问题空间,提供有效的诊断决策支持;能够克服单纯数据分析导致的偏差源误判与漏判,可快速准确地找到偏差源。     

柔性装配偏差分析在白车身焊装尺寸质量控制中的应用

针对汽车白车身焊装特点,介绍了一种柔性装配偏差分析方法,并利用该方法对某型汽车前舱总成焊装过程进行了模拟焊装试验.模拟试验结果表明,柔性装配偏差分析方法能够反映出实际焊装过程中零件尺寸偏差情况,并可通过敏感度分析快速找出产生问题的根本原因.通过实际应用验证了该方法的有效性.     

基于尺寸工程的轿车行李箱盖总成与尾灯装配偏差分析

轿车车身尾灯区与周边零件的配合间隙和高度差体现了整车的设计水平和制造装配水平。分析了行李箱盖板总成和尾灯之间的装配偏差、与白车身之间的装配流程及相关的定位基准建立。介绍了如何利用均方根分析法RSS(Root Sum Square)分析装配偏差、总成偏差及进行零件误差分配，并进行了理论推导和实例分析。实践表明，通过分析零件的偏差来指导设计，可减少重复工作，提高设计合理性，尤其在结构方案设计初期更具有指导意义。     

基于PCWR的薄板件装配偏差计算与控制研究

针对汽车车身设计中由于未考虑柔性薄板件装配误差而导致多次的试制和设计变更问题,提出了一种面向设计的装配偏差控制方法。该方法在设计阶段基于柔性薄板件焊接的定位、夹紧、焊接、释放(PCWR)过程进行焊接装配偏差分析,使用影响系数法和蒙特卡罗模拟法建立焊接装配偏差模型,并结合实例进行了偏差计算模型的验证。在装配偏差分析基础上使用遗传算法进行零件结构和公差的优化设计,从而以较低的成本实现对车身装配偏差的控制。     

白车身总成装焊尺寸精度控制方法探讨

在白车身总成装焊中,控制零部件定位尺寸精度偏差是关系到白车身总成装焊质量、汽车装配质量和影响汽车性能的重要因素.同时,也是影响白车身外观质量、装配效率和装配成本的关键问题.     

车身尺寸质量的控制方法

随着汽车工业的快速发展以及人们需求的不断提高,人们对车身质量的要求越来越高。本文介绍了车身尺寸工程的意义,以及神龙公司车身尺寸偏差按照功能分析开展控制的工作内容,简要介绍了车身尺寸偏差的控制要点、评价指标及系统的分析控制方法。     

基于偏差分析的车身副车架安装区域尺寸链优化

为了保证车身副车架安装面的装配准确度,提高四轮定位参数的合格率,以正在研发的一款SUV为基础,对车身副车架安装区域的改进设计进行研究。以偏差分析为基础,通过偏差分析数学模型进行仿真分析;并将理论分析与仿真分析的结果进行对比,改进了工艺方法及结构设计;通过刚度分析,对不同工艺方法导致的刚度变化进行对比,并结合Benchmarking(标杆)车的刚度参数,从工艺层面提出解决方案。     

极限学习机在车身前纵梁装配中误差预测应用

在智能制造推动下,制造业对大数据的收集与特征分析愈加重视,数据分析技术更是大数据应用的关键技术,总结现有基于数据驱动的装配偏差控制方法,提出基于极限学习机建模的车身装配偏差预测控制方法,通过对检测数据的拟合建模,实现车身产品装配质量预测,并应用于制造生产线指导。文章应用极限学习机(Extreme Learning Machine,ELM)基于采集的车身前纵梁制造装配数据预测装配过程中的关键特征质量误差状态,从结果分析角度说明ELM准确预测误差状态。     

基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

基于因子图优化的众包高精度地图云端融合方法

针对高精度地图传统云端融合方法生成的地图置信度较低、误差较大的问题，提出了一种基于因子图优化的众包高精度地图云端融合方法。利用 RTK-GPS数据对车端上传的局部语义地图进行全局化处理；对地图片段进行匹配，并利用一致性筛选流程提高匹配精度；以车道线匹配对构建约束地图间变换关系矩阵的因子图优化模型；利用某城市道路真实多车轨迹数据进行测试。结果表明，相较于传统方法，该算法对于优化初值的依赖性较低，对于地图间聚集度提升了44.7%；与车道线数据真值相比，该算法绝对误差均在1 m以内，具有较高的实用价值。     

Velocity control with disturbance observer for pedal-assisted electric bikes

This paper proposes a velocity control approach for light electric bicycles with human power assistance. A disturbance observer mechanism is used to estimate the sum of the human torque and resistance torques. The resulting vehicle velocity control provides better battery energy efficiency by knowledge of the instantaneous human torque assistance and better speed control by knowledge of the instantaneous resistive torque. The disturbance observer is tuned in terms of the DC gain of a low-passed Q-filter for both open-loop and closed-loop schemes. Assuming that the slow varying nature of the disturbance has been properly estimated and compensated, the torque control law is designed via an optimal control approach to achieve multi-objective performances regarding the external disturbance input, control signal magnitude, and velocity tracking error. The three main parameters of the electric bike, including the moment of inertia, the radius of tyre and the vehicle weight are allowed to be variational. Specifically, the deviation of the inertia moment and deviation of the tyre radius are addressed during the controller design in terms of linear matrix inequalities. On the other hand, the effect of vehicle weight deviation on the system behaviour is evaluated when the vehicle is implemented with the constructed control law. Based on the parameters and specifications of the EL-168 electric bike produced by KENTFA Advanced Technology, Taiwan, the design results are verified through time–response simulations.     

考虑动力学模型系统误差补偿的智能车GNSS/IMU组合定位算法

为了解决智能车动态组合定位过程中，因动力学模型与实际模型之间存在偏差导致滤波精度下降的问题，针对智能车全球导航卫星系统(GNSS)/惯性测量单元(IMU)组合定位系统，结合非线性预测滤波(NPF)和自适应滤波的优点，提出了一种考虑动力学模型系统误差实时估计和补偿的自适应非线性预测滤波(ANPF)算法。首先，根据NPF算法原理，通过最小化预测观测残差与系统误差的加权平方和，估计动力学模型系统误差；其次，结合自适应滤波原理，利用状态预测残差向量构造自适应因子，设计了一种自适应扩展卡尔曼滤波(AEKF)算法，用于估计系统状态向量，并通过自适应因子抑制动力学模型系统误差和线性化误差对系统状态估计精度的影响，克服NPF对系统状态估计精度有限的缺陷；再次，对动力学模型系统误差的估计误差和由动力学模型系统误差引起的系统噪声的等效协方差阵进行了分析和推导，以补偿动力学模型系统误差对系统状态估计的影响；最后，通过车载GNSS/IMU组合定位系统试验，从算法精度、鲁棒性和实时性方面对提出的算法和其他滤波算法的性能进行了验证和对比分析。研究结果表明:提出的自适应算法继承了NPF算法简易性和高实时性的优点，同时克服了NPF算法估计精度有限的缺陷，具有较好的滤波解算精度，水平定位精度小于1.0 m，算法单次平均执行时间约为0.013 9 ms，在精度和实时性的平衡方面显著优于其他滤波方法。     

Decoupled robust control of vehicular platoon with identical controller and rigid information flow

Platoon driving has potential to significantly benefit road traffic. This study presents a decoupled robust control strategy for a vehicular platoon with identical feedback controller and rigid information topology. The node dynamics of vehicle with a lower-level controller is assumed to be covered by a multiplicative uncertainty model. The vehicular platoon control system is skillfully decomposed into an uncertain part and a diagonal system by applying linear transformation and eigenvalue decomposition on information flow graph. Then the requirements of robust stability and distance tracking error are equivalent to the H-infinity norm of decoupled sub-systems. Comparative simulations with a non-robust controller and different communication topologies are conducted to demonstrate the robust stability and distance tracking performances of the proposed method.     

黄土路基沉降变权重组合模型预测方法研究

利用兰武二线路基沉降观测数据,对黄土路基沉降变权重组合模型预测方法进行分析研究。研究结果表明:根据拟合精度选择单个模型时,要尽量选择相对误差偏离方向相反且大小相差不多的单个模型;在单个模型预测精度相差不大时,单个模型的数量越多,组合模型的精度会越高;单个模型的拟合精度越高,对应的组合模型的拟合精度也越高;组合模型相对误差与单个模型的相对误差的偏离方向和大小有关;在相同预测精度要求下,组合模型需要的观测时间比单个模型要短。     

基于可解释极端随机树模型的 DCT 液压响应预测

为解决传统湿式双离合器变速器 （Dual Clutch Transmission， DCT） 控制策略在硬件误差以及复杂工况下液压响应预测精度不完全可控的问题，提出了一种基于 SHAP 图可解释极端随机树预测模型，使用机器学习方法结合某汽车公司 DCT 实验室采集的真实离合器数据对 DCT 液压响应进行预测。模型利用 SHAP 算法对于重要特征选择的可解释性，筛选并保留对液压响应影响较大的特征，将时间切片和升降压判定作为特征加入训练数据，训练预测模型。结果表明，该模型训练结果的均方误差 MSE 为 0.670 3，可决系数 R2为 1.000 0，并且在测试集上预测值与实际值之间的平均误差为12.99 kPa，远低于设计误差 25 kPa，具有较高的预测精度，特征选择较准确，可以很好地解决传统物理模型无法计算不同工况下液压响应的问题，为下阶段基于数据和物理双驱动的DCT控制策略优化提供较准确的预测结果。     

考虑路网拓扑时变的交通拥堵自适应预测方法研究

对路网交通系统中的交通拥堵进行预测，有利于交通管理和避免交通风险。然而，由于交通管制、道路施工、恶劣天气、自然灾害等原因，路网交通系统的拓扑结构时常发生变化，使得依赖于固定路网拓扑的拥堵预测方法效果不佳。针对这一问题，提出一种双重自适应图卷积循环网络结构(DAGCRN)来处理路网拓扑结构变化情况下的交通拥堵预测问题，该方法运用自适应辅助邻接矩阵对预定义的路网静态图结构进行适应性学习以动态优化原有连接间信息的传递，运用自适应嵌入邻接矩阵对预定义路网静态图结构进行路网隐藏信息的捕捉以确保路网拓扑结构的动态完整性，并采用门控循环单元提取路网交通流的时间特征信息。研究结果表明,DAGCRN具备以下特点：①能够有效捕捉和定位路网拓扑结构发生的变化，并能够在拓扑结构变化时仍然保证拥堵预测的精确率；②相比较一些常见预测模型有更高的预测准确率，尤其是长期预测方面和克服路网结构变化方面更具优势；③进一步的双重自适应功能消融试验，证实了含有自适应辅助邻接矩阵和自适应嵌入邻接矩阵的双重自适应图卷积结构对于路网拓扑结构变化有很强的自适应能力，缺少2个或任一个自适应模块，都会引起模型预测性能的大幅下降。     

500 m级钢管拱桥成拱计算与控制方法

在大跨径的钢管混凝土拱桥中，钢管拱肋的斜拉扣挂成拱过程面临计算困难、大悬臂结构频繁调整、成拱状态偏离等难题。在成拱的理论计算方面，引入了基于无应力参数精确控制的成拱控制方法，明确了大跨径钢管拱斜拉扣挂施工过程控制目标。基于该控制方法，构建了钢管拱桥的成拱计算理论方法。该计算理论首次给出了钢管拱肋合龙前后的力学状态联系方程，建立了成拱后拱肋线形误差与施工过程索力的数学关系，构建了同时考虑施工全过程约束条件与成拱后线形偏差的一次调索优化模型。该一次调索优化模型可在任意给定的成拱线形误差范围和施工过程中的塔偏、封铰、合龙等耦合约束条件下，求解最优的扣背索一次张拉索力。在成拱施工控制方面，首次提出采用三维扫描技术进行大型钢管拱肋的无应力参数精确控制与检测方法，给出了详细的封铰控制、拱肋节段无应力参数控制和合龙控制的具体实施方法。在跨径为507 m的合江长江公路大桥的建设全过程,采用了所提出成拱计算理论与控制方法。实践表明:所提出的成拱计算理论具有控制目标少、计算目标明确、索力分布与张拉最优的优点；所提出的控制方法确保了钢管拱肋制造与安装无应力尺寸的精度，极大地减少了施工过程中拱肋线形误差调整次数。大桥拱肋成拱后实测结果表明，拱肋线形与应力状态与一次落架状态吻合良好。