基于Box-Behnken设计的商用车驾驶室安全性提升研究

为提升某满足GB 26512—2011实车试验要求的商用车驾驶室的安全性，使其达到GB 26512—2021的要求，针对该驾驶室在仿真中出现的正面撞击试验纵梁峰值力过大、A柱撞击试验吸能不足、侧面20°撞击试验压溃严重等问题，进行Box-Behnken试验设计和序列二次优化（SQP）算法改进，并通过设置弯梁、填充发泡聚丙烯（EPP）进行优化。结果表明，优化后纵梁峰值力由92.3 kN降至72.4 kN，结构吸能提高36.9%，驾驶员生存空间充足，满足新标准要求，驾驶室安全性显著提升。     

基于卡尔曼滤波和特征指数化的电动汽车电池故障诊断方法研究

针对电池组内的热失控、内短路等故障问题，提出了一种基于卡尔曼滤波和特征指数化的电池故障在线诊断方法。首先基于历史数据和卡尔曼滤波方法对电压数据进行降噪，可有效去除异常点，并提出一种特征指数化方法以提取和放大电池组单体之间的电压特征。最后，为了减少电池组不一致性导致的单体电池故障误报，提出一种基于余弦相似度的故障值计算方法以提高算法诊断精确度，并实现故障电池的在线自动检测和定位。云端车辆数据验证结果表明，所提出的基于卡尔曼滤波和特征指数化的电池故障诊断算法能够有效地检测故障电池并进行预警。     

非C3线路GSM-R网络质量自动评估系统及其应用

在非C3线路GSM-R网络维护过程中,故障分析和网络优化工作缺乏大量有效的监测数据支撑。当怀疑网络问题时,除了利用每月一次的电务检测车数据外,经常需要安排人员前往现场进行路测,人员工作量大,数据时效性差。为解决此问题,提出基于车载自动拨测设备的GSM-R网络质量自动评估系统解决方案:通过在部分非C3线路运行的机车上加装车载自动拨测设备,与地面拨测控制平台配合,自动进行电路域CSD拨测或分组域GPRS数据测试;综合利用拨测和测试结果数据、Abis接口监测数据、Gb接口监测数据,经统计分析和深度挖掘,方便维护人员及时掌握非C3线路的网络覆盖和通信质量状况,并实现基站性能评估算法,可以尽早发现基站性能恶化趋势,为故障分析和网络优化工作提供数据支撑。     

船舶电力系统谐波电流检测方法研究

针对船舶电力系统在非理想状态下三相电压畸变和负载突变情况，结合现有研究，提出一种改进的基于平均值模块的谐波检测方法。采用低通滤波器（LPF）串联平均值模块的结构替代传统平均值模块，同时采用三相电压锁相电路替代传统的锁相电路，从而提高其检测精度。仿真试验结果表明，采用所设计的方法在三相电压畸变、负载突变情况下进行谐波检测能提高检测精度。     

基于多特征融合的隧道场景车辆再识别

为解决隧道内交通监控视频的低分辨率以及光照不均匀导致的再识别准确率偏低的问题，提出了一种基于多特征融合的车辆再识别方法，通过充分利用车辆的各种有效特征信息提升车辆再识别精确度。首先，将卷积块注意力模块(Convolutional Block Attention Module, CBAM)嵌入到YOLOv5模型的骨干网络卷积层，同时采用CIoU损失和DIoU-NMS方案，提高车型检测准确率；其次，使用改进DeepSORT的表观特征提取网络和ResNet网络，分别获取深度卷积神经网络(Deep Convolution Neural Networks, DCNN)特征和车型ID特征；再次，将车型特征、DCNN特征及车辆ID特征使用加和表示层进行融合，形成可鉴别身份特征，以提高车辆再识别精度；最后，基于Softmax交叉熵损失和三元组损失设计指标函数并进行学习，对学习结果进行重排序以进一步提高模型的精度，并将算法在公开数据集VeRi776、VehicleID和自建数据集Tunnel＿Veh4C进行训练验证。结果表明：与现有方法相比，提出的Rank-1、Rank-5和Rank-10识别准确率以及...