基于神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q电喷汽油机为研究对象,提出了一种基于BP神经网络的空燃比辨识方法,比较了不同拓扑结构的神经网络对空燃比辨识精度的影响,得到了一种最优的空燃比模型。试验结果表明,空燃比模型能高精度地逼近空燃比的实际动态过程,模型的平均相对误差小于2%。     

无证驾驶自动查处系统的设计与探讨

文章结合现有的无证驾驶查处方式带来的问题和弊病,基于智能交通系统的相关技术,介绍了无证驾驶自动查处系统功能模块的设计、安装及关键技术,为无证驾驶系统的研发提供参考。     

基于Elman神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q型电喷汽油机为研究对象,分析了汽油机空燃比的数学模型,提出了一种基于Elman神经网络的过渡工况空燃比辨识方法。试验结果表明,Elman神经网络空燃比模型具有简单的网络结构,能高精度地逼近车用汽油机空燃比的实际动态过程,模型的平均相对误差小于1%,优于前馈BP神经网络模型的辨识结果。建立的Elman神经网络空燃比模型能改善过渡工况空燃比控制精度,提高排放性能。     

庆春路过江隧道施工难度及风险的分析和控制

 杭州市庆春路过江隧道工程属大型复杂工程，其施工规模大，施工技术复杂；由于不确定因素多，因而风险因素也多。就钱塘江底特殊地质以及外部环境等约束条件下隧道工程施工期间的难度及意外事故风险进行了分析；采用灾害风险评估矩阵法（R=P×C）来研究这些风险因素对项目安全质量目标的影响程度，并给出了定性的评价和定量的分析，同时根据此评估的风险程度提出相应风险对策与控制措施；为进一步探讨在大型复杂的越江隧道工程项目中风险的全过程管理提供了依据。     

基于熵最大化图像分割的直线型车道标识识别及跟踪方法

为了解决在道路路面材料不一致或光照不均匀情况下的车道标识线的识别和跟踪问题,提出一种基于熵最大化的图像分割可变形模板的车道标识线识别及跟踪方法.该方法结合了图像变窗口处理技术和基于熵最大化分割方法来实现对道路图像的理想分割,然后利用可变形模板匹配方法得到车道标识线参数,最后采用建立梯形感兴趣区域的方法实现对车道标识线的实时跟踪.试验结果表明：该方法具有很好的可靠性、鲁棒性和实时性.     

新型视觉区域智能车辆导航控制器设计

简要介绍了基于机器视觉导航区域智能车辆(CyberCar)的导航原理和组成。首先采用逆M序列作为辨识输入信号和最小二乘算法得到车辆转向系统的系统辨识特征方程,结合预瞄运动学模型和车辆二自由度转向动力学模型,从而建立车辆基于视觉预瞄的转向动力学控制数学模型,根据线性二次型最优控制理论得到状态线性反馈的最优控制规律。通过仿真分析和试验,验证了最优控制器在CyberCar户外路径跟踪过程中平稳、可靠。     

基于UG的混凝土搅拌输送车拌筒螺旋线参数化设计

推导了混凝土搅拌输送车螺旋线的理论公式,并通过UG编程实现了通过拌筒的设计参数进行筒体和螺旋线的一体设计。     

一种用于车内结构声源辨识的方法

结合“声学互易性原理”及车内噪声有限元分析，提出一种车内结构声源辨识的方法。该方法可以摆脱对试验的依赖，因而能够应用于车身结构的图纸设计阶段。然后，采用该方法对某型国产轿车的车内结构声源进行辨况，发现对驾驶员右耳位置处噪声贡献最大的车身结构板块为右前车项，这一结论与采用相关分析法所得结论相一致。最后，基于车内降噪优化模型对右前车顶进行降噪处理，获得了明显的降噪效果。     

基于模糊模式识别的柴油机故障诊断研究

应用时序建模方法提取特征参数 ,在提出一种隶属函数计算方法的基础上 ,运用模糊模式识别方法进行燃油喷射系统故障诊断 ,并通过喷油泵试验台上的典型故障试验进行验证。     

基于正则化与B样条曲线的桥梁影响线识别方法

为了快速评估既有桥梁的安全性，研究了基于多源实测信息快速准确识别桥梁影响线的方法。首先利用桥梁动力响应及车辆移动的实测信息，建立影响线识别的数学模型。在模型中引入Tikhonov正则化方法以解决病态矩阵求解问题，通过设置罚函数项以取得较光滑并贴近真实的影响线。然后通过基函数扩展法重构影响线，将其表示为一系列三次B样条基函数的线性组合，从而将问题从识别众多影响线因子简化为识别少量基函数权重系数。为了验证上述方法的可行性，先在实验室模拟钢制试验小车在钢筋混凝土三跨连续梁模型上移动的过程。基于实测布置于梁底的多测点挠度和应变响应时程以及相应的试验车信息，可识别出不同位置测点的挠度和应变影响线。试验结果表明无论是影响线的总体形状还是局部峰值，识别解与基准解均能较好地吻合。该方法还被进一步应用到一座简支现浇预应力混凝土箱梁桥。该试验通过实测检测车过桥期间的桥梁跨中截面若干测点的动应变、动挠度以及车辆重力、实时位置等信息，准确识别了对应于不同车道的挠度和应变影响线。通过对比桥梁静载实测和影响线虚拟加载结果，发现两者偏差绝对值在5%以内。在一定程度上表明了该影响线识别方法具有较高精度，并具备工程应用的良好潜力。