潜艇运动仿真及航行试验评估方法

潜艇运动仿真和航行试验评估在潜艇的整个设计周期中起重要作用。在设计论证阶段,基于理论计算的潜艇运动仿真可以对潜艇总体性能进行预评估,而航行试验评估则对仿真计算与模型试验进行验证。本文介绍了潜艇运动仿真的设计状况、设计要点及系统辨识方法。并对标准海上试验程序提出修改意见,在确定的定常航行条件下,这个新的程序可以在较少的时间内获得更有用的结果。     

基于转速辨识的EPS阻尼控制策略的研究

将基于递推最小二乘算法的转速在线辨识方法引入电动助力转向系统中,以估计助力电动机的转速。利用估计转速结合车速,设计了相应的阻尼特性,提出了阻尼控制策略,并对转速辨识和阻尼特性进行仿真。结果表明,利用递推算法进行转速辨识成本低,可靠性、鲁棒性高;提出的阻尼控制策略有效可行。     

基于双层隐式马尔科夫模型的驾驶意图辨识

构建了一种双层隐式马尔科夫模型结构,用于实时辨识驾驶员复合工况下的驾驶意图,并在驾驶模拟器上对坡道起步、紧急避障和弯道制动等复合工况进行了验证。结果表明,该模型可准确、高效地辨识各个单一和复合工况下的驾驶意图,为线控汽车的集成控制奠定基础,提高线控汽车的安全性和减轻驾驶员负担。     

改进可辨识矩阵的启发式知识约简及规则算法

首先提出了改进可辨识矩阵,然后对属性重要性进行了重新定义,并且将模糊聚类应用于属性重要性划分,从而在此基础上提出了一种启发式知识约简及决策规则提取算法.给出了新的不相容率的概念,用于描述知识数据库中数据不相容特征和修正提取的决策规则的决策错误率.经过实验,该算法具有优良的性能.     

基于BP神经网络的铁路隧道废水监测数据质量辨识方法

针对传感器水质监测所获取的大量数据,在处理设施工况稳定、外部影响因素及发生影响概率基本不变的条件下,通过筛选代表性、可信度高的数据作为样本,建立BP神经网络模型获取水质指标数据的拟合曲线,可用于传感器自动监测数据质量的智能辨识,对非故障原因导致的测量偏差、原水水质和设施状况异常提供预警.该方法可以保证水质自动监测数据质...     

基于参数辨识的推进电机模型参考自适应控制

针对模型参考自适应系统(MRAS)对电机参数依赖性强的问题,采用Adaline神经网络对电机参数进行在线参数辨识,并对MRAS中的模型参数进行修正;以船用永磁同步推进电机作为被控对象,使用Adaline神经网络对控制系统中的模型参数进行修正,结果表明,该方法可有效提高MRAS对电机转速和转子信息的估测精度,提高系统的动态和稳态性能。     

车内发动机噪声主动降噪辨识方法及DSP实现

车内主动降噪技术在低频噪声控制方面有较明显的优势,利用车内扬声器发出抵消声波实现降噪。论文采用扫频的方法进行主动降噪的次级路径建模,并在某四缸发动机车型上实现了控制器与原车线路匹配,采用原车音响搭建车内发动机主动降噪系统。采用MATLAB搭建仿真模型验证自适应陷波算法,推导了用于车内次级路径建模的扫频公式及辨识结果。再从工程角度介绍控制器与整车接口的匹配方法。最后采用数字信号处理（DSP）技术进行实车效果验证,在锁定二挡的加速工况下发动机二、四、六阶噪声降低,30～300 Hz的声压级Overall(OA)值最大降低4 dB。     

电动客车AMT换挡执行机构状态估计及参数辨识EI北大核心CSCD

为了改善AMT换挡执行机构参数时变下的换挡性能,在考虑系统模型高度非线性、系统噪声特性未知的情况下,本文中提出了一种基于非线性H∞算法的分层状态估计和参数辨识方法。首先,通过实验发现了换挡执行机构参数时变的问题,并针对换挡执行机构建立了非线性模型。然后,设计了分层状态估计和参数辨识器,上、下两层估计器均基于非线性H∞算法设计。上层估计器对执行机构的状态进行估计,并将结果转移到下层估计器;下层估计器利用上层估计器处理完的状态量作为量测量,利用系统模型作为量测方程对系统参数进行辨识;上、下层估计器的协同运行对换挡执行机构的状态进行估计,对结构参数和电性能参数进行辨识。最后,设计了一种基于自动标定的状态估计和参数辨识流程,在对换挡位置值进行标定修正的同时实现对换挡执行机构的参数辨识。实验结果表明,本文提出的分层状态估计和参数辨识方法能准确的对换挡执行机构的状态、参数进行估计和辨识。修正参数后,系统的换挡性能得到改善。     

基于特征模型的高速列车自适应误差补偿控制

针对高速列车运行过程中因不确定运行阻力和模型误差等因素产生的系统误差，提出了新的基于特征模型的高速列车自适应误差补偿控制策略，实现了其对给定目标速度曲线的渐近跟踪。首先通过动力学分析，基于特征建模方法和参数辨识，建立了存在系统误差的高速列车特征模型；其次，利用扩张状态观测器对系统误差的估计能力，设计了基于特征模型的高速列车自适应误差补偿控制器，并结合广义最小方差方法对控制器参数进行了优化，使其在存在系统误差时仍能实现对给定速度曲线的渐近跟踪。该控制策略能够有效处理系统误差带来的不确定性，提高控制精度，从而保障高速列车的安全可靠运行。为了验证本文所提方法的有效性，以CRH380A型高速列车为被控对象进行仿真实验。仿真结果表明设计的补偿控制方法在列车存在未知系统误差的情况下仍能保证理想的控制性能。     

基于自动驾驶汽车稳定性的聚类辨识模型设计

在自动驾驶汽车中高级辅助驾驶系统（ADAS）的设计过程中，车辆稳定性控制目标并没有考虑驾驶员个性化特质需求，尤其在一些极端行驶条件下控制效果会适得其反。鉴于此，在传统汽车稳定性评价标准的基础上融合了隐马尔科夫理论（HMM）和K-means聚类算法，采用无迹卡尔曼滤波和因子加权分析的参数处理方法，设计了一种自动驾驶汽车稳定性辨识模型。模型通过Carsim/Simulink和基于DSPACE驾驶模拟器的硬件在环仿真方法进行了验证。结果表明：该模型能够实现自动驾驶汽车稳定性的合理分类和在线辨识，同时能为今后进一步优化自动驾驶汽车轨迹规划方法提供理论依据。