基于神经网络的传感器故障诊断仿真

针对现代工业大型复杂系统的不确定性使得对其进行建模比较困难的特点，提出了一种用神经网络进行传感器故障诊断的方法．以凝汽式汽轮机调速系统中的转速传感器为例进行了传感器故障诊断研究，给出了仿真实现结果，并加以分析．仿真结果表明，所提出的利用神经网络进行传感器的故障诊断的方法具有可行性．     

Hierarchical control strategy of trajectory tracking for intelligent vehicle

In order to track the desired trajectory for intelligent vehicle, a new hierarchical control strategy is presented. The control structure consists of two layers. The high-level controller adopts the model predictive control (MPC) to calculate the steering angle tracking the desired yaw angle and the lateral position. The low-level controller is designed as a gain-scheduling controller based on linear matrix inequalities. The desired longitudinal velocity and the yaw rate are tracked by the adjustment of each wheel torque. The simulation results via the high-fidelity vehicle dynamics simulation software veDYNA show that the proposed strategy has a good tracking performance and can guarantee the yaw stability of intelligent vehicle.     

基于人工神经网络的船舶操纵运动仿真

探讨神经网络技术在船舶操纵运动仿真领域的应用,构造一种网络结构和训练方法,验证船舶操纵指令与船舶运动态势参数映射的可行性,并构建了基于典型BP神经网络模型的操纵运动仿真系统.     

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正 IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.     

基于Simulink的汽车稳定控制系统仿真研究

为了解决汽车行驶中的某些因素引起的失稳问题,在对汽车的失稳原因和控制方法的分析和研究的基础上,设计了以横摆角速度和质心侧偏角为控制量和失稳判据,以车轮的差动制动为控制手段的汽车稳定性控制系统。并分别设计了模糊 PID控制器和神经网络控制器,运用MAT-LAB/Simulink软件在7自由度汽车模型上进行了仿真。结果显示在危险状态下该控制策略能有效保持汽车轨迹对转向操作的跟随,该控制策略可靠有效。     

联合工况的车辆动力学仿真

建立了整车的模型,用Matlab软件对车辆在不同车轮转角、不同车速及不同制动力矩情况下的动力学进行了仿真。仿真结果表明:随着车轮转角及车速的增大,车辆横摆角速度峰值、横向速度峰值增大;过大的制动力矩将使车辆横向侧滑加剧及使横摆角速度峰值变大,车辆在联合工况下的稳定性变差。仿真为车辆在联合工况下的建模和控制提供了参考。     

考虑空气力的车辆三自由度转向模型与状态方程

为了减小空气力的影响,简化车辆多自由度转向动力学方程,考虑了空气力的影响,建立了车辆三自度转向运动的动力学模型.以质心侧偏角、横摆角、横摆角速度、侧倾角、侧倾角速度为状态变量,以前轴转角及侧风作用力为输入,以质心侧偏角、横摆角、横摆角速度、侧倾角为输出,推导了车辆三自度转向运动的动力学模型的状态方程.以前轴主动转角脉冲为输入,对状态方程的可信度进行了验证.与利用线性二自由度转向模型的仿真结果相比,利用三自由度转向模型与其状态方程得到车辆质心侧偏角与横摆角速度的绝对值均较小,在高速情况下,空气力会增强车辆的不足转向特性.采用两种模型得到的车身侧向偏移均大于试验值,但三自由度模型的仿真曲线非常接近试验曲线.可见,三自由度状态方程可信度高.     

基于改进BP神经网络的速度预测模型

针对BP神经网络三个不足分别加以改进,并利用改进BP神经网络建立速度预测模型,通过实例验证预测模型的有效性,同时,预测结果具有很好的适应性和真实性,可为动态交通管理提供参考.     

基于BP神经网络的FRP加固混凝土柱承载力预测

为提高纤维增强复合材料(FRP)加固混凝土轴压柱承载力的计算精度,建立了FRP加固混凝土轴压柱承载力的BP神经网络预测模型.利用大量试验数据对神经网络模型进行训练,并用训练成熟的神经网络模型对FRP加固混凝土轴压柱的承载力进行了预测.通过模型预测值与试验结果的比较,证明该模型的预测结果具有一定的可信度,最大误差不超过15%,比其他计算模型的精度高.     

道面摩阻不平衡对飞机着陆滑行参数影响

从运动学原理入手建立飞机着陆滑行力学模型, 引入道面摩阻不平衡度, 基于实测道面摩擦因数及其摩阻不平衡度分析飞机着陆减速和匀速滑行阶段的偏航角与偏航距离的变化趋势, 并设计模型试验分析湿滑道面摩阻不平衡下飞机着陆滑行参数变化规律。研究结果表明: 当跑道中心线两侧摩阻不平衡时, 机体产生绕竖轴扭矩, 导致飞机产生偏航角和偏航距离; 摩阻不平衡度的增大导致飞机偏航角与偏航距离增大, 摩阻不平衡度由0.03增加到0.38时, 偏航角增大4倍, 偏航距离增大1倍; 减小中心线两侧的摩阻不平衡度可以有效降低飞机偏出跑道概率; 滑移率对偏航角和偏航距离影响较小; 道面摩擦因数降低, 减速滑行距离增大, 基本呈线性变化; 随着跑道接地带摩阻不平衡度增大, 飞机所产生的偏航角呈直线增长, 当摩阻不平衡度达0.165时, 偏航角达1.2°; 随着跑道接地带摩阻不平衡度增大, 偏航距离也增大, 由于减速段所产生的偏航角, 加之匀速段滑行距离较长, 70%以上的偏航距离是在匀速阶段发生的; 湿滑道面下随着中心线两侧的水膜厚度差增大, 偏航角和偏航距离均增大, 水膜厚度差从0.05mm增加到2.50mm, 偏航角增大6倍, 偏航距离增大5倍。可见, 在接地带保证飞机主起落架两侧摩阻平衡, 有利于着陆减速过程飞机偏航角的控制。      

主动前轮转向的操纵稳定性研究

汽车的主动前轮转向作为汽车主动控制的一个重要组成部分,可以改善车辆的操纵稳定性;横摆角速度与质心侧偏角作为表征车辆操纵稳定性的2个主要指标,可以作为车辆处于稳定状态的参考。基于模型预测控制方法,在汽车线性二自由度模型的基础上,使用相同工况下理想的横摆角速度与质心侧偏角作为参考,设计了模型预测控制器,将二自由度汽车模型与CarSim整车模型进行了联合仿真。结果表明:模型预测控制方法相对PID控制方法更能有效地提高汽车的主动安全性。     

基于串级控制的四轮转向车辆稳定车道线保持

针对四轮前后轮转向车辆的稳定车道线保持,提出集成直接横摆力矩和车道 线保持的串级控制策略.主控制器实现车道线保持控制;副控制器实现车辆稳定性控制. 主控制器的前轮转角作为副控制器的参考输入,计算期望滑移角和期望横摆率.后轮转角 和横摆力矩作为副控制器控制输入,基于LQ算法计算补偿后轮转角和横摆力矩,实际滑 移角和实际横摆率跟踪期望滑移角和期望横摆率.在副控制器车辆稳定性控制基础上,主 控制器实现准确地车道线保持控制,保证车辆在车道内安全行驶.实验结果表明,实现准 确车道线保持,并保证车辆的稳定性和操纵性.     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

基于分层控制的车辆主动制动稳定性分析

为提高车辆行驶的主动安全性,引入分层控制思想。建立名义横摆角速度和名义质心侧偏角为输出的线性二自由度车辆模型。基于线性二次型调节器设计上层控制器,得到附加横摆力矩,采用差动制动原理,设计中层控制器对附加横摆力矩进行分配,根据中层控制器分配的附加横摆力矩计算滑移率增量,基于PID控制理论设计下层滑移率控制器,以控制车轮的制动压力;最后联合MATLAB／Simulink和CarSim进行鱼钩转向和双移线转向仿真试验。结果表明,采用分层控制能够有效地提高车辆行驶的主动制动稳定性。     

基于BP神经网络的汽车制动系故障诊断方法研究

为了更好地研究汽车制动系故障诊断方法,在汽车制动系统故障因果关系分析的基础上。利用BP神经网络相关理论,确立了汽车制动系故障神经网络模型结构,建立了3层BP网络模型。进一步应用Matlab软件对模型进行了计算实现,并对计算结果进行了分析,结果表明该模型适用性强、效果良好。     

质心侧偏角和横摆角速度对车辆稳定性的影响研究

通过对车辆稳定性控制理论研究,得出车辆的质心侧偏角和横摆角速度是稳定性控制的重要控制变量。并基于建立的二自由度整车仿真模型,进一步分析了它们对车辆稳定性的影响。     

基于改进 BP 神经网络的铁路货运量预测

在分析铁路货运量预测方法的基础上,针对标准BP神经网络的不足,提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度,以此来得到更好的激励函数响应特征以及更好的非线性表达能力;其次,利用附加动量因子,通过对以前经验的积累,既降低了神经网络对误差曲面的局部细节敏感特性,又较好的遏制了神经网络易于限于局部最小的缺陷;最后,采取改变学习率的方法,给定一个较大的学习率初始值,在学习的过程中学习率不断减小,网络最终趋于稳定。改进BP算法既可以得到更优的解,还能够缩短训练时间。利用全国铁路货运量的相关数据对改进BP神经网络进行了验证。验证的结果表明,改进的BP神经网络预测模型在相对误差和迭代次数上有较大改善,对铁路的货运量预测很有效。     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

基于RBF神经网络的交通流数据修复研究

完整的传感器数据是交通管理和控制的基础,但由于传感器自身或传输线路故障等原因,常常导致数据缺失,亟需对传感器缺失数据进行修复。鉴于此,以离散和连续缺失的线圈检测器交通流量数据为研究对象,构建基于RBF神经网络的数据修复模型。并将其结果与利用非线性回归模型、BP神经网络模型进行修复的结果相比较。RBF神经网络模型在离散缺失3 个数据、连续缺失3 个数据和连续缺失5 个数据情况下,平均百分比绝对误差分别为0.67%, 0.66%和1.33%,修 复值和实测值的总体相关性为0.992,修复精度优于非线性回归模型和BP神经网络模型。研究结果表明,RBF神经网络模型与其他方法相比可更精确地进行交通数据修复。     

车辆电子稳定性程序的最优控制

引入轮胎魔术公式,建立了车辆的两自由度非线性动力学模型．以车辆质心侧偏角和横摆角速度为控制变量,基于车辆的线性动力学模型设计了最优控制器,将此控制器应用于非线性动力学模型并进行了仿真．结果表明,车辆电子稳定性程序显著提高了车辆的操纵稳定性,使驾驶员在大侧向加速度、大侧偏角的极限工况下能够对车辆进行正常操纵．