基于GA启发式抽样的交通事件自动检测

为了提高面向不平衡数据集的交通事件检测综合性能,提出了两种基于GA启发式抽样方法的交通事件检测算法.基于GA的实例选择抽样方法(GA-IS),解决非启发式抽样方法人为设定抽样率导致的检测效果不稳定问题.基于GA的支持向量选择抽样方法(GA-SS),改善学习集数据量较大时的检测效率.实验采用新加坡AYE仿真数据库,以支持向量机作为分类器进行事件检测.结果表明,基于遗传算法实例选择抽样的检测模型检测率达到94%,平均检测时间为1.413 3 min,性能指标PI为0.157;基于遗传算法支持向量选择抽样的检测模型决策时间为4.55 s,综合性能最优,其PI为0.151;基于少数类过抽样算法(SMOTE)的检测模型决策时间为35.21 s,PI为0.329,与非启发式抽样方法相比,所提方法能有效改善面向不平衡数据集的事件检测综合性能.      

汽车行驶工况识别模型搭建的方法研究

汽车行驶工况的识别,可以用于优化车辆能量策略,在获得分类好的工况数据样本后进行输入输出的模式识别。对于现有的工况识别模型进行分析总结,根据工况数据前处理过程划分为基于实车采集数据和基于已知循环工况两种工况识别模型。同时给出构建工况识别模型流程,包括了工况块的划分,特征参数的选择,确定参考循环工况构建样本,主流的工况识别方法,以及样本模型的搭建与实车数据的验证。最后总结工况识别模型的特点,提出构建工况识别模型的思路。     

持续学习算法在车辆目标识别上的应用

自动驾驶汽车技术的日新月异,主要得益于深度学习和人工智能的进步。然而深度学习模型大多是在静态同分布数据集上进行训练,无法随着时间而适应或扩展其行为。针对这一问题,论文将持续学习模型运用于车辆目标识别领域进行研究。首先搭建可以使得算法流畅运行的环境,选定目标识别的原始图像数据集;在分析现有评估指标的基础上,选取适合于本次实验的评估指标,并采用卷积神经网络（CNN）、最接近类均值（NCM）、增量分类器与特征表示（iCaRL）三种持续学习算法对原始图像数据集进行学习训练与对比验证,通过实验验证了应用iCaRL算法使机器进行持续学习训练时,其精度和效率均优于其他两种方法。针对智能驾驶目标识别图像数据集不完善这一问题,构建了一个新的图像数据集,包含车辆、行人、交通标志及信号灯,将iCaRL算法应用于新建图像数据集进行研究,并在新建智能驾驶图像数据集上进行了训练与测试。结果表明,采用iCaRL算法能够较好地学习新建图像数据集,不会因为环境的改变而使得其性能发生大幅变化,测试结果良好,证明该方法可以在智能驾驶领域进行目标识别。     

基于注意力机制的双向门控循环单元网络齿轮故障识别系统

提出一种基于注意力机制 （Attention Mechanism，AM） 的双向门控循环神经网络模型的齿轮故障识别系统。使用基于 STM32 的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等 3 种故障齿轮工作时的振动传感器数据，使用基于注意力机制的双向门控循环单元网络模型进行齿轮故障识别。双向门控循环神经网络模型添加了注意力机制，保留输入特征的重要信息，不随步长增加而消失。将采集到的原始数据集按7∶2∶1的比例划分为训练集、验证集和测试集。测试集模型的齿轮故障识别准确率达到了99.67%，与GRU和Bi-GRU等模型的结果对比证明该模型的正确率更高。本系统可用于汽车变速器的监测与故障诊断。     

基于AHP+BP法高铁桥梁施工安全风险评估模型研究

针对现有高铁桥梁施工风险评估模型存在的主观性强、环节繁琐及需要大量样本等不足,提出基于层次分析法(AHP法)+BP神经网络的高铁桥梁安全风险评估模型。首先对高铁桥梁施工安全进行风险因素的识别,建立风险评估体系;然后采用AHP法对专家经验评估法获取的样本数据进行预处理,结合BP神经网络对处理后的样本进行训练,构建评估模型;最后将该评估模型应用于某高铁桥梁施工安全风险评估。结果表明：该模型能够较全面地评估主要风险因素对高铁桥梁施工的影响,预测得到的风险等级与专家评审结果一致,且该方法更加简洁实用,便于编制标准化的算法程序,可为高铁工程项目的施工安全风险等级评估提供参考。     

基于改进深度卷积生成对抗网络的路面指示标志识别方法

针对道路交通环境中路面标志识别涉及的数据集较少和识别准确率不足的问题,研究了基于深度卷积生成对抗网络的道路表面指示标志的识别方法.在深度卷积生成对抗网络的结构基础上,根据具体应用修改生成网络和判别网络的损失函数,并用随机梯度下降算法替代原始的优化器,对指示标志的原始样本集进行样本生成,以增加样本数据量.基于Faster R-CNN算法进行路面标志的特征提取,实现路面指示标志的识别,并基于迁移学习对识别模型进行微调,将目标识别效果应用于实际道路环境中.实验结果表明,通过深度卷积生成对抗网络生成的样本图像有效地扩增了路面标志的数据集,增广后的多类目标识别的mAP提高了17.1%,小样本情况下的识别准确率随着样本量的增加和样本质量的改善而得到了明显的提高.      

基于组合赋权-EAHP-NCM模型理论的层状围岩隧道风险评估计算

为了在施工时准确评估计算层状围岩隧道的结构稳定性,该文首先在考虑水文地质、结构面、工程、外力、地形地貌因素的基础上,构建层状围岩隧道风险评估指标体系。基于德尔菲法（DELPHI）与熵权法（EWM）得出指标组合赋权。基于典型事件样本与评估体系经典域-节域的挖掘,分别建立层状围岩隧道稳定性评估的可拓层次分析计算模型（EAHP）与正态云计算模型（NCM）。依托共和隧道验证该文两种层状围岩隧道风险评估算法。经研究得出：EAHP、NCM、BP神经网络算法的评估结果相互吻合,共和隧道稳定性处于Ⅲ～Ⅳ之间,隧道结构处于“严重～异常”状态,这与施工现场常有钢拱架变形、偶有塌方事故相吻合,验证了该研究层状围岩隧道风险评估系统与理论算法的可靠性。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

基于危险理论-云决策的发动机状态检测技术研究

针对发动机故障诊断中的诊断精度差和诊断算法自适应性差的问题,提出了一种基于危险理论-云决策的发动机状态检测算法。根据免疫系统的危险理论建立了危险识别模型,给出了危险信号和安全信号的定义。基于云模型构建了云决策模型。通过融合危险识别模型和云决策模型,构建了适用于复杂机械系统的状态诊断策略。在汽车发动机状态检测试验台上,对发动机状态检测算法进行了试验验证,结果表明该算法的诊断准确率达到97.5%以上。     

混合交通交叉路口跨摄像机自行车再识别研究

为了从跨摄像机自行车协同跟踪过程中获得高精度的动态运行轨迹,针对跨摄像机自行车跟踪过程中再识别问题进行了试验研究。考虑到混合交叉路口环境复杂、室外光照变换强烈、摄像机拍摄视角差异等因素的影响,提出了一种在无视域重叠条件下基于样本序列分组相似性度量的混合交通交叉路口跨摄像机自行车再识别算法。采用统计学方法,将自行车样本划分为3个部件并统计出各部件分割比,通过对自行车图库中各部件提取的特征进行聚类分析得到对应部件原型特征。采用对比分析法,将样本序列代替单个样本作为查询图像并对样本数进行了定量分析。从特征鲁棒性设计方面进行分析,通过将每个样本部件与对应部件原型进行相似性度量形成更具抽象性的原型相似度特征。通过系统抽样的方法将图像序列进行分组,并采用组内全连接而组间不连接的方式计算样本间相似度来改善算法时间复杂度。为了有效分析该算法的性能,制作了1个自行车再识别数据集BIKE1,并且在分组性能评估、部件原型参数设置以及同类算法性能比较3个方面进行了试验对比。研究结果表明:采用样本序列作为查询图像具有更高的识别准确率,并且将样本序列分为2组时识别率最高;自行车样本划分为3个部件有效地增强了算法对光照变化等影响因素的鲁棒性;与当前同类算法相比,所提算法具有更高的识别率。     

Model-based fault detection and isolation in automotive yaw moment control system

This paper presents a model-based fault detection and isolation technique for automotive yaw moment control system. For this purpose, a novel fault detection and isolation algorithm for a class of actuator-plant systems is proposed. Compared with the existing fault detection and isolation techniques that can only isolate a target fault or require multiple observers to isolate multiple faults, a unique strength of the proposed algorithm is its ability to isolate faults at the component level solely based on the residuals generated by a single observer. The validity of the proposed algorithm, applied to automotive yaw moment control system, is investigated via a simulation study based on a realistic vehicle dynamics model. The results suggest that the proposed algorithm can isolate the component subject to fault while effectively handling two perennial nuisances: sensitivity to disturbances and false alarms due to uncertainties.     

基于振动信号的柴油机进排气系统故障诊断研究

提出了一种根据柴油机气缸盖振动信号诊断进排气系统故障的方法 ,介绍了对柴油机的振动信号进行小波降噪和小波分解 ,提取相应特征向量 ,然后将振动样本的特征向量作为径向基函数神经网络的输入参数 ,以故障类别作为输出参数训练该网络 ,训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。仿真和试验证明该方法有效可行     

我国汽车柴油机可见污染物排放试验

为了解我国汽车柴油机可见污染物排放水平，采用ＡＶＬ４３８部分流透光式烟度计，按ＥＣＥＲ２４法规的要求，对我国四大汽车生产厂家主要汽车柴油机机型进行了全负荷稳定转速和自由加速可见污染物试验，分析了试验结果，并对我国汽车柴油机可见污染物的控制提出了一些建议。     

基于电压频域特征和异常系数的动力电池故障诊断方法

动力电池系统是电动汽车(EV)的关键部件和主要故障源,因而提高动力电池故障诊断的效率和准确率显得尤为重要。基于此提出一种基于快速傅里叶变换(FFT)和异常系数评估(ACE)的动力电池电压不一致性故障诊断方法。针对6辆发生故障或热失控事故的电动汽车和1辆电压一致性良好的电动汽车,基于其在新能源汽车国家监管平台的全生命周期运行数据,经过电压数据的数据清洗、数据变换等大数据预处理后,利用FFT技术时频变换,提取频域中的幅值作为故障诊断的特征参数;然后,引进基于Z分数理论的异常系数对故障程度进行定量评估,以实现故障单体的检测和定位;此外,针对存在多个故障单体的情况,基于单体异常率的计算,实现单体故障程度的判定和排序;在此基础上,详细分析电压数据长度及采样间隔、FFT采样点数对模型的影响;最后,与基于熵和Z分数的电压故障诊断方法进行比较。研究结果表明:在上述研究条件下,该诊断方法对于电压一致性良好的车辆未产生误报警,且可以有效地检测出事故车辆动力电池系统存在的电压不一致性故障;相比之下,模型平均计算准确率提高了3.25%,模型平均耗时仅为熵值模型的0.55%;验证了该方法故障单体定位更精准、数据适用性更好及计算速度更快的优点。该研究成果能有效实现动力电池电压不一致性故障诊断,具有较高的工程应用价值。     

Combined experimental and modeling methodology for intake line evaluation in turbocharged diesel engines

This paper presents a methodology for diesel engine intake line analysis that combines specific element tests and modeling. The purpose of this methodology is to determine the impact of intake lines, or newly designed intake elements, on the volumetric efficiency of internal combustion engines while avoiding expensive on-engine tests. For this research, the intake system is divided into several elements which are individually characterized using flow and impulse test rigs. Next, individual systems are modeled using a one-dimensional code. Finally, these component models are coordinated to provide an evaluation of the volumetric efficiency. Intake lines coming from two turbocharged diesel engines are used to illustrate the method. The model is validated by comparing the model results with the actual system performance evaluated in engine test cells. Discussions of the feasibility of the technique and on the impact of element model inaccuracies on the overall system model are provided.     

Nonlinear sliding mode observer for exhaust manifold pressure estimation in a light-duty diesel engine

In this paper, a sliding mode observer is proposed to estimate exhaust pressure for a diesel engine equipped with variable geometry turbocharger (VGT) and exhaust gas recirculation (EGR) systems. Since the exhaust pressure directly affects generation of the VGT power and the EGR rate in the cylinder, the exhaust pressure information is important for precise control of the VGT and EGR systems. In order to estimate the exhaust pressure accurately, a dynamic model of intake and exhaust pressure was derived. Furthermore, the mass flow rate and temperature of the air system in the diesel engines were modeled by consideration of physical phenomena and the thermodynamic law. Based on the developed models, a nonlinear sliding mode observer was designed to estimate the exhaust pressure. Convergence of the proposed observer was verified by the Lyapunov stability criterion. The proposed observer was implemented on a real-time embedded system and validated with the engine experiments. The experimental results show that the observer estimates the exhaust pressure accurately in both steady and transient engine operating conditions. Moreover, as a case study, the estimation results of the proposed observer could be applied for detecting a fault of the EGR system. The fault of the EGR system was detected precisely using the estimation result and the limited sensor information in mass-produced engines.     

瞬态成分提取在变速器齿轮故障诊断中的应用

基于小波包的信号瞬态成分检测与提取方法及其应用，提出基于小波包分解特征表示和瞬态特征重建方法并应用于汽车变速器齿轮的故障诊断，结果表明基于小波包分解的信号特征表示方法能有效检测信号中瞬态成分的存在，瞬态成分的重建结果有效地表示了齿轮的故障状态。     

支持向量机和基于IMF的特征能量法在汽车变速器轴承故障诊断中的应用

针对汽车变速器轴承振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出了一种基于内禀模态函数(IMF)的特征能量法和支持向量机的变速器轴承故障诊断方法。对变速器轴承内圈、外圈故障振动信号的分析结果表明,该方法在小样本情况下仍可有效提取变速器轴承的故障特征,并能成功地对其工作状态和故障类型进行分类。     

多功能电控柴油机故障诊断仪研制

介绍了一种基于高速、高性能单片机C8051F040的电控柴油机ECU故障诊断仪的软硬设计及其功能,该故障诊断仪通过RS232,CAN,USB多总线实现与ECU和计算机之间的数据交换,采用大容量数据存储、液晶显示、Flash编程等多项关键技术,集参数设置、数据存储、信息多模式显示与通信等功能于一体,性能稳定、成本低,可用于多种数字化电控柴油机故障诊断。     

我国柴油轿车的发展前景

面对石油资源匮乏和环境恶化的严峻问题,国内各大汽车研究机构都在努力寻找解决问题的方法。文章介绍了柴油机在经济性和可靠性等方面的优势,阐述了轿车柴油机的先进技术,指出柴油品质、政策限制及对国内柴油机印象不佳是影响我国轿车柴油化的因素,但随着柴油机先进技术的开发和发展,柴油机噪声大及排放等问题会得到很好地解决,柴油机是实现节能减排的良好选择.