基于神经网络的内燃机失火故障诊断研究

提出了一种利用排气中HC、CO2、O2浓度和内燃机工况参数神经网络的内燃机失火故障诊断方法,并提出了描述内燃机失火程度的模糊评价指标;进行了内燃机有失火故障和无故障排气成分检测对比实验,利用实验数据和内燃机工况参数,通过广义回归神经网络(GRNN)建立了失火程度评价指标与排气中HC、CO2、O2浓度以及内燃机工况参数之间关系的诊断模型,应用MATLAB软件对该模型进行学习训练,将训练好的神经网络模型应用于内燃机失火故障的诊断,结果表明,此模型能够正确诊断内燃机失火故障。     

基于小波与深度置信网络的柴油机失火故障诊断

为更深入地了解柴油机失火故障的机理,提高失火故障诊断准确率,本文中提出了一种基于小波与深度置信网络的柴油机失火故障诊断方法。首先,采用等角度采样法对柴油机缸盖振动信号进行采样,获得平稳的角域信号,消除循环波动干扰;然后,通过连续小波变换对角域信号进行角-频分析,提取点火频率附近频带后利用连续小波逆变换重构信号;接着,按照柴油机工作循环从重构信号中,分段提取方差、峭度和峰值等12种常用特征参数并构造诊断参数矩阵;最后,利用深度置信网络对诊断参数矩阵进行降维和第二次特征提取,并依据二次特征对失火故障进行诊断。将该方法应用到某型柴油机上的结果表明,该方法能准确提取失火故障信息,有效诊断失火故障。     

基于曲轴转速波动的OBD失火诊断策略研究

发动机失火诊断是车载诊断（OBD）系统重要功能之一，根据OBD对发动机失火监控原理，说明了基于曲轴转速波动的失火诊断策略。试验使用发动机失火发生装置模拟发动机失火，分析了失火时的曲轴转速波动，并根据OBD失火诊断方法，确定出参考阀值，计算出发动机运行粗暴度。     

车载诊断系统失火诊断策略的研究

论述了车载诊断系统必须监测的两种失火类型。分析了利用瞬时曲轴角加速度法诊断发动机失火的原理,设计了车载诊断系统失火诊断策略。针对SQR372电控汽油机上模拟出的失火故障,利用基于KWP2000通信协议与VC软件编写的在线实时监控界面进行了监测。结果表明,该失火诊断策略能够及时准确地诊断出发动机失火故障。     

常规公交风险的 SEM 与 Bayesian Network组合评估方法研究

常规公交系统具有载客量大、班次多、线路固定等特点,存在多种安全风险隐患.为综合评估常规公交风险,对国内外554条事故数据分析整理,构建了常规公交风险指标体系.建立了常规公交风险评估的结构方程模型,得到常规公交风险因素对事故的单向拓扑结构.在结构学习的基础上,利用信息熵理论研究风险因素对预测结果可信度的影响权重,从而进行变量筛选.以失火事故为例利用贝叶斯网络模型进行了城市常规公交风险评估参数学习.研究结果表明,失火事故的主要风险因素为油气泄漏、车内外温度均较高等.在风险因素组合作用下失火事故发生概率范围为 0 .002 1至0 .842 9 .所建模型预测精度高,验证了方法的科学性和准确性,可用于进行定量化的常规公交风险评估.      

发动机失火故障及其诊断分析(二)

2发动机失火故障的诊断分析2.1发动机失火故障诊断方法与技巧2.1.1借助失火形态缩小诊断范围发动机的失火形态主要分为某1缸连续/不连续失火和多缸连续/不连续失火两种,两种不同的失火形态形成的部件和原因有着较为清晰的区分。因此,在进行发动机失火故障诊断时,应根据失火形态来缩小我们的诊断范围。如果我们通过故障检测仪调取的是1个具体气缸的失火故障代码,就应该将那些对所有气缸都有影响的失火条件都归入"不太可能"的一类原因,从而将精力集中到那些只影响到个别气缸工作的因素上,重点检查这些因素所涉及的部     

基于神经网络的车用汽油机失火程度模糊诊断研究

提出了利用排气中ＨＣ、ＣＯ２和Ｏ２浓度诊断车用汽油机失火程度的诊断方法和描述汽油机失火程度的模糊评价指标，并建立了该评价指标与排气中ＨＣ、ＣＯ２和Ｏ２浓度间关系的神经网络模型。利用该模型对汽油机失火程度进行了诊断研究，并给出了部分诊断结果。     

基于自适应奇异值标准谱和EMD的柴油机故障诊断

针对柴油机多发故障,提出了自适应奇异值标准谱和经验模态分解(Empirical Mode Decomposition,EMD)相结合的故障诊断模型。通过计算平均最近邻域发散度和奇异值标准谱的方法自适应地选择奇异值分解的嵌入维数和重构阶数,提高了奇异值分解降噪的精度。对降噪后的信号进行EMD分解,并利用调整余弦相似度标准提取反映信号真实特征的主固有模态函数(Intrinsic Mode Function,IMF),进而提取故障特征参数。将此模型应用于F3L912柴油机进气门漏气、单缸失火和多缸失火等故障的诊断,通过提取峭度和过零率作为故障特征,获得了较高的故障分类准确率。     

汽油机OBD失火检测技术

车载自动诊断系统（OBD）是实行国Ⅲ和国Ⅳ排放标准的核心内容,汽油机失火诊断是OBD的一个重要功能。指出了汽油机失火的原因和危害,分析了汽油机失火检测的3种方法,建立了TU5JP4汽油机曲轴转速检测法的GT—Power仿真模型。结果表明：汽油机失火时,转速和扭矩都会出现短时间的下降,其中扭矩下降更为明显,同时排气中O2浓度升高,CO2的浓度下降。将GT—Power软件应用于发动机失火故障模拟,对失火诊断系统的开发有较好的指导作用。     

一种基于广义S变换增强的柴油机失火故障特征提取方法

为有效提取柴油机缸盖振动信号失火故障特征,提出一种基于广义S变换增强的柴油机失火故障特征提取方法。首先根据柴油机燃烧过程与配气相位的关系对信号进行等角度重采样,然后利用广义S变换对信号进行消噪处理,并按工作循环将信号的周期性瞬态特征进行同步增强。通过仿真信号验证和某柴油机缸盖振动信号的实例应用,结果表明,此方法能有效地提取柴油机缸盖振动信号的失火故障特征,实现失火故障的准确诊断。     

基于三维GIS的城市地下管线管理系统研究综述

由于传统的二维管网GIS系统已经不再满足现今社会经济发展的需要,因此从二维管网GIS技术向三维管网GIS技术过渡的角度出发,探讨了三维地下综合管线管理系统建设中的若干关键技术,包括地上与地下同步浏览、二维与三维联动分析、三维管线分析3个方面.     

考虑车车与车路通讯并存的路侧单元优化布设方法

路侧单元(Road Side Unit, RSU)作为车路协同系统(Cooperative Vehicle Infrastructure System, CVIS)中路侧感知控制网与网联化车辆自组网的重要节点,其布设方案对车路交互效能、系统建设成本与协同服务水平均产生较大影响。现有RSU优化布设研究主要基于车路(Vehicle to Infrastructure, V2I)通讯,忽视了车车(Vehicle to Vehicle, V2V)通讯的转发和中继作用,也缺乏对RSU设备及线网布设成本的相关考量。针对上述问题,面向V2V和V2I通讯并存环境,考虑信息覆盖正向收益与设备/线网布设负向收益,构建面向综合收益最优的RSU布设方案优化模型。首先结合信息流-交通流耦合模型获取传播时间矩阵,提出权重约束可达性算法,构建布设方案与信息覆盖正向收益之间的关系方程。然后针对动态最优布设方案条件下的最优线网布设问题,提出改进的最小生成树模型,并以此设计综合收益最优的RSU优化布设模型。最后,基于井字形算例路网,进行模型验证和关键系数敏感性分析;并基于Sioux Falls路网,将所提出的模型与现有未...     

神经网络在高速公路网综合评价中的应用

应用多层次分析法和神经网络模型,对高速公路网评价指标及综合评价方法进行了研究。建立了适用于高速公路网评价的四大类评价指标;针对定量和定性指标特性分别采取不同的无量纲化函数对其进行无量纲化处理;通过神经网络建模思路及网络模型分析,结合高速公路网评价特点及评价指标个数,建立了三层前馈神经网络综合评价模型。经在江苏省第二轮高速公路网规划评价中进行实际应用分析,结果表明选取的评价指标科学合理,神经网络综合评价方法克服了其它综合评价方法的随意性缺陷。     

近70年来上海中心城区水系演变及水安全响应——基于景观连通视角

采用景观生态学理论和GIS空间分析技术,诊断1950年以来上海中心城区的河网水系变化特征,及其对水系连通性和城市水安全的影响.研究表明:(1)采用景观生态学方法中的廊道连接率、环路指数等连通性指标,较好地诊断了河网地区的高密度网状水系结构特征及其变化过程,四个典型河网连通指标之中,以环路指数对水系结构演变的响应较为敏感.(2)近70年来,上海中心城区河网密度下降了68.54％,消亡河道多为1 km长度以下末端村镇级河道,占总消亡河道的77.13％.(3)1994年之前区域水系连通性指标高于1,而此后开始低于1,河网水系环路指数剧烈下降,上海中心城区基本不再具有典型的网状水系结构特征.(4)河网萎缩导致水面率锐减和河网连通受阻,近70年来,雨水泵站排水能力增强与河网总长度和河网连通性变化均存在显著的响应关系,其中对河网总长度变化的响应更加明显.     

基于免疫克隆算法的多枢纽选址与混合网络设计综合优化研究

为了描述多枢纽选址与混合网络设计综合优化问题,引入了双层规划模型建立数学模型.上层模型为多目标规划模型,以最小化网络总阻抗和最小化总投资为目标;下层模型为固定需求的用户平衡配流模型.然后,给出了基于免疫克隆算法的具体求解设计和步骤.接着,给出了算例,在不同决策权重条件下进行求解.算例结果验证了算法的可行性和模型的有效性,同时结果表明在建设枢纽后,当决策偏重于交通网络管理部门时,更倾向于建设新路段以降低网络费用和总费用.     

公交网络OD反推在公交线网规划中的应用

针对公交网络OD矩阵数据提取困难状况,提出了一种以修正路段观测流量数据为基础的OD矩阵估算模型,介绍了公交网络OD矩阵估算模型及其在EMME2软件中的实现方法,该方法提高了路段观测数据的有效性,使公交网络OD矩阵的估算结果更可靠.     

一种车路协同系统微观仿真平台的实现

首先提出了基于车载自组织网络技术的车路协同原型系统(IVICS),并通过二次开发,利用交通仿真软件Paramics进行大规模路网搭建、动态信号控制,以及微观交通行为的模拟;同时,采用网络仿真工具NS2对车载网络进行细粒度无线通信过程的模拟,并通过trace文件,分析得到网络通信的带宽、延迟、传输跳数、丢包率等性能参数;...     

基于CenterNet的路侧单目视角车辆3D形态精确感知

车辆3D形态的精确实时感知对于智能交通中的车辆行为分析、交通流参数估计等应用和无人驾驶都至关重要，其中，如何克服透视投影的限制，从路侧单目视角下感知车辆3D形态正成为具有挑战的课题之一。为解决这个难题，采取深度网络提取投影特征，结合空间标定模型中的几何约束，实现2D投影至3D空间的3D形态恢复构建。首先，基于前期工作，对道路场景中的相机构建空间标定模型，以获取透视空间的2D-3D互映射矩阵；然后，以当前流行的简洁高效的CenterNet深度网络为基础，设计车辆3D形态投影特征的检测网络，融入多尺度特征融合模块以优化透视投影下不同尺度车辆目标的检测，同时优化高斯凸包热力图以增强车辆目标的特征检测力度，根据先验几何约束设计加强损失函数以加快收敛；最后，通过建立的空间形态几何约束模型，对网络输出特征投影点进行解码，构建出完整的车辆3D形态信息。试验以路侧视角下的BrnoCompSpeed数据集和自制数据集为基础，手工标注满足试验需求的样本目标，并做图像增广以模仿多变的道路监控视角及环境。在试验结果评价中，分别对网络检测结果及最终构建的3D形态进行评价，其中对于网络检测结果，以投影特征构成投影凸包的平均精度为评价指标，交并比(IoU)阈值为0.7时，在BrnoCompSpeed测试数据集上得到AP值为87.35%，召回率和精确率分别为87.39%与90.78%。同时，设计消融试验证明网络改进模块的有效性。对于3D形态构建结果，分别对空间定位、3D尺寸、偏转角及3DIoU等指标都进行定义，并以3DIoU为评价标准，验证多个改进模块及不同视角对于最终精度的影响，最后在BrnoCompSpeed测试数据集中的平均3DIoU达到0.738。设计的网络FPS为27，可满足实时性的需求。     

智能网联趋势下车辆网关路由缓存研究与应用

伴随汽车智能网联发展,车辆电气网络架构行业趋势由1~2路CAN总线网络快速演变为7~8路CAN总线与4~5路百兆以太网相结合的融合网络架构。其中网关作为车辆网络的数据交互中心,提供了各网络之间的无缝通信,并需要以极低的延迟将这些数据进行可靠传输,这对低成本网关是一个巨大的挑战。提出了一种基于车载融合网络下低成本网关路由软件缓存区的设计方法,以路由软件缓存区去配合CAN控制器和以太网Switch硬件缓存区,设计中断式报文存储发送进程,将收到的数据实时发送到硬件发送缓存区,当硬件发送缓存区已满,则将报文存储到软件缓存区中。通过与软硬件缓存区的这种联动方式,能够实时的接收报文,保证报文不丢帧;也能够在目标总线负载率较大时,避免漏发报文以及保证发送报文周期。     

基于人体姿态估计的分心驾驶行为检测

为弥补现有驾驶特征提取方法的不足,提高分心驾驶行为检测的准确性和鲁棒性,将2D/3D人体姿态估计应用于驾驶人行为检测,提出一种适用于驾驶舱环境下的驾驶特征提取方法。首先通过将2D姿态估计网络Simple Baseline和分类网络ResNet进行融合,构建基于2D姿态估计的分心驾驶行为检测模型,并在分心驾驶数据集State Farm上分析不同数据增强方法、不同超参数、不同分类网络对模型性能的影响。其次,融合3D密集姿态估计网络DensePose与分类网络ResNet,构建基于3D姿态估计的分心驾驶行为检测模型。接着,在State Farm数据集上,针对模型的实时性和泛化能力,对比分析基于原始图像和基于2D/3D姿态的分心驾驶行为检测模型。最后,针对效果更优的基于2D姿态估计的分心驾驶行为检测模型,在分心驾驶数据集State Farm上,对使用不同姿态估计算法和分类网络的分心驾驶行为检测模型做了交叉试验,对比分析4个不同检测模型的优缺点。进一步地,将基于2D姿态估计的分心驾驶行为检测模型应用于实际采集的驾驶图片,对模型的泛化能力和有效性进行了测试验证。研究结果表明:与基于原始图像的检测模型相比,基于2D和3D姿态的检测模型都能显著提高分心驾驶行为的检测准确率;基于3D姿态的检测模型在检测精度方面略优,但基于2D姿态的检测实时性更好,检测效率是基于3D姿态检测的4倍;在驾驶舱单一环境下,基于2D姿态估计的分心驾驶行为检测模型能够满足分心驾驶行为检测的需求,在分心驾驶行为检测方面具有重要应用价值。