正交频分复用(OFDM)在水声通信中的应用

本文介绍了正交频分复用(OFDM)技术的基本原理,介绍了水声通信的历史,水声通信的发展特点。讨论了OFDM系统在水声系统实现方法,分析了水声正交频分复用的调制和解调过程,并简要分析了OFDM水声通信系统的性能特点。     

基于Kalman滤波的路面附着系数估计算法综述

实时、准确地获取车辆行驶时的路面附着系数信息对车辆主动安全控制具有重大影响,尤其智能汽车控制策略的设计对获取路面附着系数信息的精准度和实时性提出更高要求.本文基于Kalman滤波原理,针对国内外学者采用此算法的研究现状进行了梳理,总结了路面附着系数估计算法的未来发展趋势,为车辆主动安全控制系统研究提供理论参考.     

基于LMS和SDP的发动机异响诊断方法研究

为有效提取发动机声信号特征,以诊断发动机的异响,提出了一种以最小均方算法和对称点图形算法相结合的发动机异响诊断方法。采用最小均方算法去除信号中的噪声,还原发动机声信号,而利用SDP图形技术将信号转换为极坐标图形,得以判断发动机是否产生异响。通过仿真与试验,验证了该方法的有效性。     

基于FFRLS-EKF联合算法的锂离子电池荷电状态估计方法

针对现有基于电池恒定参数模型的SOC估计方法忽略了工况和SOC对电池模型参数的影响而导致SOC估计误差偏大的问题,本文提出一种将带有遗忘因子递推最小二乘算法与扩展卡尔曼滤波算法相结合的联合SOC估计方法。该方法先利用FFRLS算法在线辨识电池等效电路模型参数并实时修正电池模型,再利用EKF算法和实时修正的电池模型估计电池SOC。实验结果表明,本文所提的SOC估计方法能有效减小电池模型参数变化所带来的SOC估计误差。在脉冲放电、脉冲充电和动态应力测试实验中,最终电池SOC估计的最大误差分别为1.01%、0.87%和1.59%。     

基于ATIS下的OD矩阵估计

利用ATIS收集的信息,通过广义最小二乘模型,建立了一种新的OD矩阵估计方法。新方法利用ATIS能得到装有GPS车辆的路段选择比例矩阵,据此可推出网络中全部车辆的路段选择比例矩阵的期望值,克服了传统方法采集数据难、数据精度低等缺陷。新方法能获得实时可靠的数据,能对OD矩阵进行实时更新,从而增强了数据的实效性。在对新方法解的有关性质进行分析的基础上,给出了相应的求解算法,得出新方法的目标函数局部最优解是全局最优解,目标函数的解不唯一,但OD估计量唯一。数值仿真表明新算法非常有效,与传统方法相比,新方法是一种精度高、可靠性强的估计方法。     

基于控制图数理的沥青混凝土路面试验检测指标误差估计

控制图在沥青混凝土路面质量过程控制中逐渐得到应用和推广,针对其在施工现场的使用瓶颈,对沥青混凝土路面试验检测指标的抽样检验进行了误差解析,通过控制图的组间变异估计值和组内变异估计值的分析,将测试误差、抽样误差和工序误差由多阶段抽样测试方式逐级估算出来.基于这些理论分析,采用控制图误差估计数理对摊铺碾压的沥青混凝土路面无核密度仪快速测定数据进行分析,揭示了控制图不仅可考察连续生产的工序稳定状态,还可为质量问题的诊断和质量改进提供数学统计分析手段.     

基于最小模型误差估计的智能汽车路径跟踪控制

为提高分布式驱动电动智能汽车在自主循迹过程中关键参数的估计精度并降低模型不确定性对控制系统鲁棒性的影响,本文中提出了一种基于观测器的自适应滑模路径跟踪控制策略。首先,针对难以直接精确测量的车辆纵、侧向速度,建立了5输入3输出3状态的状态估计系统,并采用最小模型误差准则以降低估计过程轮胎的非线性特性带来的观测模型误差。接着,基于运动学模型,计算出了路径跟踪期望横摆角速度响应,并采用自适应滑模算法实现主动转向控制。考虑线控转向系统的潜在失效风险,引入径向基神经网络对系统不确定性进行在线估计。同时,设计了直接横摆稳定控制器并采用最优转矩分配策略,进一步提高车辆的稳定性。最后,对车辆状态估计和路径跟踪进行了Carsim/Matlab联合仿真,结果表明:基于最小模型误差准则的观测器能取得较可靠的估计结果,路径跟踪控制器能保证车辆具有较好的跟踪精度和鲁棒性。     

基于出租车跟踪的市区路网交通状态估计方法

为了获取市区路网的交通状态,提出了一种基于出租车跟踪的市区路网交通状态估计方法。该方法采用GPS定位设备获取出租车的行驶数据,然后结合数字地图数据对其中的位置数据进行修正,并采用A^＊启发式搜索算法对出租车进行跟踪,最终通过计算出租车跟踪路径在所覆盖路段上的置信参数来实现对市区路网交通状态的估计。基于上海市的出租车GPS调度数据和市区路网数字地图数据的应用实例验证了这一方法的可用性。     

基于模糊逻辑的车辆侧偏角估计方法

提出了一种基于模糊逻辑的汽车侧偏角估计方法。它利用模糊逻辑和汽车运动学模型,将汽车转向盘转角、车轮转速、汽车加速度和横摆角速度信息相融合,进行车辆侧偏角估计。试验结果显示,该方法的鲁棒性和精确性较好,而且响应频率较高,可以满足ESP的控制需要。     

基于最小二乘法的高速公路线形拟合方法

目前,高速公路的改扩建项目越来越多,这类项目中首要的任务就是要拟合旧路的平纵线形,本文利用现有的道路专业软件,和基于最小二乘法的原理,实现了广州至清远高速公路改扩建工程中旧路平纵线形的拟合,经分析,其误差满足设计的需要。该拟合方法简单、实用、有效,值得广大设计人员借鉴。     

基于最小二乘法的车辆瞬态燃油消耗估计EI北大核心CSCD

精确的车辆瞬态燃油消耗估计是车辆节能控制研究的基础,稳态燃油消耗模型受燃油发动机的非线性工作特性、驾驶员的驾驶习惯、车辆行驶的环境、车辆行驶状态、车辆负载等多种因素影响,计算的瞬态燃油消耗与实际燃油消耗偏差较大,现有瞬态油耗模型参数不易标定,因此本文中通过车辆速度与加速度构建了一种新的瞬态燃油消耗估计模型。采用最小二乘法对模型中的参数进行求解,为进一步降低瞬态燃油消耗率的估计偏差,引入指数速度衰减的加权因子,即采用带指数衰减因子的最小二乘法求解油耗模型中的参数,并通过实车试验对瞬态油耗估计方法进行验证。试验结果表明,基于最小二乘法的油耗模型可精确地估计车辆瞬态油耗,带指数速度衰减因子的最小二乘法可进一步降低油耗模型的油耗估计偏差,且估计精度受车辆行驶状态和道路环境等因素影响较小。     

一种基于车辆运动状态估计的商用车侧翻预警方法

以商用车侧翻预警系统的开发为目标,提供一种实用的侧翻预警方法,提高车辆安全性。分析具备应用条件的车辆传感器,通过侧翻特性和侧翻相关车辆状态响应特性的分析,提出基于车速和转向的侧向运动状态估计方法,并设计基于转向盘转角和侧向加速度的侧翻预警融合算法,用于侧翻预警系统开发。     

基于冗余信息融合的车辆质心侧偏角估计方法

车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑.为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法.分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力...     

基于信道状态信息的船舶驾驶台人员检测及活跃度评价方法

船舶驾驶台人员包括按照规定要求的常规值班人员和特殊情况下额外的瞭望人员或船长、引航员等,驾驶台人员活跃度是判断其工作状态的重要指标之一。传统的基于计算机视觉的人员检测方法在面对船舶驾驶台遮挡物多、夜间或恶劣天气下光线不足等问题时,精度明显降低。为解决该问题,提出了1种基于普通商用Wi-Fi设备的活跃度感知方法。由于船体材质、结构特点以及变化的运动状态导致动态多径多、信号噪声强,对Wi-Fi设备造成干扰,为此设计了值班高关联度数据（duty high correlation data,DHCD）选择模块及基于信道状态信息（channel state information,CSI）的多层级特征提取模块。DHCD选择模块分析驾驶台人员不同航行、值班情况下的CSI特点,对比0~5人在驾驶台内值班、工作时的信道变化,利用模糊C-means聚类算法提取CSI中对值班人员行为反应最灵敏的信道,去除对信号噪声反应敏感的信道信息;通过多层级特征提取模块计算去噪后CSI数据的幅值与相位离散度、多链路融合离散度、变异指数等多层特征,作为活跃度评价基础参数。依据驾驶台值班要求设计了驾驶台人员活跃度评价模块,采用支持向量机算法判断驾驶台人员数量,采用客观赋权法得到基础参数权重,结合人数信息与权重信息评价驾驶台人员活跃度。实验结果表明：使用DHCD选择模块和多层级模块处理后的多层级特征将驾驶台人员数量检测精度提升至89.6%,对比直接使用原始数据时检测精度提升7.1%。在夜间、雨雾天气等光照不足情况下,基于计算机视觉方法的检测精度会由光线充足时的96.2%降至60.3%,而该方法监测精度不会降低。因此,基于CSI的驾驶台人员活跃度检测方法丰富了驾驶台人员检测算法,能有效识别船舶驾驶台人员是否符合安全值班的基本要求。     

一种基于加速度及轮速信息的参考车速估计方法

以两轮驱动轿车为研究对象,提出了一种基于加速度及轮速信息的参考车速估计方法。以Kalman滤波为基本算法,结合试验分析,通过估计系统噪声特征和修正量测方程,改进了算法对加速度量测信号静态偏差变化的跟踪能力,提高了参考车速的估计精度。利用该方法估计参考车速具有不依赖大量试验、计算量小的特点,适于实车应用。     

基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究

本文中提出一种基于动力电池能量状态估计和车辆能耗预测的续驶里程估计模型。电池能量状态估计采用电池状态模型估计电池剩余的可用能量,分析了不同因素的影响。利用纯电动车测试数据,基于递推最小二乘算法辨识车辆能耗参数,结合行驶工况预测汽车能耗,进而计算续驶里程。与传统的续驶里程估计方法相比,基于电池能量状态估计和整车能耗预测的续驶里程估计模型的精度有较大提高。     

基于深度学习的货车载重实时估计方法研究

为了解决现有货车称重技术在实时性、可靠性、便捷性、扩展性和精确性等方面的问题,提出一种基于人工智能方法的货车载重实时估计技术框架,包括网联车载传感设备与数据采集模块、网联云平台与数据处理模块和基于车辆动力学的AI估重算法模块,运用车辆动力学原理,借助人工智能理论方法,通过感知车辆行驶时的运动参数特征,实现对车辆载重的实...     

基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法

本文提出一种基于数据驱动法（data driven method,DDM）-等效电路模型（equivalent circuit model,ECM）融合的锂离子电池多时间尺度状态联合估计方法。首先提取内阻作为健康特征（health factor,HF）,利用最小二乘支持向量机（least squares support vector machine,LSSVM）建立电池老化模型实现健康状态（state of health,SOH）估计;根据阻容参数辨识值和容量估计值建立电池状态空间方程,结合无迹卡尔曼滤波算法（unscented Kalman filter,UKF）进行荷电状态（state of charge,SOC）估计;用高斯过程回归（Gaussian process regression,GPR）对HF随循环次数的变化进行映射,预测HF的变化趋势,并结合LSSVM模型实现长期剩余使用使命（remaining useful life,RUL）预测。实验结果表明,所提方法具有较高精度和鲁棒性。     

基于抽样轨迹数据和改进最小二乘模型的信控路网路径流量估计方法

路径流量是精细化交通规划和管控的基础,对识别路网的关键通道、路径、流向和节点具有重要作用.为了解决现有路径流量估计方法在模型假设和方法适用性上存在的局限性,提出一种以抽样车辆轨迹数据作为唯一输入数据源的信号控制路网路径流量估计方法.该方法对基于经典广义最小二乘法的OD估计模型进行改进拓展,以路网路径流量和交叉口流向流量...