汽车道路模拟系统特性辨识研究

在进行室内汽车道路模拟试验时,对由振动台架和被试对象组成的试验系统,准确地辨识出系统特性是实验取得成功的关键步骤之一。详细论述了利用CARMA模型识别道路模拟试验系统的原理和过程。基于单输入单输出系统的时域CARMA模型．通过优化算法和系统辨识的方法识别了模型参数及模型阶次,并通过试验验证了这种方法的正确性。     

用CARMA模型再现随机波形

利用被控系统的输入量、输出量和期望输出值所构成的时间序列建立CARMA模型。通过对该模型参数进行实时估计，计算出自校正控制器控制量。本文通过分析，建立CARMA模型，在电液伺服汽车道路模拟试验台上实现了位移和加速度随机波形的波形再现。     

汽车道路动态试验模拟控制系统的研究与开发

ｖ介绍了自行研制的汽车道路动态试验模拟控制系统（ＲＤＳＳ），讨论了ＲＤＳＳ的硬件和软件设计，重点分析了ＲＤＳＳ中引入的多点激振试验方法和多输入多输出ＨＶ频响函数识别算法。将ＲＤＳＳ与电液振动台对接，对一辆轿车进行了道路模拟试验。结果表明，ＲＤＳＳ可以准确快速地模拟汽车的实际行驶工况，达到了道路试验模拟的目的     

三轴客车室内道路模拟试验研究

对采集的道路载荷谱进行分析处理得到道路模拟试验的目标信号。确定了道路模拟试验系统的输入和输出的通道配置。采用白粉噪声进行系统识别。进行了道路模拟中的第一次驱动信号计算以及循环迭代,最终达到预定的模拟精度,为整车室内耐久试验奠定基础。结果表明,基于道路模拟技术,在室内复现三轴客车的路面激励工况,该方法可行、有效。     

高速公路多车道分道线快速检测与重建技术

介绍了基于单目视觉技术的高速公路多车道快速检测与重建技术,实现了高速公路的车道自动保持。采用双阈值法快速分割高速公路的白色分道线,用特征跟踪法提取分道线,根据道路视觉模型用圆锥曲线结合分道线特征点重建4条分道线。分析了根据道路视觉模型和分道线重建来实现车道保持的基本方法。该算法已经通过VC语言实现,系统在四川省和重庆市的高速公路上以最高120 km/h的速度进行了试验,圆满地完成了多车道检测任务,实现了车道保持。     

整车系统多自由度模型及随机振动响应分析

本文用现代振动分析理论,即试验模态分析方法和模态综合技术,建立了考虑弹性体的汽车平顺性多自由度模型。这个模型以较少的模态自由度较逼真地描述了整车系统,并应用随机振动理论分析了整车系统的多输入、多输出的随机响应,可以得到车上各点的功率谱,用ISO标准评价了汽车平顺性。又从能量角度分析了影响平顺性的主要模态,为合理选择平顺性模型提供了依据。     

驾驶员行为模型的研究

针对采用定量仿真方法建立驾驶员模型的不足，应用GPS技术，采用定性仿真方法中的归纳推理方法建立驾驶员行为模型；该模型能够模拟驾驶员在驾驶过程中的决策判断过程，预测各种输入情况下的驾驶员行为输出，在建立驾驶员-汽车-道路系统仿真模型时将会得到广泛应用。     

基于BP网络的道路水泥再生混凝土性能的评价

为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。     

基于多源传感器与导航地图的端到端自动驾驶方法

提出了一种基于多源传感器与导航地图的多端输入单端输出（端到端）自动驾驶决策控制模型,以弥补现有端到端自动驾驶方法中基于深度神经网络（DNN）的PilotNet模型在主动避障行驶和交叉路口通行方面的不足。该模型的传感器数据输入端包括：单目前视摄像头、360（°）多线激光雷达（LiDAR）所得二维俯视图、精准定位的局部导航地图等3部分;车辆控制命令输出端为方向盘转向角。进行了多工况仿真和实车试验。结果表明：与PilotNet模型相比,该模型的方向盘转向角均方根误差（RMSE）值下降了37%;因而,该模型具备主动避障和交叉路口通行的能力。     

汽车道路模拟算法研究

研究了道路模拟算法的两个关键问题：频响函数识别算法和驱动信号迭代算法。识别频响函数时，引入了多点激振试验方法和多输入多输出Hv频响函数识别算法，克服了单点轮流激振试验技术和H1、H2等识别方法的缺点，可以提高识别精度，加快试验进程。为了消除非线性的影响，采用频域迭代的方法逐步修正驱动信号，使系统的响应逼近于期望响应信号。试验表明，利用所研究的算法可以成功地模拟一辆轿车在海南试验场的实际行驶工况，迭代收敛速度和模拟精度可以满足试验要求。证明本文所研究的算法是正确的，实用的。     

Nonlinear Model-Based Multivariable Control for Air & Charging System of Diesel Engine with Short and Long Route EGR Valves

The objective of this study is to investigate a nonlinear model-based multivariable (MIMO, Multi Input Multi Output) technique to decouple actuators interaction and to reduce the calibration effort, while increasing control performances, above all in transient conditions, and robustness with respect to model uncertainties and system parameter variations. The presented control technique is based on the development of a nonlinear dynamical physical model of the diesel air and charging system. Feedback Linearization control is then applied to decouple actuators’ interactions and compensate for nonlinearities. A new set of virtual inputs are defined inverting the system differential equations. Relation among the new virtual inputs and the outputs is purely linear and decoupled, meaning that each virtual input affects linearly only one output. Moreover, a linear control block is added to guarantee transient and steady state performances and closed loop robustness. The proposed control approach has been validated through small diesel engine dyno and vehicle activities. Transient test bench maneuvers show that the control is able to coordinate the actuators in order to fulfill the targets and to guarantee similar performances in different operating points. In addition the robustness to environmental changes has been demonstrated by vehicle tests at different ambient conditions.     

基于汽车车身垂直加速度的典型道路路面谱识别研究

以1/4汽车振动模型为研究对象,推导出以汽车车身垂直振动加速度作为输入信号、路面不平度作为输出信号的数学模型及其模拟图,并利用MATLAB/SIMULINK搭建系统模型求解路面不平度,对路面不平度进行谱估计完成路谱的识别。通过实际测试和数据处理分析,说明该方法理论依据正确可行,可以为虚拟样机仿真路面的生成提供数据支持。     

基于模糊神经网络的公路隧道照明控制系统研究

针对目前隧道照明中存在的能源浪费问题,提出一种基于模糊神经网络算法的隧道照明控制策略,进一步降低隧道照明控制系统的能耗。具体是将实时采集的隧道口洞外亮度、过往的车流量及车速作为照明控制系统的输入量,隧道各照明段的回路调光值作为照明控制系统的输出量,搭建1个3输入-单输出的控制模型,重点对模型的建立和算法的机理及训练进行分析。最后通过仿真实验验证该算法在隧道照明中的节能效果,为现阶段隧道照明控制的相关研究提供一定的参考。     

后置发动机客车噪声源的识别

应用相关分析与谱分析理论，建立了后置发动机客车噪声源识别的多输入单输出模型。运用该噪声识别模型及所介绍的测试分析系统，对GZ6921型后置发动机客车噪声源进行了识别。识别及分析结果表明，冷却风扇噪声是GZ6921型客车的主要噪声源。     

基于白适应神经模糊推理系统的跟驰模型研究

由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型。针对这一问题,应用自适应模糊神经推理系统（ANFIS）建立跟驰模型,以跟随车与前车速度差及行车间距为输入量、跟随车的加速度为输出量,建立25条模糊推理规则,将模糊推理规则产生的数据作为车辆跟驰ANFIS模型的训练数据,并利用MATLAB编程对其进行训练。最后,设计了基于车载高精度GPS的跟驰试验,并结合试验数据分别对自适应模糊神经推理系统跟驰模型和传统跟驰模型进行仿真。结果表明,前者输出的跟驰车辆加速度值更接近于真实值。     

基于模糊神经网络的驾驶员弯道安全感受预测模型研究

论述了在人-车-路(环境)系统中驾驶员弯道安全感受的非线性特性。为了体现车辆、道路结构对驾驶员认知过程的作用和认知结果形成的影响,驾驶员弯道安全感受模型采用弯道平曲半径、车辆运行速度和驾驶员驾龄作为道路线形、车辆结构动力性、驾驶员经验的主要特征参数集,在增加积极和消极补偿运算的基础上,构建出模糊逻辑推理规则与神经网络优化逼近运算相互结合的5层推理预测模型,并结合实例数据,进行了对比分析验证,表明5层结构模型能够较好的满足特定弯道条件下驾驶员主观安全感受的认知推理预测要求,能够准确的、稳定的再现出驾驶员主观安全感受同驾龄、平曲半径和车辆运行速度间的相互作用关系。     

基于状态空间的连续断面船舶交通流量预测研究

船舶流量预测是船舶交通流研究的重要内容,建立科学合理的船舶流量预测模型有助于航道的设计、规划和管理。将传统的单断面船舶交通流预测方法向多断面进行改进和推广,提出基于状态空间和卡尔曼滤波的多断面交通流预测模型。利用船舶交通流多断面流量数据的时间序列进行多维线性回归,并转化为状态空间模型形式;在此基础上由卡尔曼滤波算法对交通流量进行递推预测,得到多断面交通流的预测值。作为实证研究,分别对武汉长江大桥、武汉长江二桥2个断面,以及长江重庆段朝天门、万州、巫山3个断面进行实际数据分析来验算模型的有效性,并与单断面多维线性回归预测方法进行对比。结果表明,使用状态空间模型得到的武汉长江大桥、二桥预测结果的平均相对误差分别减少4.59%,0.97%;而重庆段3个连续观测点采用状态空间法预测比使用时间序列预测平均绝对误差和平均相对误差均有不同程度的降低,其中平均相对误差分别降低1.08%,4.28%, 3 .54%。因此,在不同时间维度上,该模型有助于提高多断面交通流预测精度。      

凸轮靠模动态补偿设计法的研究

Ｍ８３２５凸轮轴仿形磨床为对象，从非平稳机过程的时间序入手，建立了以凸轮靠模升程作作为输入、工件升程作为输出的磨床加工系统二阶定常线性自回归数学模型。基于此数学模型，提出了动态设计凸轮靠模型的方法，并按此法进行了凸轮靠模的动态的设计。