基于改进最小二乘法的永磁无刷电机参数辨识

针对遗忘因子最小二乘法辨识结果容易发生波动的缺点,通过引入选择控制器,提出了一种改进最小二乘法电机参数辨识器,当电机参数发生改变时,利用选择控制器进行切换辨识算法及对辨识器进行初始化,实现对参数更快、更准、更稳的实时在线辨识。仿真试验结果表明改进最小二乘法参数辨识器克服了遗忘因子最小二乘法辨识器辨识结果的波动现象,其辨识速度更快,精度更高,稳定性更好,并且在电机不同转速下均能很好地在线辨识出电机参数。     

电动汽车用锂电池模型参数辨识方法研究

利用二阶RC电池等效模型,分别运用最小二乘拟合法、扩展卡尔曼滤波法和遗传优化扩展卡尔曼滤波法3种模型参数辨识方法对某型磷酸铁锂电池充放电过程中的回弹电压外特性进行参数辨识,通过对比分析得出遗传优化扩展卡尔曼滤波法的辨识精度更高。     

最优预瞄加速度驾驶员模型参数试验辨识方法研究

研究通过试验辨识获得最优预瞄加速度驾驶员模型物理参数的方法。采用时域辨识方法确定模型传递函数,采用非线性最小二乘法确定传递函数中所包含的物理参数,利用已知目标函数优化预瞄时间和反应时间,针对仿真数据进行了辨识分析。结果表明,该方法对驾驶员模型物理参数的辨识具有良好的效果。     

电动汽车锂电池建模及参数辨识方法研究

介绍多种电池模型及其参数辨识算法,综合考虑辨识复杂程度和精度,提出一种利用一阶RC电路模型、遗忘因子最小二乘优化算法、监控平台电池孪生模型的锂电池建模及参数辨识方法,并进行实车应用验证。结果表明,该方法能够使SOC的估计误差保持在3%以内。     

采用L-M方法辨识沥青混合料本构模型参数

现有的沥青混合料本构模型参数辨识方法主要是对试验数据图进行分析,结合本构模型公式得到材料参数。这种方法主观性强,精度差。文章以Burgers模型为例,通过引入了基于不等距节点的二次B样条对试验数据序列进行筛选,采用非线性最小二乘L-M方法对沥青混合料本构模型进行拟合,得到了精度较高的模型参数。     

基于AIC 准则判断锂电池最优模型

采用锂离子电池的等效电路模型，利用Matlab 的simulink 模块搭建电池离线仿真模型，选用含有遗忘因子的递 推最小二乘法进行在线参数辨识，基于赤池信息量准则（Akaike’s Information Criterion，AIC）建立锂离子电池模型结 构复杂度和预测精度综合性能函数，对电池不同RC 阶次模型进行研究。通过离线和在线参数的建模方法对不同RC 阶 次的等效电路模型进行AIC 分析，结果表明，一阶RC 等效电路模型最适合锂离子动力电池精确建模。     

考虑密封条动态压缩效应的车门动态关闭疲劳仿真与试验研究

为提升车门动态关闭疲劳损伤计算精度，基于 Abaqus仿真不同压缩速率下密封条压缩载荷-压缩量曲线，通过最小二乘法拟合得到密封条动态压缩曲线非线性函数关键参数；在车门动态关闭瞬态响应分析模型中运用密封条动态压缩载荷-变形函数；设计车门开闭耐久试验对标验证锁点力值和损伤。研究结果表明，应用密封条动态压缩载荷函数曲线仿真的锁扣载荷瞬态响应与试验测试力值偏差小且变化趋势基本一致，车门动态关闭疲劳仿真预测结果与耐久试验高度吻合。密封条动态压缩阻尼效应对提升车门关闭耐久仿真精度有重要意义。     

基于最小二乘法的无线充电线圈自感辨识

提出了一种基于最小二乘法的新型线圈自感辨识方法,以发射端和接收端电路串联的电压型无线能量传输(即充电)系统为例,建立其非线性高阶微分方程并构建数据矩阵,通过最小二乘法获得系统的过程参数矢量,将线圈的自感辨识问题转换为系统参数辨识问题,完成无线充电系统发射端和接收端线圈的自感辨识,最后通过仿真和实验,验证了该方法的可行性。     

一种基于幂级数展开和最小二乘法的高速公路稳态速度-密度平衡关系式的辨识算法

提出了一种新的辨识Markos Papageorgiou提出的高速公路交通流模型中稳态速度-密度平衡关系式的算法.该算法分为两个步骤,第1步,利用幂级数的原理,将该关系式由非线性模型转换成线性模型;第2步,采用最小二乘法辨识线性模型,并在此基础上获得非线性模型的所有参数,从而达到辨识稳态速度-密度平衡关系式的目的.理论分析和仿真结果均表明,与传统的非线性辨识算法相比,该算法大大提高了模型辨识的运算速度,同时可以实现任意的辨识精度.     

车用汽油机瞬态空燃比的混沌时序非线性组合辨识模型

为提高汽油机瞬态空燃比的辨识精度,提出了混沌时序非线性组合辨识模型.采用2种单项辨识方法,包括最小二乘支持向量机(LS-SVM)及径向基函数(RBF)前向型神经网络,分别对瞬态空燃比时间序列进行建模与辨识.采用非线性组合方法利用BP神经网络对2种单项辨识方法的结果进行组合辨识,并与Elman神经网络模型及最小二乘辨识模型进行比较.结果表明:混沌时序非线性组合辨识模型的辨识精度优于Elman神经网络模型及最小二乘辨识模型,具有更强的非线性辨识能力,能提高瞬态空燃比的辨识精度,为空燃比反馈控制的成功实行提供了有力依据.     

基于ReliefF-RBF的路面不平度识别算法研究

路面不平度对道路车辆行驶安全性及车辆动力学响应具有重要影响。通过将路面不平度识别与先进悬架控制结合,有望能进一步提升乘员舒适性和车辆的操纵稳定性。现有基于数据驱动的路面分类方法难以高效处理时变参数与车速,现有基于模型的路面识别算法需要已知精确车辆模型,在实际应用中面临车辆物理参数难以获得的问题。提出一种融合模型和数据驱动的路面分类算法,采用基于模型的方法反算等效路面轮廓,结合数据预处理方法,对车辆响应和反算等效路面轮廓数据进行滤波;对等效路面轮廓和响应信息进行时域频域特征计算,采用ReliefF算法进行关键特征提取,构建基于径向基函数神经网络的路面分类器,进行路面分级识别;通过仿真试验和实车试验验证了不同车辆参数和车速下所提出的算法鲁棒性。     

全局演化局部模拟优化技术在汽车结构参数优化中的应用

本文将演化算法与模拟退火算法集成，提出一种适用的全局演化局部模拟优化技术，该技术使用演化算法在解空间通过较少代数的化为模拟退火算法提供一个良好的算法构形，在此基础上，通过退火方式寻找全局最优解。本文探讨了在该算法在汽车操纵稳定性评价与结构优化中的应用问题。优化以最小化汽车操纵稳定性综合评价指标为目标对评价参数与结构参数进行优化。使用优化参数在双移线条件下对四自由度汽车动力学模型的操纵稳定性进行仿真研究。通过仿真对比分析了演化算法与模拟退火算法，本文使用的算法继承了这两种算法的优点。研究结果表明：使用全局演化局部模拟优化技术所得综合评价指标值最小。耗用CPU时间也最少，而且所得优化参数使得人－车闭环系统跟随预期路径的精度提高约58．31％，而使综合评价指标值下降约37．35％。     

基于FP-Growth算法的盾构掘进参数与隧道管片渗漏关联性分析

为研究隧道管片渗漏与盾构掘进参数之间的关联性,对关联规则中的Apriori算法与FP-Growth算法进行比较,选择FP-Growth算法作为文章研究使用的关联规则算法。选取关键掘进参数并对其数据筛选、划分及编码。采用FP-Growth算法,结合Matlab数据分析语言编程,挖掘基于掘进参数频繁项集的管片渗漏关联规则,分析关键掘进参数渗漏原理。依据渗漏频繁项集和渗漏规则,推荐4个关键掘进参数组合的预设范围,并应用在某隧道东线的盾构掘进中。结果表明,关键掘进参数组合优化后的成环管片发生渗漏的概率降低29.36%。     

基于遗传算法的车辆悬架系统等效物理参数识别

针对车辆悬架系统的功能及物理特性,以车轴的运动为系统输入,对复杂的整车行驶模型进行了合理简化。以某型专用越野车辆为例,建立了簧载质量的3自由度振动模型,推导了簧载质量任意位置处的加速度频响函数;利用汽车试验场道路测试数据,通过遗传算法编写VC程序进行了数据拟合,得到了悬架系统在不同路面工况下的等效物理参数。实际应用表明,拟合结果具有较高的可信度。     

模拟沥青混合料集料的多面体颗粒随机生成算法及程序

为了真实反映沥青混合料中集料的形状、级配及排列,准确模拟其复杂的几何特征与物理性质,提出了模拟沥青混合料的多面体随机生成算法,介绍了算法实现过程中的关键技术问题及程序设计。该算法不仅考虑了矿料级配、颗粒分布的随机性,多面体区域生成及级配的检验与确定,而且考虑到几何与物理参数的转换问题,解决了沥青混合料集料空间结构重构的关键问题。研究结果表明:该算法及程序操作简便,切实可行,为沥青混合料或其他矿物质混合料空间结构重构提供了一种新途径。     

基于遗传算法的车辆半主动悬架控制系统参数优化

遗传算法(Genetic Algorithm,GA)是一种基于自然群体遗传演化机制的高效优化算法,它能模拟自然界生物进化过程,依据适者生存,优胜劣汰的进化规则,采用人工进化的方式对目标群体进行遗传操作,不断得到更优群体。文章根据遗传算法基本思路,在MATLAB/Simulink中搭建了基于遗传算法的车辆半主动悬架参数优化模型,利用该算法对半主动悬架控制系统参数进行了优化,并对优化结果进行了仿真分析,结果表明,优化后车辆簧载质量加速度均方根值降低31.1%、悬架动挠度均方根值降低11.2%、轮胎动载荷均方根值降低7.1%,车辆平顺性得到提升。     

基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析

为研究高寒地区设置中心深埋水沟单线铁路隧道的围岩力学参数问题,以兰新铁路新建博州支线阿拉套山隧道为工程背景,基于FLAC3D数值模拟软件联合MATLAB中的神经网络工具箱构建BP神经网络算法,建立隧道开挖位移正演和反演模型,对围岩物理力学参数作反演分析。通过对中心水沟开挖前的拱顶和拱腰监测数据做拟合分析,发现隧道变形已趋于稳定,反演过程不需考虑中心水沟开挖对围岩的二次扰动。以水沟开挖前的拱顶沉降值和拱腰收敛值作为输入函数,以围岩的体积弹性模量K、剪切弹性模量G、黏聚力c、内摩擦角φ、重度γ作为输出函数训练神经网络模型,利用训练好的模型进行所需参数的反演分析。将反演参数代入FLAC3D正演模型计算后,提取中心水沟开挖前的拱顶沉降值和拱腰收敛值,与中心深埋水沟开挖前的实际监控量测值相比较为接近。结果证明,围岩物理力学参数的反演较为合理,对于变形的预测较为准确,可为隧道后期工程的施工和优化设计提供参考。     

基于多目标参考信号优选的车辆路噪主动控制

在车辆路噪主动控制(Road Noise Cancellation, RNC)过程中,参考信号的选择会直接影响系统的降噪效果。针对传统参考信号选择方法中存在的目标区域单一、参考信号间独立性不足等问题,提出一种改进的多目标参考信号优选方法。首先推导参考信号选择所依据的相干性和条件数评价指标,使用折衷规划法将上述指标构造成综合目标函数,并通过准则间相关性方法确定各项的权重系数;为降低运算量,利用遗传算法建立以该综合目标函数作为适应度函数的多目标参考信号寻优模型,并通过该模型获得一组优选的参考信号,从相干性分析及条件数计算结果易知,优选的参考信号组合在100～500 Hz频段内与目标噪声的相干性较好,且彼此独立;为验证该方法的有效性,以某款燃油车为研究对象,采用多通道NFxLMS算法对该组参考信号进行RNC仿真和实车道路验证。研究结果表明：在降噪效果方面,通过传统多重相干法选择的参考信号在100～500 Hz频带内的平均降噪量为4 dB(A),而通过多目标方法优选出的参考信号在100～500 Hz频带内的平均降噪量达到6 dB(A),RNC系统的控制效果得到增强;在计算效率方面,所提方法的计...     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

卡尔曼滤波短时交通流预测普通国省道适应性研究

短时交通流预测是提高普通国省道交通运行效率和安全的关键技术之一。普通国省道具有分布地域广、情况复杂的特点,要求短时交通流预测方法具有良好的适应性,然而,针对短时交通流预测算法适应性及其机制的系统性研究尚不多见。选取1种自适应卡尔曼滤波算法,系统分析其适应性和适应机制。获取江苏省徐州市普通国省道路网中8个交通调查站所采集的实际交通流数据开展实例分析,结果表明:在不同的交通流量水平下,所选算法均值预测的平均绝对百分比误差在10.98%~15.92%之间,区间预测的无效覆盖率在5.21%~6.15%之间,表明所选的自适应卡尔曼滤波算法在不同交通流水平下都具有良好的预测性能;对所选算法的参数进行分析发现,算法参数能够随交通流水平的变化而自动调整,具有良好的自适应机制;所选算法能够在预测初期实现有效的性能调整和收敛。