基于卷积神经网络的舰船图像类型识别

舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。     

高速变轨距动车组转向架轮轴传动方案设计

针对高速变轨距动车组转向架轮轴间转矩传递的问题,提出了滚子花键传动方案、花键轴传动方案和轴套式花键传动方案3种传动方案。对3种方案进行了比较,并对花键轴传动方案和轴套式花键传动方案进行了强度校核和有限元分析。分析结果表明,轴套式花键传动方案优点突出,在3种传动方式中应当优先考虑。     

无速度传感器永磁同步电机低脉动直接转矩控制

传统永磁同步电机直接转矩控制系统的定子磁链、电磁转矩脉动较大,这些脉动在影响系统性能的同时,也影响电机参数的辨识精度。为实现永磁同步电机的低脉动无速度传感器直接转矩控制,采用EKF(扩展卡尔曼滤波器)构建电机转速、定子磁链观测器,以实现电机转速等参数的实时在线观测;构建转矩、磁链SMC(滑模控制器)取代传统DTC(直接转矩控制)中的滞环比较器和开关表以降低脉动。结果表明,无速度传感器永磁同步电机低脉动直接转矩控制能有效地降低电机转矩、磁链脉动,改善系统控制性能,同时,能实现永磁同步电机变量的快速、精确观测。     

重型卡车ADAS系统应用

随着汽车智能化的迅速发展,ADAS系统(高级驾驶辅助系统)逐步开始在重卡车型上应用,目前可实现的功能包括:车道偏离预警(LDW)、碰撞预警(FCW)、自动紧急制动(AEB)、自适应巡航(ACC)等。1ADAS系统组成ADAS系统由传感器(输入信号)、控制器、执行器(输出信号)3部分组成。传感器包括前置单目摄像头、毫米波雷达;执行系统为发动机和EBS电子制动系统。ADAS系统组成如图1所示。     

结构-电磁激励下某电驱总成噪声控制

针对某电动汽车电驱总成的噪声问题,依据电驱总成车内噪声产生机理,进行整车状态声振特性测试,运用不同工况组合下的频谱特征和阶次特征等分析方法,识别出该电驱总成噪声问题为结构共振和电磁激励所致。针对结构共振问题,考虑电驱总成结构耦合特性、电机材料复杂多样性和线圈绕组质量,建立电驱总成有限元分析模型,求解出电驱总成的模态和振动响应,并通过敲击法模态试验得到模态参数进而对有限元模型进行验证,在此基础上以模态应变能为依据对电驱总成结构的局部刚度进行优化,提升结构共振频率,降低共振风险。针对电磁激励问题,以电驱总成中的永磁同步电机为研究对象,建立电磁仿真分析模型,以影响磁通密度的转子槽口的槽形、槽宽、槽深和槽间角度4个因素建立正交试验设计表,通过极差值得到各因素对齿槽转矩和输出转矩的影响水平,最后以降低齿槽转矩、加工工艺简单和对输出转矩影响小为目标,运用16组具有代表性的电磁方案,完成256个参数组合的寻优,并对优化方案进行了数值仿真计算。研究结果表明：优化方案的改善效果较显著;研究可为电动汽车车内噪声改善提供试验技术支持,并为电驱总成的结构共振噪声和电磁噪声控制提供方法参考。     

辅助驾驶横向控制功能原理及其影响因素

文章从横向控制原理和车辆动力学域角度解析车辆运动过程,分别搭建转向和车辆系统数学模型,分析横向控制环节的影响因素,并搭建考虑转向摩擦、阻尼等特性的精准转向模型,集成为整车ADAMS模型,根据数学模型分析的影响因素进行DOE,在验证原理的科学性的同时,为横向控制工程提供理论指导。