基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization,PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的 PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到 97%,与传统 BP神经网络的路面类型特征识别精度提升 7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。     

PHEV发动机驱动工况效率耦合分析与优化控制

单轴并联式混合动力系统（Parallel Hybrid Electric Vehicle,PHEV）包括电池、驱动电机、发动机、自动变速器等多个关键部件。各部件效率特性存在相互耦合的关系,要实现系统整体效率最优,需要辨明影响系统效率的控制参数,并对系统整体效率最优的控制参数进行优化。以装备无级变速器（Continuously Variable Transmission,CVT）的PHEV为研究对象,首先对系统各关键部件的效率特性进行分析,建立各关键部件效率模型,明确各部件效率与控制参数、状态参数之间的关系。在此基础上,对发动机单独驱动模式下动力传递路径中不同部件的效率耦合关系进行分析,推导出系统燃油消耗量与动力系统各状态参数、控制参数之间的函数关系。根据分析结果,选取车辆需求功率及车速为状态参数,变速器速比及发动机转矩为控制参数,以系统燃油消耗量最小为目标建立优化目标函数和约束条件,对系统优化问题进行定义。根据优化问题的特点,设计基于模拟退火的优化算法对优化问题进行求解,获取系统燃油消耗率最小时变速器目标速比和发动机目标转矩随状态参数的变化关系。建立系统仿真模型对所述优化算法进行仿真分析,并搭建混合动力试验台对优化结果进行试验验证。结果表明：无级变速器效率对系统整体效率影响较大,采用优化控制规律使发动机效率有所降低,但无级变速器效率升高更大,系统整体效率升高;在功率需求一定的循环工况下,优化控制算法比传统上仅以发动机效率最高为目标的控制算法节油1%~2%。     

湿式离合器出油口甩出油温度预测方法

为了实现对湿式离合器出油口甩出油温度传感器的冗余校验和自我诊断，提出了一种基于粒计算约简的离合器出油口甩出油温度的模糊预测方法。首先分析出油口甩出油温度的影响因素，将主要影响因素作为预测输入量，并采用模糊推理理论预测当前离合器出油口甩出油温度。在设计模糊预测方法的过程中，通过分析实车数据得到车辆行驶时离合器处于高滑摩功率过程和低滑摩功率过程的不同特性，分别确定相对应的隶属度函数和模糊预测规则，从而进一步提高出油口甩出油温的预测精度。为了提高模糊预测算法的实时性，基于模糊预测规则创建模糊决策表，模糊输入量和模糊输出量分别作为决策表的条件属性集与决策属性集。利用粒计算理论对模糊决策表的条件属性集进行属性约简，通过削减冗余信息有效降低模糊输入量和模糊预测规则的个数。最后利用实车采集的数据对比分析约简前后模糊预测算法的单步运行时间和预测误差等性能指标。试验结果表明：基于粒计算约简的模糊预测算法能够有效保障预测精度，同时拥有更少的模糊预测规则数和模糊输入量，有效解决了模糊预测算法占用资源较多以及实用性较差的问题。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。     

基于线性路径跟踪控制的换道避撞控制策略研究

为实现车辆自主避撞,改善道路交通安全状况,提出一种基于线性路径跟踪控制的换道避撞控制策略。为实时确定制动和换道时机,获取跟车状态下自车和前车车速、加速度、相对距离以及驾驶人制动反应时间计算制动安全距离和换道安全距离,并在此基础上分别引入制动危险系数B和换道危险系数S评估制动与换道风险,使得车辆发生追尾碰撞的危险程度和主动干预阈值更直观。根据车辆期望横向加速度和期望横向位移的变化特性,采用5次多项式法规划符合驾驶人换道避撞特性的避撞路径。为保证换道避撞过程中驾驶人的安全舒适,采用最大横向加速度约束换道避撞轨迹。为实现对换道避撞路径的线性跟踪控制,保证车辆的操纵稳定性和横摆稳定性,基于车辆稳态动力学模型建立前馈控制,结合线性反馈控制消除换道路径的位置和横摆角偏差,修正参考路径实现直车道场景追尾避撞控制。仿真和实车交叉验证试验表明：根据车辆期望横向加速度和期望横向位移建立的符合驾驶人换道避撞特性的五次多项式换道路径与驾驶人实际换道避撞路径基本吻合,结合碰撞时间和车间时距的制动避撞控制策略能够在保证车辆行驶安全舒适性的同时有效避免车辆追尾碰撞,减少交通事故的发生。     

城市轨道交通车辆部件故障与均衡修修程周期

简要分析了目前采用的城市轨道交通车辆维修制度及修程的不足,引出均衡修概念。基于概率统计分析,结合车门等车辆零部件的故障间隔时间特点,提出确定均衡修修程周期的方法,指出均衡修策略的技术特征。实施均衡修应以部件为维修单元。分析表明,采用均衡修将减少零部件故障,提升车辆运用可靠性。     

变流技术应用试验室试验电源系统设计分析

详细分析了变流技术应用试验室试验电源系统的设计方案，阐明了交流调压器与感应调压器配合调压方案的优越性，并给出了实际运行波形。     

轨道交通车辆转向架牵引电机滚动轴承可靠性研究

为保障轨道交通车辆转向架牵引电机滚动轴承安全、平稳、可靠地运行,提出一种基于IMF-PCA(本征模态分量-主成份分析)和WPHM(威布尔比例故障模型)相结合的轨道车辆转向架牵引电机滚动轴承(以下简称"电机轴承")可靠性评估方法。将实测采集的振动信号利用自相关系数对IMF中起主导的信息成分进行辨别,对于不同信息成分占主导的IMF分量,利用PCA将其分解为有用信息和虚假分量或噪声组成的一系列主分量。采取不同的筛选剔除方法对IMF进行筛选,将筛选保留的IMF进行重构,得到纯净、敏感的振动信号,并从中提取出能反映电机轴承状态的特征指标,将优选出的特征指标进行特征信息的加权融合。将这个融合后的特征指标作为WPHM的协变量,建立可靠性评估模型,从而实现电机轴承运行可靠性的有效评估。     

FRP拉索锚固体系优化及其静力性能评价

针对大吨位多筋FRP拉索锚固存在应力集中、锚固效率低等问题,提出了一种性能可设计的分段变刚度锚固方法,以同源变刚度为设计理念,开发了一种磨碎玻璃纤维改性树脂荷载传递介质.首先,以常用的石英砂改性树脂为对照组,对比分析了2种改性树脂在不同体积掺量下的压缩性能,并利用数值拟合方法揭示了磨碎玻璃纤维改性树脂的压缩强度和弹性模...     

基于剩余充电电量的锂离子电池组容量快速估计方法

针对传统锂离子电池组容量确定方法存在的效率低、能耗高且只能离线应用等问题,提出一种基于电池剩余充电电量的锂离子电池组容量快速估计方法。首先,基于充电电压曲线一致性原理,以电池组内率先充电至充电截止电压的电池单体电压曲线为基准,通过电压曲线的平移缩放与线性插值计算出各单体电池的剩余充电电量与剩余充电时间,从而实现各单体电池的荷电状态(State of Charge, SOC)在线估计,在此基础上实现电池组容量的快速估计。其次,在电池单体模型的基础上建立电池组的仿真模型,并在全SOC区域上对模型参数进行分段辨识。通过所建立的仿真模型得到电池组的充放电曲线,并对电池组容量进行估计。最后,对4个单体串联而成的电池组进行充电试验。研究结果表明:仿真容量与估计容量误差为1.2%以内,验证了所提出的容量快速估计算法的有效性;利用所提方法估计出电池组容量与试验得到的电池组容量的误差为2.61%;该方法根据电池充电曲线的平移与缩放即可在线估计出电池组容量,可应用于新电池组容量的在线快速估计,能在保证3%估计误差的基础上将检测效率提高到传统方法的2倍以上。