船用轴带发电机的并网控制

本文对轴带发电机和柴油发电机的并网控制进行了分析。首先,介绍了轴带发电机和柴油发电机的原理和功率调节方式,然后对轴带发电机采用变频器作为稳压稳频单元的使用和变频器输出有功功率和无功功率的解耦控制。     

基于ANSOFT的轴向磁场永磁同步发电机性能计算

本文介绍了一种轴向磁场永磁同步发电机,并使用ANSOFT公司的电磁场有限元分析软件Maxwe113D对其进行三维电磁场与外电路系统的场路耦合分析,从而得到该电机静磁场分布和空载与负载工况瞬态场的性能计算结果,通过样机试验证实了分析方法具有较高精度.     

浅谈多媒体技术在高职院校汽车专业课教学中的应用

高职汽车专业课教学是培养汽车行业需要的高技能型人才的重要途径。在汽车专业课的教学中．应灵活运用多种媒体相结合的教学模式，瓦解难点、突出重点，从而提高教学质量和教学效果。     

关于车用线束绝缘层开裂的失效分析探讨

车用线束绝缘层长期处于高温工作环境中,表面的绝缘层会出现强度下降及开裂等问题。经过对车用线束绝缘层开裂位置的微观形貌观测、材料成分分析以及环境性能测试,梳理出车用线束绝缘层开裂失效的主要影响因素,从而为改善车用线束开裂失效问题提供解决思路。     

永磁逆变系统并联技术的实现

介绍了永磁逆变系统并联技术的实现方案、工作状态和主要控制部分的设计。     

高速公路隧道供配电系统设计方案若干问题的探讨

高速公路隧道的供配电是车辆在隧道内安全通行的基本保证．针对高速公路隧道供配电系统设计方案中存在的若干问题进行探讨，并提出相关优化方案，可供业内同行在设计、施工时参考。     

半挂汽车列车高速公路弯道下坡路段运行安全研究（双语出版）

为提升半挂汽车列车在高速公路弯道下坡路段的运行安全，采用TruckSim仿真软件，构建了车辆模型、道路模型和驾驶人动力学仿真模型；基于蒙特卡罗可靠性分析法，分别建立了半挂汽车列车发生侧滑失效、侧翻失效、折叠失效和系统失效的功能函数，并选取设计速度80 km·h^-1的高速公路为研究路段，通过进行大量车辆动力学仿真试验，对不同圆曲线半径、纵坡坡度、路面附着系数、车速和车辆总质量对半挂汽车列车的运行安全的影响进行了数值分析。研究结果表明：半挂汽车列车发生侧滑和侧翻的概率随着圆曲线半径的增加而显著降低，在一般最小半径400 m的情况下，半挂汽车列车发生侧滑失效和侧翻失效的概率趋近于0；随着下坡坡度的增加，半挂汽车列车发生侧滑失效和侧翻失效的概率基本呈线性增长趋势；车速对于半挂汽车列车运行安全的影响尤为显著，当车速均值由60 km·h^-1增加到90 km·h^-1时，发生侧滑失效和侧翻失效的概率分别增加了634倍和336倍；车辆总质量的增加对半挂汽车列车侧翻有显著影响；在路面附着系数较低的条件下，半挂汽车列车的主要事故形态为侧滑和折叠，在路面附着系数较高的情况下，半挂汽车列车的主要事故形态为侧翻。因此，在道路设计中，应避免极限最小半径与陡坡组合，严格限速和限载可确保半挂汽车列车的运行安全性能。     

基于强化学习DDPG的智能车辆轨迹跟踪控制

针对智能车辆在轨迹跟踪过程中的横向控制问题，提出一种基于强化学习中深度确定性策略梯度算法（Deep Deterministic Policy Gradient，DDPG）的智能车辆轨迹跟踪控制方法。首先，将智能车辆的跟踪控制描述为一个基于马尔可夫决策过程（MDP）的强化学习过程，强化学习的主体是由Actor神经网络和Critic神经网络构成的Actor-Critic框架；强化学习的环境包括车辆模型、跟踪模型、道路模型和回报函数。其次，所提出方法的学习主体以DDPG方法更新，其中采用回忆缓冲区解决样本相关性的问题，复制结构相同的神经网络解决更新发散问题。最后，将所提出的方法在不同场景中进行训练验证，并与深度Q学习方法（Deep Q-Learning，DQN）和模型预测控制（Model Predictive Control，MPC）方法进行比较。研究结果表明：基于DDPG的强化学习方法所用学习时间短，轨迹跟踪控制过程中横向偏差和角偏差小，且能满足不同车速下的跟踪要求；采用DDPG和DQN强化学习方法在不同场景下均能达到训练片段的最大累计回报；在2种仿真场景中，基于DDPG的学习总时长分别为DQN的9.53%和44.19%，单个片段的学习时长仅为DQN的20.28%和22.09%；以DDPG、DQN和MPC控制方法进行控制时，在场景1中，基于DDPG方法的最大横向偏差分别为DQN和MPC的87.5%和50%，仿真时间分别为DQN和MPC的12.88%和53.45%；在场景2中，基于DDPG方法的最大横向偏差分别为DQN和MPC的75%和21.34%，仿真时间分别为DQN和MPC的20.64%和58.60%。     

基于深度可分离卷积和多级特征金字塔网络的行人检测

为提高行人检测的准确率,提出一种基于卷积神经网络的行人检测方法。该方法以YOLOv3-tiny算法为基础,在骨干网络部分,用深度可分离卷积的网络结构代替原卷积网络结构,加深网络深度。在检测部分,提出一种改进的多级特征金字塔网络,该网络由8个结构相同的使用深度可分离卷积的特征金字塔组成,特征金字塔之间串联连接,将不同金字塔得到的相同尺寸的特征进行融合,利用融合后的特征金字塔进行检测。在Caltech Pedestrian数据集上进行测试。结果表明:该方法的漏检率为57.83%,比梯度方向直方图(HOG)方法低32.53%,比基于深度学习的方法SA Fast-RCNN和MS-CNN分别低4.67%、3.21%;运行速度为34 ms/帧。因而,该方法满足了实时性要求。     

基于LQR的重型半挂汽车列车稳定性控制策略

以半挂车的横摆角速度、侧向加速度、牵引车与半挂车的铰接角及铰接角速度为控制变量,建立了4自由度6轴重型半挂汽车列车的动力学参考模型,并应用ISO双移线工况对此模型进行验证。考虑到等速圆周稳态工况下行驶和地面附着系数等因素对汽车的限制,确定了控制变量横摆角速度和侧向加速度的参考值。采用基于线性二次型调节器(LQR)的最优控制策略及半挂汽车列车单侧制动方案,应用Trucksim软件对参考模型进行了鱼钩转向工况仿真分析。仿真结果表明:所提出的控制策略正确、有效,实现了提高半挂汽车列车稳定性的控制目标。