基于目标级联分析法的车下设备悬挂参数优化设计

为改善高速列车运行舒适度和车下悬挂设备的振动水平,建立了车辆-设备系统垂向动力学模型,推导了车辆系统振动加速度频率响应函数;结合轨道不平顺激励谱函数计算了车下悬挂设备振动加速度均方根,联合人体舒适度加权滤波函数计算了车体振动参考点的垂向舒适度指标;引入目标级联分析(ATC)法逐层分解车辆-设备系统振动指标,构建了车辆-设备系统两层指标分解数学模型,采用指数罚函数策略协调两层振动指标之间的耦合问题;提出了以车辆运行舒适度和车下悬挂设备振动加速度为指标的多目标优化方法,建立了以车下设备悬挂刚度和阻尼为设计变量的优化模型;联合车下设备悬挂参数动力吸振器(DVA)设计法对比探讨了ATC法在复杂车辆系统参数优化设计中的应用效果。分析结果表明：与DVA设计法相比,ATC法优化后车辆中部舒适度在300 km·h^-1工况下提高了8.5%,设备振动水平减小了约20%;在全速域区间,ATC法对车体中部的振动衰减是DVA设计法的2倍,且对设备的振动衰减比DVA设计法大4.5 dB;与优化前相比,ATC法优化后车辆中部舒适度指标最大提升了15%,设备振动加速度减小了0.18 m·s^-2。由此可见,ATC法可以运用于复杂轨道车辆结构参数优化设计中,能有效改善车辆系统的振动水平,也可为车下设备悬挂参数优化设计提供指导。     

深度模拟器液压系统仿真研究

介绍了深度模拟器总体结构及工作原理,针对深度模拟器控制系统中PID算法及其相关参数进行了仿真研究。以深度模拟器液压系统为模型,利用AMESim仿真软件工具,对整个液压系统进行了仿真分析并对系统各元器件的参数进行了优化,为深度模拟器的进一步研究提供了理论基础。     

舰艇编队信息融合中模糊C-均值算法改进研究

在分析舰艇编队信息处理融合的基础上,提出舰艇编队信息融合体系结构、模型和实现框架。针对原C-均值算法在处理数据时的不合理性,提出了改进的模拟C-均值算法,提高分类效果,满足信息融合的实时要求和可靠性要求。     

基于NFFD 算法的船体几何变形技术

本文以非均匀有理B样条基函数作为参数体属性,并结合非均匀控制点网格,建立了适用于船体几何的NFFD变形技术。重点阐述了NFFD方法的基本原理和变形规则,并以矩阵表示方法为基础构建了数学模型。研究了控制点数量和分布对变形结果的影响,增加了控制点变形几何的能力并获得了更大的设计空间。最后,以某CNG运输船为例完成了球鼻艏、船艏和船艉部分几何的自动变形。本文的工作为船型优化提供了良好的变形工具。     

智能网联车环境下高速匝道汇入车流轨迹优化模型

为了解决传统匝道控制车流汇入时车辆需要减速至停止，从而造成延误时间过长的问题，提出了一种智能网联车环境下的高速匝道汇入车辆轨迹优化的两阶段优化模型，其中，第1 阶段优化车辆进入匝道口的时序；第2 阶段基于第1 阶段的最优时序，优化车辆轨迹. 根据所构建的模型设计了一种启发式算法优化车辆通过匝道冲突区域的时序，然后结合 GPOPS工具优化车辆的轨迹.为了验证所提出方法的有效性，将所提出的方法应用到20 min 随机到达的车流，进行仿真实验.实验结果表明，与先进先出的方法相比，本文所提出的方法能够使总延误减少59.7%，总油耗减少10.5%，说明该方法能够实现车辆以较高的速度通过匝道冲突区域，有效地减少了车辆汇入延误，同时也节约了油耗.     

VTS中雷达信息与AIS信息融合的探讨

文章对VTS中雷达信息与AIS信息的来源、种类与特点进行了比较,论证了两者信息融合的可行性与必要性,同时给出了信息的融合模型与方法,也提出信息融合需要进一步解决的问题.     

基于响应面和遗传算法的柴油机瞬态过程喷油参数优化

基于台架试验数据,利用响应面法建立了某工程机械用柴油机瞬态过程喷油参数与性能的近似高精度模型,基于此模型采用遗传算法对瞬态过程喷油参数分别进行离线优化研究。结果表明:采用单目标优化确定的燃油消耗率(BSFC)、NO_x比排放量和颗粒质量(PM)比排放量的优化极限分别可达180.23g/(kW·h),8.92g/(kW·h)和0.011 8g/(kW·h),相对原机可降低多达4.5%,34.0%和37.3%。双目标优化的Pareto解集表明,相比于同时优化BSFC和NO_x比排放量,BSFC和PM比排放量更容易同时得到优化。采用权重因子适应度函数的三目标优化结果对应的BSFC,NO_x比排放量及PM比排放量分别为184.70g/(kW·h),12.62g/(kW·h)和0.012 2g/(kW·h),较原机分别降低2.1%,6.6%和35.3%。改进优化模型后,性能优化Pareto解集对应的BSFC和PM比排放量水平都非常接近其优化极限,但NO_x比排放量相对其优化极限仍然较高。     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。