汽车起重机架设单轨PC轨道梁的危险源识别与控制

重庆轨道交通2、3号线采用跨座式单轨交通系统,其中70%线路为高架段,而大部分高架段采用汽车吊架设PC轨道梁。通过对架设工艺流程进行分析,得出结论:架梁过程中的占道施工和PC梁吊装为重大危险源。利用某学者提出的重大危险源辨识数学模型中的评分标准对其进行评价,重点对PC梁吊装中的重大危险源提出安全技术控制措施,主要包括选择满足安全要求的起重机、起吊危险源控制措施、PC梁定位安全技术措施等方面。这些安全技术措施,已成功应用于重庆轨道交通2、3号线11 000榀PC轨道梁架设,并为韩国大邱地铁3号线PC梁架设提供了技术支持。     

高密度瓶颈交通流主动-回应汇入行为定义与建模

汇入行为是导致高速公路、快速路汇入区瓶颈失效的根本原因,也是引发车辆冲突、交通事故的重要诱因。基于上海虹许路汇入区高精度轨迹数据,在经典的3类汇入行为(自由、协作、压迫)分类基础上发现并定义了一类新的汇入行为:主动-回应汇入,即在目标车道插车间隙不足的条件下,汇入车辆通过横向偏移主动表达汇入意图,引发后车合作让行,从而实现汇入。由于传统的换道类型划分方法已不适用于描述瓶颈区汇入过程的复杂交互现象,因此根据汇入车辆的横向位置将汇入过程划分为4个时段,以目标车道后车让行的时段不同对4类汇入行为进行了重新划分。基于此对虹许路汇入区轨迹数据中的汇入行为进行分类,并比较主动-回应汇入行为与经典的3类汇入在汇入位置与汇入间隙变化分布的差异。进一步,采用风险空间理论判断目标车道间隙的可汇入程度,并结合混合高斯-隐马尔可夫模型实现对后车的让行意图识别,建立了主动-回应汇入模型。最后构建了瓶颈交通流仿真原型系统以验证模型有效性。结果表明:在宏观交通流层面,主动-回应汇入行为在汇入位置、速度和间隙的分布上与实证数据一致,均值没有显著差异;在个体行为层面,也能再现定义描述的"主动试探-两车博弈-回应让行"的过程。该研究成果对解析瓶颈交通流早发性失效机理、揭示汇入风险变化过程以及设计符合人类驾驶人交互特征的自动驾驶汇入策略均具有重要的指导意义。     

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域,研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络,通过学习交汇水域船舶的历史轨迹,以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征,LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择,从而形成船舶轨迹与航行意图识别模型。同时,引入Dropout网络结构描述该模型的预测不确定性,采用随机关闭CNN+ LSTM核心网络部分神经单元的方式,以相同轨迹序列作为输入获取多组相近的预测结果,根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验,创建了该交汇水域船舶航行轨迹数据集,以输入时长60 min,采样频率3 min作为输入条件,Dropout值取0.5,实验结果表明：所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile,航行意图识别准确率达87%,不确定性估计覆盖率达85.7%。与LSTM预测方法相比,当船舶操纵性发生改变时,所提CNN+LSTM模型的轨迹预测误差降低了31.6%,而且兼具船舶航行意图识别及预测不确定性估计能力,有利于智能航行与海事监管技术发展。     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

基于轮速计算的乘用车小备胎识别策略开发及应用

汽车小备胎具备占用空间小,成本低廉的优势,在各类乘用车均得到较广泛的应用。但小备胎在滚动半径,轮辋偏置距等参数上与全尺寸备胎有一定差别,影响驾驶员在加速、制动及转向中的体验及行驶安全。通过对安装了小备胎的轮速进行计算,设置小备胎轮速识别门限,并建立小备胎识别状态机,整车搭载的控制单元如整车控制器,车身电子稳定控制系统等,可在车辆行驶一定时间后侦测到车辆是否安装小备胎。控制单元通过发送备胎识别总线报文,使整车关联节点接收到小备胎使用信息,针对小备胎的安装,提示驾驶员谨慎驾驶,调用动力控制单元驾驶模式,从而降低小备胎行驶中的安全风险,提升驾驶员驾驶体验。     

车辆自适应车道偏离识别算法研究

针对车辆在行驶时由于车道线检测方法单一,导致对直道线和弯道线检测效果不一致,从而影响车道偏离识别效果的问题,基于摄像头采集到的图像信息,提出了1种自适应车道偏离识别算法。该算法对车辆在直道行驶时采用偏离判断基准线法,而在弯道行驶时采用基于触线时间阈值法,分别对行驶状态进行车道偏离判断,该算法既保证了计算速度,又保证了结果的准确性。为了验证所提出方法的有效性,采用仿真的方法,使用车道偏离识别算法获取的数据,通过比例-积分-微分(PID)算法对车辆行驶状态进行控制,得到车辆在预期车道内的行驶状况,以此证明了所提出的车道偏离识别算法的有效性。     

江淮纯电动车IEV真空助力故障排查分析

发展新能源汽车是目前缓解环境压力、实现节能减排的重要手段,其中纯电动汽车是新能源汽车的成熟技术方案,纯电动车的产品技术结构与电驱动特点,决定了整车制动助力系统的差异性设变非常重要,为促进客户与市场维修人员掌握必要的纯电动汽车制动助力系统故障识别与快速处理方法,     

基于模态曲率法的木框架结构损伤识别

通过ANSYS有限元软件得到结构位移模态分析数据,对于木框架结构在不同损伤工况下进行了模态曲率分析,研究表明模态曲率指标对于木框架的损伤比较敏感,能准确判断木框架损伤发生的具体位置,为研究木建筑结构的损伤识别奠定了理论基础。     

基于视觉与激光雷达数据融合的前车识别研究

智能驾驶技术已经成为智能车的重要开发领域,这一技术实现的关键就是对车辆精确的环境感知,对周围物体进行准确识别,避免车辆在行驶过程中出现事故,在智能辅助驾驶系统起关键性作用。目前,单一传感器不能满足复杂工况下的路面识别,基于多传感器的数据融合(Multi-sensor Information Fusion,MSIF)可以提高检测效率,改善单一传感器检测不精确的缺陷,文章先对传感器进行标定实现多传感器的时空同步,对识别的物体进行检测判断,确定前车。实验结果表明此方法有利于提高汽车安全行驶性能,可以准确、实时地识别前方车辆,满足多工况下的前车识别。