基于LSTM网络的路面不平度辨识方法

路面不平度的辨识是半主动悬架控制等智能底盘技术的难点,目前缺乏成本低、可靠性高且精确快速的方法。本文提出一种新的基于长短期记忆(long short-term memory,LSTM)网络和时序轮心加速度的实时路面不平度等级辨识方法。该方法利用轮心加速度的时序信号,而非传统的统计特征,基于LSTM网络对时序信号的强特征捕捉能力,无需信号预处理就能快速得到路面分类特征,大大减少辨识算法的计算量,可以实现实时辨识。训练集数据可以通过不同功率谱密度等级的白噪声生成路面,然后通过车辆传递特性获得加速度信号,也可集成试验数据。此方法仅需要一个时域加速度信号,且无需复杂预处理,鲁棒性高,能够实现不同车速、减振器阻尼系数、簧上质量和采样时长下的路面不平度等级的快速辨识。     

融合毫米波雷达与深度视觉的多目标检测与跟踪

针对现有融合毫米波雷达与传统机器视觉的车辆检测算法准确率较低与实时性较差的问题,本文中对多目标检测与跟踪进行研究。首先,利用阈值筛选和前后帧数据关联方法对毫米波雷达数据进行预处理,进而提出一种用于毫米波雷达数据跟踪的自适应扩展卡尔曼滤波算法。然后,为提高目标检测精度与速度,基于采集到的实车数据集训练卷积神经网络,完成深度视觉的多车辆检测。最后,采用决策级融合策略融合毫米波雷达与深度视觉信息,设计了一种用于复杂交通环境下前方车辆多目标检测与跟踪的框架。为验证所设计的框架,进行了不同交通环境下的实车实验。结果表明:该方法可实时检测跟踪前方车辆,具有比融合毫米波雷达与传统机器视觉的车辆检测方法更好的可靠性与鲁棒性。     

自抗扰控制器在潜艇近水面航行深度控制中的应用

基于潜艇垂直面非线性运动模型,模拟近水面情况下潜艇的操纵运动;利用自抗扰控制技术(ADRC),对潜艇深度变换进行控制.仿真表明,相对于现有潜艇的操纵控制,在潜艇深度控制上,自抗扰控制器可以获得较高的控制品质和较理想的控制效果,并且可以实现控制上的零超调.     

基于深度 Q 网络的城市轨道交通协同限流方法

为解决城市轨道交通高峰小时区间满载率过高的问题,本文提出一种基于深度强化学习的城市轨道交通协同限流控制方法。该方法利用历史客流数据建立线网层面的限流仿真环境和智能体模型,以区间满载率为状态,以限流策略为动作,以客流体验为奖励,通过多轮强化学习训练产生最优的限流方案。随后利用北京地铁线网数据构建仿真实验并验证了该方法的有效性。仿真结果表明,协同限流方法可以有效降低断面客流量,缓解高峰小时区间拥挤程度,提高乘客出行舒适度。     

影响真空堆载预压加固路基效果的主要因素

对广东省内多项真空联合堆载预压工程调查分析表明,影响真空联合堆载预压加固效果的主要因素有密封质量、排水体质量和打设深度、抽真空时间和联合作用时间等。     

基于强化学习的多燃烧模式混合动力能量管理策略

针对采用HCCI/SI多燃烧模式的功率分流型混合动力汽车,提出了一种基于深度强化学习(DRL)的能量管理策略.基于发动机台架试验和电机有限元分析建立了混合动力汽车模型.将整车作为环境,采用排序优先经验回放算法,训练基于深度Q网络(DQN)的能量管理智能体.在WLTC和NEDC工况下,与规则策略、自适应等效燃油消耗最小策...     

中国船级社助力山东海运船队能效提升

<正>山东海运股份有限公司(简称"山东海运")是一家成立于2010年的地方国有航运企业。十年来,中国船级社(CCS)和山东海运一直保持着紧密的战略合作伙伴关系,并共同致力于"安全环保、绿色节能"的发展理念,在散运、油运和气体运输等多个业务板块开展深度合作,助推了山东海运在新造船、营运船和二手船交易等诸多领域快速成长,尤其船队能效管理得到了大幅度提升。     

基于深度学习的船舶滚动轴承状态监测技术研究

滚动轴承作为一种关键零件已被广泛应用于船舶的减速齿轮箱、船用泵、空压机、小型马达等重要设备中,因此,对船用滚动轴承开展状态监测技术研究对保证船舶可靠性、安全性具有重要意义。随着传感器的微型化、数字化、智能化、多功能化、系统化和网络化,各类传感器（如光敏、声敏、气敏、压敏、温敏、磁敏等传感器）被普遍应用于船舶设备的监测中,采集大量的设备健康状态数据。本文对轴承状态数据进行分析,通过深度神经网络自动学习滚动轴承监测数据中的故障特征,研究数据驱动下船用滚动轴承的状态监测关键技术。     

梁场强夯加固试验与数值模拟研究

结合某客运专线梁场强夯加固工程,根据强夯的动附加应力理论公式,分析了该梁场在2种夯击能量下以不同扩散角度进行扩散时的动附加应力的分布规律;利用数值模拟的方法,结合该梁场的地质条件,分析了该梁场在夯击作用下,夯点中心竖向位移随深度方向的衰减规律以及土体竖向位移随水平距离的变化规律.在对理论计算和数值模拟结果的综合分析基础上,结合强夯后检测结果,提出了强夯加固设计参数.强夯后地基承载力和夯击试验以及压缩模量计算结果表明,本次强夯加固效果显著.     

沥青路面病害自动识别技术研究

沥青路面病害图像的分析目前主要依靠人工识别的方法,效率较低.现采用深度学习神经网络,对路况检测车和无人机自动设备采集的大量病害图片进行特征分析、训练和学习,并开发出相应的病害自动识别分析软件,以提高识别精度和效率.