多参数检测下载货汽车制动过程危险状态辨识

制动系统相关故障和行车间距不足是导致载货汽车追尾和侧翻事故的主要原因，通过制动危险状态及其影响因素的分析，搭建车辆在途状态检测装置，获取载货汽车载荷、车速、制动系统状态数据；基于传感器数据进行了制动蹄片磨损程度异常、制动蹄片温度异常状态和制动灯故障等单参数制动危险状态辨识；通过对制动过程中车辆进行动力学分析，建立了多参数制动距离计算模型，为标定模型参数，设计并完成了车辆滑行试验；通过仿真及实车试验，对载货汽车制动距离模型的有效性进行了验证。基于多参数制动距离模型，提出了一种检测载货汽车制动过程中的危险状态的方法。     

轮毂电机驱动车辆驱动力控制研究

轮毂电机驱动车辆各轮转矩精确可控且响应迅速的特点适用于越野工况，但越野路面起伏不一且附着条件多变，因此，开发基于越野工况辨识的车辆驱动力控制策略，对提升轮毂电机驱动车辆的纵向行驶稳定性具有重要意义。基于动力学模型分析路面附着与路面几何特征，确定可用于越野工况辨识的车辆特征参数集；针对车轮悬空垂向载荷估计失真现象，且由于地面垂向力的实际变化导致车辆垂向载荷分配比例的改变，修正了垂向载荷的计算；利用各特征参数的差异与越野工况的映射关系判定工况属性，采用模糊识别法界定4种地形工况；驱动力控制上层考虑工况与驾驶员影响因素，通过越野工况辨识结果决策驱动利用系数，作为前馈期望转矩调节权重；中层通过四轮垂向载荷得到转矩分配系数，设计驱动力分配算法；下层针对车辆在越野工况下出现车轮滑转与悬空状态，对车轮进行动态转矩补偿。仿真测试与实车验证表明，越野工况辨识结果与预期相符，驱动力控制策略综合优化了车辆稳定性和动力性。     

基于混合深度学习的燃气轮机动态过程关键参数在线辨识北大核心CSCD

[目的]为克服燃气轮机非线性时变特性对动态控制及性能监测的影响,通过长短期记忆神经网络(LSTM)的时序记忆、非线性关系表达与高斯过程回归(GPR)的区间概率估计能力三者的结合,提出一种基于LSTM-GPR混合深度学习模型的关键动态参数在线辨识算法。[方法]首先,建立燃气轮机的动态机理模型,以燃料热值、压气机效率及负载电力矩为待辨识参数,生成大量训练数据;然后,构建LSTM-GPR参数辨识网络模型,并输入训练数据进行网络训练和权重系数学习;最后,使用训练好的LSTM-GPR混合模型对燃气轮机动态运行参数进行在线辨识,经分析辨识结果来验证所提算法的有效性。[结果]仿真结果表明,所提算法辨识结果准确,误差小于1%,实时性好,相比于LSTM单一模型能获得更好的均值估计效果,并给出可靠的结果置信区间。[结论]所提算法能有效应用于燃气轮机模型的关键动态参数在线辨识,为进一步应用于实际机组奠定了基础。     

HXD2C型机车钩尾框异常磨耗原因分析及改进措施

为研究HX_D2C型电力机车车钩钩尾框异常磨耗现象，基于现场调研和列车跟踪测试，通过监测重联机车在运行过程中车钩及钩尾框的状态，即测量车钩受力状态，车钩垂向、横向摆角，车钩垂向位移以及视频监控前从板-预压板与钩尾框之间的间隙情况，选取13处典型时段的列车测试及运行数据，分析钩尾框发生异常磨耗原因及改进措施。研究结果表明：钩尾框的异常磨耗现象与重联机车车钩初始钩高差、车钩运动姿态、线路条件和列车不同操纵工况下的缓冲装置持续受力状态有关；通过在前从板-预压板与钩尾框之间涂抹润滑剂，焊接限位块或者减小钩尾框框身与车钩箱顶部限位板之间的间隙等措施，可避免前从板-预压板与钩尾框产生直接接触，达到抑制钩尾框异常磨耗的目的。     

子空间在线辨识算法原理及应用技术研究

为了解决船舶数学模型中水动力参数可能随着外界海洋环境的不同而发生漂移的问题，提出一种在线更新船舶黑箱模型的子空间辨识策略。该方法根据子空间辨识过程中QR分解的特点，采用Givens旋转矩阵对该复杂分解过程进行处理，从而降低计算复杂度，并通过改进使得子空间辨识算法能够适用于在线辨识。最终将该算法应用于动力定位系统中，实现了对船舶模型参数的实时调整，克服了传统船舶模型辨识算法只能对模型进行离线辨识的缺点，同时也为动力定位中紧急情况下的船位推算提供了较为准确的模型依据，最大限度地提高了作业的安全性。文末的仿真及实船数据进一步验证了算法的有效性。     

基于声-振联合特征分析的配电变压器运行状态辨识方法研究

高速铁路供电箱式变电站长期工作在高温潮湿环境，针对箱变内部变压器等关键设备运行安全问题，提出一种利用声波和振动信号联合特征进行变压器运行状态辨识方法。首先，通过非侵入式传感器获取伴随配电变压器运行的声波和振动信号，再经过滤波消噪处理声波信号提取其时频谱图纹理特征，并与振动信号变模态分解后的排列熵联合形成联合特征向量；通过概率分布特征构造最优分类超平面，由支持向量机分类算法实现联合特征向量的变压器典型状态的辨识。实验证明，声振联合特征分析方法对变压器正常、轻载、重载和三相不平衡等各运行状态下判别准确率均达96%以上。通过对辨识发现的变压器异常工况进行预警，及时实施设备状态检修可大大提高铁路供电可靠性。     

基于FFRLS-EKF联合算法的锂离子电池荷电状态估计方法

针对现有基于电池恒定参数模型的SOC估计方法忽略了工况和SOC对电池模型参数的影响而导致SOC估计误差偏大的问题，本文提出一种将带有遗忘因子递推最小二乘算法与扩展卡尔曼滤波算法相结合的联合SOC估计方法。该方法先利用FFRLS算法在线辨识电池等效电路模型参数并实时修正电池模型，再利用EKF算法和实时修正的电池模型估计电池SOC。实验结果表明，本文所提的SOC估计方法能有效减小电池模型参数变化所带来的SOC估计误差。在脉冲放电、脉冲充电和动态应力测试实验中，最终电池SOC估计的最大误差分别为1.01%、0.87%和1.59%。     

基于自由自航数据的无人帆船动力学模型系统辨识

基于一艘无人帆船的自由自航实测数据，采用贝叶斯回归方法辨识得到帆船四自由度动力学模型，并通过静态速度预报算法获得该帆船的速度极曲线图。通过将系统辨识结果与约束模型水池试验结果进行对比，验证该系统辨识方法具有足够的准确性，是构建小型无人帆船动力学模型的一种合理方法。