燃气轮机进气系统过滤结构数值模拟研究

针对某型燃气轮机陆上试验的进气系统,布置不同过滤结构模型,采用CFD数值模拟计算方法,分析了三种过滤结构对进气系统流场、燃机进口空气速度均匀性、总压损失等参数影响。结果表明：在低进气流量下,过滤结构产生的总压损失占据主导位置,随着进气流量的增加,进气室稳压室向燃机进口直管收缩产生的压损更为明显。两侧分布式过滤结构降低了燃机进口空气速度的不均匀度,并有效降低了总压损失。     

基于CT图像的集料三维棱角性计算方法

为了提高集料棱角性评价的准确性, 提出了集料三维棱角性计算方法; 基于CT技术和三维重建技术, 对集料的CT图像进行增强和锐化滤镜处理, 以突显沥青混合料中的集料; 对增强后的CT图像进行灰度阈值计算与灰度划分, 采用MIMICS重构了马歇尔试件中集料的三维模型; 提出了集料粗糙度与球形度的评价指标, 依据集料三维模型评价了集料棱角性, 并分析了三维模型重建的影响因素。计算结果表明: 在AC-16马歇尔试件中, 集料、沥青和孔隙的灰度分别为101.32~170.14、4.32~101.32和0~4.32, 因此, 采用图像增强和锐化滤镜处理可以突显CT图像中的集料, 增强集料三维重建的准确性; 采用2pixels×2pixels、3pixels×3pixels锐化滤镜计算球形度标准差为0.000 7, 而采用5pixels×5pixels、6pixels×6pixels、7pixels×7pixels锐化滤镜计算得到的球形度标准差为0.042 3, 因此, 应当采用2pixels×2pixels或3pixels×3pixels锐化滤镜处理CT图像, 以确保球形度计算结果波动小; 采用50、70个·mm^-3采样点密度计算粗糙度的标准差为0.001 6, 而采用5、15、25个·mm^-3采样点密度计算粗糙度的标准差为0.034 9, 因此, 应当采用50~70个·mm^-3采样点密度来保证集料三维模型精确地反映集料的真实状态; 采用5个CT截面图像计算的二维球形度和粗糙度的标准差为0.012 1~0.048 2, 存在较大变异性和偏差, 而采用基于三维集料模型的粗糙度计算方法得到集料1⁵的粗糙度分别为0.991 2、1.032 1、0.974 2、1.075 1、1.043 2, 集料1~5的平均二维粗糙度分别为0.994 1、1.023 9、0.988 3、1.097 5、1.060 8, 两者基本一致。可见, 基于三维集料模型的粗糙度和球形度计算方法充分考虑了集料的棱角性, 计算结果不受CT截面的影响, 计算结果不存在变异和偏差。     

带式压滤机环保疏浚泥浆絮凝技术

由于带式压滤机环保疏浚工程的泥浆絮凝施工这一关键技术,受到泥浆浓度、絮凝剂选型、用量、絮凝时间、搅拌时间等诸多因素影响,在工程已选定压滤机设备类型、泥浆特性以及絮凝剂选型的条件下,依托武汉市南湖环保疏浚工程,进行相关技术研究及改进,在泥浆絮凝环节乃至整个环保疏浚脱水固化环节起到节约絮凝剂、减少工作量、提高施工效率和施工质量的良好效果。     

基于ZFFT的轨道波磨高精度弦测算法研究

弦测是轨道波磨不平顺测量的重要方法之一,但理论的缺陷使其无法同时提高复原精度与计算效率。针对这一问题,根据工程中轨道波磨不平顺的测量需求,提出基于ZFFT(ZOOM-FFT)的高精度弦测逆滤波算法。通过复调制将感兴趣的频段平移至零频点,去除高频部分后重排、补偿得到复信号,对该复信号进行选择性共轭扩展重构,再利用傅里叶反变换逆滤波得到轨道波磨不平顺测量值。理论仿真和线路实测表明,该方法能够在时间消耗较少的情况下提高测量精度,适合工程应用。     

基于融合模型动态权值的短期客流预测方法

针对传统交通系统中短期客流预测精度低的问题,考虑城市交通站点客流数据在横纵向时间序列的规律性,基于卡尔曼滤波算法和K近邻（K-Nearest Neighbor, ANN）算法,分别根据当日数据和历史数据对客流量进行预测,然后利用权重系数方程对两个预测值加以融合,从而构建基于融合模型动态权值的短期客流预测方法。以某城市的某公交站点客流数据为研究对象,对所建融合模型短期客流预测的准确性和适用性加以验证。结果表明,新建模型、单一的卡尔曼滤波模型和KNN模型的平均相对误差分别为3.6%, 9.0%和7.7%,可见新建模型能更好地拟合客流变化趋势且评价效率更高。     

基于随机加权自适应容积卡尔曼的电池SOC估计

准确估计锂离子电池荷电状态（SOC）对于突破电动汽车发展瓶颈,推动电动汽车商业化至关重要。针对动力电池模型参数辨识问题,提出基于遗忘因子的递推最小二乘法（FRLS）的模型参数在线识别方法。实时测量动力电池电流和电压数据,在线辨识模型参数并实时更新,实时反映电池内部参数的变化过程,对电池动态特性进行实时模拟。针对容积卡尔曼（CKF）滤波过程中对噪声敏感的问题,提出一种基于随机加权思想的自适应容积卡尔曼滤波（ARWCKF）方法。相比于常规CKF容积点权值始终不变,通过引入随机加权因子,自适应调整容积点权值并对系统噪声、状态向量及观测向量进行预测,抑制系统噪声对状态估计的干扰,避免因容积点权重值固定所带来的误差。针对CKF算法在容积点计算过程中由于状态方差矩阵失去正定性导致的平方根分解无法使用的问题,提出基于奇异值分解的容积点计算方法,克服由于先验协方差矩阵负定性变化而导致的滤波精度下降等问题,并进行多种工况、温度下不同SOC初值的对比验证。结果表明：所提出的基于遗忘因子的递推最小二乘法的在线参数辨识及ARWCKF滤波方法具备良好的估计精度及收敛能力,最大电压估计误差不超过40 mV,SOC估计误差不超过1%。     

高通讯时延下融合车道级地图的车路协同感知定位方法

在车路协同技术运用于路侧孪生地图动态显示中;由于网联设备之间的通讯存在的时延问题及路侧感知误差的存在;对路侧边缘计算单元融合感知精度会产生严重影响;进而导致孪生地图中车辆显示轨迹出现抖动和延迟的现象。为此;本文提出了一种在高通讯时延下融合车道级地图的车路协同感知定位方法。该方法首先针对车路协同系统中智能网联汽车车端与路侧边缘处理单元之间的通讯时延问题进行分析建模;将延迟模型划分为异构传感器频率同步延迟以及通讯传输延迟;并提出了一种同步优化方法。在同步优化后;提出一种面向群车协同的多维度群车粒子滤波算法;其中粒子的状态量表示群车的状态信息。在所提出的多维度群车粒子滤波算法中首先使用利用路侧部分的观测数据和车道级地图中车道线朝向信息;对粒子的状态进行观测更新。然后利用接收到时延同步后的智能网联汽车的自定位信息和左右车道线横向观测信息与车道级地图中车道线方程对粒子中表示智能网联汽车状态的部分进行观测更新。实验结果显示;在通讯干扰较少的低时延场景中;边缘计算单元的感知定位准确度提升59.4%;在通讯干扰严重的高时延场景中;其准确度提升38.6%。因此所提出高通讯时延下融合车道级地图的车路协同感知定位方法可以有效处理通讯延时问题;并提升边缘计算单元多车感知定位精度进而提升孪生地图动态数据的准确性、稳定性和连续性。     

融合高精度地图的多激光雷达路侧智能感知方法

在车路协同路侧感知研究中,由于点云数据量庞大且存在着不可避免的目标遮挡情况,导致检测效率低、目标轨迹不稳定和跟踪精度低的问题。针对上述问题,提出了1种融合高精度地图的多激光雷达路侧智能感知方法,通过融合高精度地图信息,提高感知结果的准确性和可靠性。该方法分为3个部分：①通过多激光雷达的标定结果,利用高精度地图完成三维点云区域中感兴趣区域的提取,从而有效减少待处理点云的数量,提升计算效率;②基于极化图高斯混合背景模型的背景建模方法,利用极化图完成运动目标快速检测,避免大规模激光点云的直接处理,有效提升检测效率;③利用车辆航向与车道线方向一致性约束,将高精度地图中的车道方向转化为卡尔曼滤波框架下的车辆状态线性约束,改善车辆检测与轨迹跟踪的性能。实验中,分别在仿真交叉路口与实车实验道路双T形路口对算法与模型进行测试验证。相比于其他方法,所提出的方法数据量减少了55%,目标检测准确率提高了12%,耗时减少了56%,目标跟踪的误差极值、误差均值以及均方根误差均有所降低。实验结果表明：所提的方法能有效融合高精度地图信息,在大范围道路场景下实现对道路运动目标的快速检测与稳定跟踪。     

基于中点弦测法的中低速磁浮轨道不平顺研究

中低速磁浮常用10 m弦测值作为评价轨道几何不平顺的标准,但弦测法的幅频特性存在畸变,这种畸变现象在短波范围内更加严重,导致10 m弦测值会丢失很多短波信号,因此,10 m弦测值通常不能作为实际轨道不平顺应用于工程实践中。针对此问题,采用数值模拟方法对中点弦测法进行模拟,通过对比弦测值时频域的误差,验证“以小推大”算法的准确性,同时建立两种“以小推大”的逆推算法,以得到小弦长的弦测值,扩大弦测值对短波不平顺的有效检测范围,并采用“逆滤波”法对弦测值进行轨道不平顺的反演。研究结果表明：两种“以小推大”逆推算法都可以很好地推得小弦长的弦测值,并且可推得的最小弦长为2倍步长,因此,为扩大短波的测量范围,应尽量缩小采样步长;模型A由于边界条件的引入,总体误差较模型B稍大,同时会出现一些离群点,功率谱密度会出现阶跃信号,绝对误差在0.025 mm以内;模型B可以达到较高的精度,具有很好的传递特性,绝对误差可以控制在0.001 5 mm以内;实测长沙磁浮快线F轨10 m弦测值用两种模型均可以很好地反演0.5~100 m波长范围的轨距不平顺。     

低成本 T-box 多信息融合导航算法

车载远程设备 T-box 具有车辆远程诊断及监控等功能,低成本方案的 T-box 定位接收模 块精度低,易受城市中高楼、高架等建筑影响,出现定位点丢失或高噪声定位点。为解决低成本 T-box 易出现的定位问题,提出了一种通过去除经纬度高噪声数据点以及多数据融合提高导航精度的方法。T-box 带有微型惯性测量单元模块和车载诊断系统模块,分别采集微型惯性测量单元数据和汽车速度;最小二乘法拟合汽车行驶的轨迹去除原始定位数据中高噪声经 纬度数据点;最后与汽车速度、惯性数据进行扩展卡尔曼滤波融合得到新的经纬度数据,与高精度定位数据对比,该方法能有效提高车载远程设备定位精度。