基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

信号交叉口车路环境对电动自行车释放膨胀特性的影响分析

电动自行车数量的急剧增长导致其在绿灯释放阶段膨胀特性明显,进而加重了交叉口的机非冲突、降低了车流的通行效率。利用视频轨迹提取技术,通过光流法的表现形式描述直行电动自行车在绿灯期间的膨胀特征,并根据其密度变化、膨胀差异和电动自行车对机动车的影响程度,确定出释放初期为主要研究时段;同时,提出了一种反映电动自行车膨胀变化的新型指标膨胀度,分别通过线性相关分析、秩相关性分析和偏相关分析,确定了车路环境中影响膨胀度的动态因素和静态因素;最后基于6个信号交叉口的实测数据,建立各因素与膨胀度的数学关系模型,并结合实际交通条件,给出不同车路环境下电动自行车的管控措施与渠化方法。研究结果表明：车路环境中的电动自行车流量、机动车流量、电动自行车过街距离、非机动车进/出口道宽度、机非分隔带设置情况这5种因素对膨胀度的影响能力各异,右转机动车流量与膨胀度相关性最高。此外,动态因素与膨胀度之间具有确定的函数关系,存在电动自行车与机动车流量均衡效益最大的优势区域;静态因素的差异会导致电动自行车膨胀形式的变化;膨胀度可与动态、静态因素构建复合函数模型。研究成果可为混合交通流的渠化设计和信号配时提供理论依据和技术支持。     

新能源乘用车大数据系统的开发及应用

从新能源车的设计开发出手,对关键的几个核心部分使用了大数据进行开发应用。整个平台的搭建都是在基于大数据的应用基础上实现的,从整个系统架构到数据结构平台,从服务应用的远程监控到车辆运行管理和故障预警,以及电池充放电、驾驶行为分析、后续OTA 及其他服务,都体现出了大数据系统服务的作用。     

大数据平台在新能源汽车安全领域的应用

通过利用行业内主流的大数据技术搭建新能源大数据平台,重点对新能源汽车车联网大数据进行算法研究、建模分析。分别从故障远程在线诊断、车联网大数据指标分析、车联网大数据算法模型等方面对新能源汽车故障、驾驶行为、充电行为等进行深入研究,以保障新能源汽车车辆安全。     

面向国产大型邮轮的虚拟设计评审方案研究

本文分析了国内大型邮轮三维设计模型的虚拟评审需求,基于Intergraph Smart 3D和SmartPlant Review软件,提出了国产大型邮轮虚拟设计评审的总体解决方案。该方案采用三维模型轻量化、模型虚拟评审以及大型邮轮设计-评审数据转换等关键技术,实现了面向大型邮轮设计的沉浸式三维模型全流程虚拟评审,并通过在国产大型邮轮设计模型上的应用测试,验证了该方案的可行性,可为提高大型邮轮设计生产效率、缩短建造周期以及降低生产成本等提供重要的技术支撑。     

柴油机车辆冒黑烟故障的原因分析

通过控制环境温度和中冷后进气温度,对某柴油发动机进行单变量因素台架试验,并对其结果影响进行分析;同时结合整车匹配设计与ECU数据标定,分析车辆运行过程中冒黑烟的原因及提出相应解决措施。     

船舶航行轨迹自动化控制中PLC技术研究

为有效发现水域中那些偏离正常航行轨迹的船舶,从而提高船舶航行安全性,设计基于PLC技术的船舶航行轨迹自动化控制方案。通过提取船舶航线轨迹数据的方式,弥补缺失信息的插补空隙,完成PLC数据的采集及预处理。在此基础上,度量轨迹内航行节点间的相似性,按照正常轨迹点的建模需求,实现对时间复杂度的精准分析,完成船舶航行轨迹自动化控制中的PLC技术研究。对比实验结果表明,与GMM航迹分析算法相比,应用PLC自动化控制方案后,QIE水域避障系数提高至6.32,不仅提高船舶的航行安全性,也可有效发现偏离正常航行轨迹船舶的实时所处位置。     

大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

SVR辅助SINS-DVL的水下机器人组合导航方法

多普勒计程仪(DVL)在水下导航系统应用越来越广泛。当海底环境发生变化时,DVL会发生数据刷新频率不稳定,数据无效等情况。为了提高导航的可靠性,本文提出了一种变训练集的SVR回归方法,对DVL的数据进行预测。根据水下机器人的速度变化率和加速度变化率调节训练集大小。把捷联惯导(SINS)的东向和北向速度作为输入,DVL东向和北向速度作为输出对模型进行训练。根据SINS的数据输出频率,选取合适的预测数据输出频率进行仿真。仿真发现算法有效地提高了SINS/DVL组合导航的精度,并在DVL数据无效时,有效地抑制误差,提高导航系统的稳定性。     

舰船海上数据浮标的水动力分析

由于受到人为等因素的影响,使得我国海洋中的自然灾害发生频率有所增大。因此,加大对海洋环境的监测力度显得尤为必要。舰船海上数据浮标通过搭载相关的仪器设备能够对海洋水文信息进行观测,依托这些信息可以为海洋资源的开发利用和各类灾害的防控提供可靠依据。为了确保海上数据浮标搭载的各种仪器设备能够保持稳定运行,必须确保浮标本身的可靠性。本文从舰船海上数据浮标的作用入手,分析了舰船海上数据浮标的水动力。