无人驾驶汽车行车环境下鲁棒性声学特征提取算法（双语出版）

无人驾驶汽车在行车过程中，需要通过视觉感知和听觉感知来构建当前周围环境模型，声学事件检测是听觉感知系统构建模型的核心所在。行车环境下声学事件检测系统面临着复杂而强烈的噪声挑战，尤其是行车过程中的风噪。声学事件检测中，常用的声学特征梅尔频率倒谱系数（MFCC）对噪声干扰十分敏感，为了解决这一问题，提出一种谐波梅尔频率倒谱系数（HMFCC）的鲁棒性声学特征提取算法，用于声学事件的目标分类。该算法通过声学信号的谐波模型与MFCC算法相结合，提取目标声学信号中的共振峰频率，改进传统Mel滤波器组，从而增强HMFCC中目标声学信号的中高频分量。研究结果表明：在不同的风噪环境下，基于HMFCC声学特征的检测结果具有较高的精准率和召回率，且在低噪和强噪环境下HMFCC和MFCC之间分类效果差异明显；低噪环境下，几种声学事件的HMFCC特征分类的平均精准率和召回率分别达到82.66%、84.15%，而基于MFCC特征分类检测的平均精准率和召回率只有73.93%、74.61%；随着风噪增强，MFCC特征分类精度严重下降，平均精准率和召回率仅为54.15%、44.95%，HMFCC特征在强噪环境下的平均精准率和召回率为72.16%、69.87%。行车环境下，HMFCC特征不仅可以提高分类的准确率，而且表现出对噪声不敏感的特性。     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法.在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题.进一步在滚...     

汽轮机-减速器系统的振动特性研究:理论和模拟试验

某型汽轮机-减速器系统存在一定的振动问题,其振动主要来源于多级齿轮啮合,通过采用啮合线与水平线的夹角作为重要的参考角度的方法,可以方便地得到多级齿轮的动态啮合力模型.将此动态啮合力与有限元方法相结合,建立了汽轮机-减速器系统的动力学模型.采用数值仿真的方法求解了系统的动态响应,仿真结果表明:系统具有复杂的频率成份,包括转频、啮合频率及其边频带、啮合频率之间的组合及其边频带.采用电动机和齿轮箱来模拟汽轮机一减速器系统,建立了模拟试验台.通过试验研究了模拟试验台的动态响应,试验测试结果验证了对模拟试验台的理论计算结果.为工程实践中的汽轮机-减速器系统的振动特性分析和故障诊断提供了重要的依据.