基于自动驾驶机器人的自动驾驶汽车制动强度对驾驶员舒适度的主客观影响分析

为研究平直路段不同初速度下自动驾驶汽车制动强度对驾驶员舒适度的影响,采用被试内设计实验进行了实车封闭场地实验并采集9名被试驾驶员在9个子实验中的心电和主观评价数据。基于心电数据提取了心率、心率变异性时域指标SDNN和RMSSD、频域指标LF和HF,采用重复测量一般线性模型分析了不同运动状态对上述参数的影响,并从客观和主观两方面分析了驾驶员的舒适度。结果表明:不同初速度下的制动会使心率轻微提升、心率变异性时域指标SDNN和RMSSD显著降低且这种变化不受行驶速度的调节,行驶速度和不同水平制动对频域指标LF和HF影响不显著。心率和RMSSD在不同制动水平间的变化差异不显著,SDNN的下降程度在不同制动水平间的差异显著,数据提示超过-4的制动强度可能为驾驶员不舒适的临界点。主观评价结果与客观生理数据高度一致,且主观分数与SDNN的变化量之间相关性显著,使用生理数据客观量化的表征舒适度具备可行性。总体来讲,平直路段不同初速度下自动驾驶汽车制动强度会造成驾驶员舒适度降低,客观生理指标与主观评价高度一致。     

基于生理信号的疲劳驾驶研究

为确定驾驶员生理信号特征与疲劳驾驶状态间的相关度,通过模拟驾驶实验,采集驾驶员清醒、疲劳时的生理特征信息,以脑电信号为基准,分析脉搏、呼吸、心率与脑电信号之间的相关性,确定了脉搏、呼吸、心率信号的变化均与驾驶状态相关,为疲劳驾驶监测提供了检测依据,对疲劳驾驶建立预警系统具有一定的参考依据。     

基于无仪器佩戴的疲劳驾驶监测研究

通过室内模拟疲劳驾驶实验,利用面背压传感器和心率传感器分别采集驾驶员背靠压力和心率信号,以心率信号为基准,分析背靠压力和心率之间的相关性,确定背靠压力可作为疲劳判定标准,利用面背压传感器可进行疲劳驾驶监测。这种无仪器佩戴驾驶方法为疲劳监测提供了一种新思路,对疲劳驾驶预警系统的设计具有一定指导作用。     

基于多生理信息及迁移学习的驾驶疲劳评估EI北大核心CSCD

目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射（LMPROJ）的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。     

基于多生理信息及迁移学习的驾驶疲劳评估

目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射(LMPROJ)的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。     

用于列车行车人员健康监控的高质量心电图心率检测方法

为了对列车司机操控岗位行车人员在行车过程中的疲劳情况进行实时监测，利用基于ESP32的开发板、心电监测前端模块AD8232和后端处理模块树莓派开发了列车司机心电图心率检测设备。使用自适应滤波器和中值滤波分别对采集、放大和传输过程中产生的电力线干扰和基线漂移进行抑制。然后使用Pan-Tompkins算法对滤波预处理后的心电信号波形进行检测，进行HRV时域和频谱特征分析，获得RR间期的平均值、理论标准差、功率谱密度等指标。系统测试与数据分析结果表明，该设备可以稳定采集心电信号，获取到高质量的心电信号，具有良好的干扰抑制能力，波形检测精确度较好、灵敏度较高。实现了针对列车行车过程中复杂场景的心电采集、降噪和分析。     

点焊结构在随机振动环境下的疲劳寿命研究

在叙述振动疲劳寿命频域法中的Dirlik方法的基础上,根据模态试验修正有限元模型,采用有限元方法对点焊结构进行随机振动疲劳寿命预测。分析了不同PSD谱型对随机振动疲劳寿命的影响。结果表明:同一振动量级下,处于第1阶固有频率段的PSD幅值增加,随机振动疲劳寿命呈现明显下降趋势;在白噪声加速度功率谱作用下,功率谱密度幅值保持不变的条件下,随着带宽的增加,随机振动寿命呈现减小趋势,第1阶模态频率与第2阶模态频率间的非共振区频率段对随机振动疲劳寿命的影响是不可忽略。     

基于Hilbert谱的心率变异信号时频分析方法

心率变异性(heart rate variability,HRV)信号的频域分析方法是用来表征自主神经调控信息的基本方法。为了评估自主神经系统功能及对心血管活动的影响,提出一种基于Hilbert时频谱的HRV信号的时频特征提取和分析的新方法。对HRV信号进行希尔伯特-黄变换(Hilbert-Huang transform,HHT)以获得HRV信号Hilbert时频谱,依据短时程HRV信号的线性频域分析指标,得到不同生理频带的Hilbert能量棒形图,提取总能量、各生理频带的能量和其归一化能量以及生理频段的能量比值作为评价心率变异性的时频特征。对MIT-BIH数据库的年轻人、老年人样本和健康人、心衰病人样本的HRV信号分析表明,基于Hilbert谱的时频特征的区分性能好,有较清晰的生理意义,能反映人的生理病理变化,为短时程HRV信号分析提供了一种有效方法。     

长途客车驾驶员疲劳状态脑电特征分析

长途客车驾驶员的驾驶状态关系到旅客和驾驶员的生命安全,对长途客车驾驶员的疲劳驾驶研究具有重大意义.选取真实驾车实验环境,对驾驶员脑电信号进行实时监测.首先对采集的驾驶员脑电信号进行了小波包分解,提取了脑电信号中的θ和β节律,然后对它们的平均功率谱进行了分析,最后通过计算脑电疲劳状态指标F,结合眼电特征与主观调查问卷,研究驾驶员主观与客观数据之间的相关性,分析驾驶员疲劳状态变化与脑电信号特征之间的关系.结果表明,在真实驾驶环境下,通过计算驾驶员的脑电疲劳状态指标F值可以有效地检测驾驶员疲劳状态变化.     

基于LabVIEW的HRV分析系统设计

通过以MIT-BIH数据库中的心电信号为研究对象,基于LabVIEW软件平台,实现了对心电信号的读取、预处理、特征提取、峰值检测以及利用数字信号处理对RR间期信号进行统计来分析心率变异性,该设计分析方法是通过人工调节各种参数来对心电信号进行适当处理,达到比较理想的效果,从而实现基本的心率变异分析功能,具有一定的临床应用价值。     

The effects of scale factor and correction on the multi-fidelity model

Many researchers have studied Multi-fidelity (MF) models to obtain the optimum solution efficiently when the time of analysis and evaluation is long. The MF model is a meta-model that combines High fidelity (HF) data, which requires large computational cost for evaluation; and Low fidelity (LF) data, which needs small computation cost but has low accuracy. Therefore, integrating HF and LF data with a scale factor and correction model is highly important in MF modeling. This study investigates the performance of the MF model in terms of definition and estimation. First, three different MF models are built: An LF model multiplied by the scale factor, an LF model combined with a correction model, and an LF model with both scale factor and correction model. Second, the effects of scale factor on the MF model are analyzed in terms of constant vs. linear and maximum likelihood estimation vs. least squares estimation. Finally, a correction model is built using two methods, namely, interpolation and regression, to assess the influence of the correction model on the MF model. To evaluate the MF model performance, several test problems are applied, and the root mean square error of each model is estimated as the accuracy measure. In conclusion, the characteristics of different types of MF models are summarized and guidelines for the generation of MF models are proposed to approximate closely the precise models.     

起重机械在用钢丝绳检验指标研究

为了确定适宜表征起重机械在用钢丝绳安全状态的指标,比较了现行标准中关于起重机械钢丝绳的质量指标,提出了将在用钢丝绳多种失效缺陷归纳为局部损伤(LF)和金属横截面积损失(LMA)的方法,最终以这两个指标代入综合影响法以评价起重机械在用钢丝绳安全状态。     

基于MEMS技术的疲劳驾驶预警系统设计

因疲劳驾驶造成的交通事故逐渐增多,疲劳驾驶预警系统的研究有着重要的意义和应用价值。本文则是基于MEMS加速度传感器,通过采集驾驶员头部加速度数据,把得到的加速度数据送到处理器进行处理从而进行疲劳检测。若判定为疲劳驾驶,则通过处理器驱动语音系统发出报警信号,提示驾驶员保持清醒或休息,从而减低因疲劳驾驶造成的交通事故的发生机率。     

Variable fidelity metamodel-based analytical target cascading method for green design

Along with the increasing attention on the environment and resources, green design and green manufacturing has become a tendency nowadays. In order to mitigate the computational burden when solving green design problem of the complex engineering system, a variable fidelity metamodel-based analytical target cascading framework (VFATC) is developed to explore the application of variable fidelity (VF) metamodels in analytical target cascading (ATC). In this VFATC framework, a VF approximation modeling method is developed, which employs both computationally efficient simplified (low fidelity, LF) and expensively detailed (high fidelity, HF) information. To efficiently integrate the LF and HF information, kriging is enhanced to scale LF model (LFM) to HF model (HFM). Then, the scaled LFM is used as an approximation model to replace the analysis models in VFATC. The effectiveness of VFATC framework is applied into a lightweight design problem of cantilever beams and a ship design problem with the objective of oil consumption reduction. Overall results show the VFATC methods introduced in this paper provide an effective way of improving computational efficiency of multidisciplinary green design optimization problems based on complex HF simulation models.     

基于模糊可拓层次分析法的数控机床绿色度评价方法及应用

根据数控机床绿色度评价指标具有多层次、多因素且定量与定性指标并存的特点,提出应用模糊可拓层次分析法评价数控机床绿色度的方法。该方法利用可拓区间数定量表示各指标间的相对重要程度,较传统层次分析法更科学、合理。通过专家打分建立可拓区间判断矩阵,计算各层次评价指标权重,结合模糊综合评价法进行逐级评价,最终得出综合评价值。以加工中心为实例进行评价,结果表明其绿色度处于中等水平,与实际相符。     

基于云模型的风电机组输出功率特性分析

风电机组性能的优劣直接影响着风电场安全生产和经济效益。输出功率是风电机组最重要、最具代表性的性能指标之一,风功率曲线是机组发电能力最直观的表述。以输出功率和风速为数据源,应用云模型特征量研究风电机组输出功率的波动特性,有利于掌握风电机组性能状态。在对风电机组SCADA系统风速、功率数据筛选的基础上,描绘风电机组正常工作状态下的风功率散点图,采用比恩法建立风电机组实际风功率曲线;统计分析不同风速区间的输出功率,利用逆向云发生器建立不同风速下的输出功率云模型,得到不同机组的整体功率云;通过对比分析功率云的特征值,实现输出功率大小、波动范围和离散程度的量化分析;同时计算风速、功率相关系数反映和评价机组响应的灵敏度。云模型的应用,把机组状态从定性评价拓展到定量评价,从宏观综合评价深入到风速区间段精准评价,提高了风电机组性能分析的准确性和全面性。最后,应用实例验证了算法的有效性和可靠性。     

Mean stress effects in fretting fatigue life estimation method using fatigue damage gradient correction factor

In our previous study, we developed a fretting fatigue life estimation method that considers stress gradient effect [Journal of Mechanical Science and Technology 28 (2014) 2153–2159]. In this method, fatigue damage value at the cracking location is corrected with the factor that is a function of fatigue damage gradient, and the corrected value is treated as the fatigue damage value in plain fatigue for life estimation. In the present study, we examined the effect of mean stress on fatigue damage gradient correction function, because the reliability of the developed method was only verified at a stress ratio (R) of ?1 in previous studies. Fretting fatigue experiments were conducted to obtain the fatigue life data of three different fretting pad shapes with R values ranging from ?1.0 to 0.3. Finite element analyses were then conducted to evaluate the fatigue damage parameter in the cracking region. The results revealed that fretting fatigue life decreases at increased stress ratio. Furthermore, the fatigue damage gradient correction function was unaffected by the stress ratio, although it is affected by plastic deformation at the cracking location. Thus, a correction function for the occurrence of plastic deformation and another for the absence of plastic deformation are necessary. The developed method was demonstrated to predict the fretting fatigue life at various levels of stress ratio with the use of plain fatigue data.     

线性均值曲线拟合疲劳S-N数据误差的统计分布

与确定疲劳可靠性曲线的原理一致，研究线性均值曲线拟合S－N数据误差的统计分布。根据误差数据的统计特点，指出可能的假设分布有三参数Weibull、正态、极大值和极小值4种分布。提出良好假设的确定方法，包括4个原则，即假设分布形状与误差数据真实分布形状的一致性、预测的总体拟合效果、与疲劳失效机制的一致性和尾部预测的安全性。16Mn钢焊接接头试验S－N数据的分析，验证方法的有效性，说明应用一般推断方法，4种分布都可合理地作为数据的统计模型，考虑4原则后，极大值和正态分布是良好假设分布。     

基于边际谱熵的肌肉疲劳实时评估方法研究

肌肉疲劳是一种复杂的生理现象。针对利用表面肌电信号实时评估肌肉疲劳,要求疲劳指标兼具快速、可靠、抗噪的问题,提出基于边际谱熵的肌肉疲劳实时评估方法。首先,利用不同数据长度的确定性周期信号和高斯白噪声分析了边际谱熵快速性与数据长度稳健性;其次,利用10名受试者握力持续静态收缩状态下从100%MVC下降到50%MVC时桡侧腕长伸肌的肌肉疲劳信号,分析了边际谱熵评估肌肉疲劳的可靠性与应用于不同个体的稳定性;最后,在某一受试者肌肉疲劳信号中加入高斯白噪声和心电噪声考察了边际谱熵的抗噪性。实验结果表明,边际谱熵与近似熵和中值频率相比计算快速,数据长度稳健性更优;线性拟合优度较佳(0.46±0.14),能可靠地评估肌肉疲劳;斜率变异系数较低(30.30%),对不同个体稳定性高;加入高斯白噪声和心电噪声后边际谱熵拟合优度变化率较低(分别为34.39%和3.78%),具有良好的抗噪性。因此边际谱熵兼具快速、能可靠评估肌肉疲劳以及抗噪等优点,为实时评估肌肉疲劳提供一种新方法。     

调频调压式步进电动机电源

介绍用两片集成电路组成的调频调压式步进电动机驱动电源。其特点是可使步进电动机高频输出转矩大、低频运动平稳、减弱低频共振、结构简单。