面向狭窄场景的鲁棒多视角配准方法

多视角点云配准是逆向工程中的关键步骤之一,具有重要的研究意义和工程应用价值。而对于狭窄场景(如口腔或机械结构内部)获取的点云数据,多视角配准算法的精度直接影响重建精度的好坏。为了提升狭窄场景多视角点云配准的速度和鲁棒性,提出一种基于位姿图优化的增量式多视角点云配准方法。首先针对相邻视角的点云,结合迭代最近点法(ICP)和基于特征的配准方法,提出一种多策略融合的成对点云配准算法,用于求解相邻视角点云的配准结果;然后在增量式相邻视角点云配准的基础上,进一步提出一种基于距离约束的回环检测方法,并依据相邻视角点云的配准结果和回环检测的结果构建位姿图;最后采用实时优化策略对位姿图进行优化,消除累计误差,实现鲁棒的多视角配准。实验结果表明,提出的多策略融合配准算法和基于距离约束的回环检测方法是有效的。经典ICP算法和基于FPFH特征的配准算法在实验中存在失效的现象,而提出的多策略融合配准算法并无失效。基于距离筛选的回环检测方法较常规的回环检测方法效率提高。提出的多视角配准算法在配准牙齿模型数据时精度可达到0.0357 mm。为了验证算法的普适性,采用多个狭窄场景下连续采集的模型点云进行验证,结果表明:提出的算法取得了不错的效果,表明该方法是一种有效的狭窄场景多视角配准方法。     

基于网络资源流量的链路预测方法

在复杂网络中,现有基于结构相似性的链路预测方法较少考虑全局和局部拓扑信息之间平衡性、准确度和复杂度之间平衡性以及网络资源动态流动的问题。将网络资源流量作为相似性判断依据,提出一种准局部链路预测方法。根据网络中节点重要性的不同来为它们分配对应的资源,以保证资源分配的合理性。针对网络资源提出一种动态流动机制,将节点对双向流动的资源之和作为相似程度的量化指标。引入节点对之间中间路径节点的概念,分析中间路径节点在资源流动过程中的稀释作用。在此基础上,计算初始资源量和稀释作用量从而得到网络资源流量方法的性能评估指标值。在Jazz、NS等11个真实世界的网络中进行实验,对比该方法与CN、Salton等常见基准方法在准确度和鲁棒性方面的性能表现,结果表明,所提方法能够充分利用准局部信息,既能考虑资源流动性又能解决平衡性问题,可有效提高链路预测性能。     

机床能量效率测试方法的多场景综合评价研究

机床量大面广,能耗总量巨大,提升机床能量效率已经成为发展绿色制造的重要内容。如何选择合适的机床能效测试方法是支撑机床设计、用户采购、运行优化和节能改造等场景下提升机床能量效率的基础性问题。为此,首先总结和比较了八种能效测试方法的内涵和特点,包括参考样件法、参考过程法、比能法、组件定标法、ISO 14955-3标准、GB/T 40735标准、固有能效潜力评估法和固有曲面法。然后,从五个场景(指导高能效机床优化设计、评选高能效机床制定能效标签等)和七个维度(操作耗时程度、操作难易程度、机床对比适用度等)评价机床能效测试方法。其中,运用层次分析法(AHP法)确定特定场景下七项评价指标的权重因素和各项评价指标下八种能效测试方法权重因素,并通过一致性检验来验证评价结果的有效性和准确性。     

锂离子电池电化学-热耦合模型对比研究

电池模型对电池系统的健康管理和故障诊断至关重要。随着电池技术的发展,电化学模型正成为研究热点。电化学模型由偏微分方程构成,计算复杂度高。模型数学重构和模型结构简化是两类降低复杂度的方法。不同复杂度模型的对比研究可为模型工程应用选择提供指导,然而现有研究多基于仿真数据且忽略了温度对电池电化学行为的影响。针对上述不足,通过理论分析、数值仿真和试验测试开展了电化学-热耦合模型的对比研究工作。基于理论与仿真分析,明确不同模型的误差来源;通过敏感性分析,提升了模型参数的辨识精度和效率;通过耦合热模型,考虑温度对电化学反应的影响,并在-10℃至45℃区间开展试验验证。结果表明,反应电流的均匀分布假设是简化模型的主要误差来源。该假设在低倍率条件下成立,在大倍率下将造成较大误差;耦合热模型来引入温度修正可有效提升电化学模型在不同温度下的精度;非简化的电化学-热耦合模型在不同温度和工况下均能保证高精度,端电压均方根误差小于25mV。简化的电化学-热耦合模型在小倍率工况下精度较好,但在低荷电状态和大倍率工况下将出现明显偏差,其最大端电压方均根误差超过50mV。     

极限工况下无人驾驶车辆运动规划策略研究

针对无人驾驶车辆在极限工况下的运动规划问题,提出一种适应极限工况的无人驾驶车辆运动规划策略。首先,建立了准确描述车辆运动的动力学模型,并采用修正的非线性轮胎模型反映轮胎与不同路面之间的动力学特性;其次,提出一种基于安全制动距离的自适应势场模型,以适应极限工况下外界条件与车辆参数的变化;再次,考虑到车辆在极限工况下易发生横向失稳,设计出横向稳定性指标(Lateral stability index,LSI)作为关键优化参数,并展开车辆横向稳定性分析;然后,基于模型预测控制方法(Model predictive control,MPC),将极限工况下的运动规划问题转化为多目标优化问题;最后,构建出PreScan-Simulink-CarSim联合仿真平台,并在冰雪路面等多种极限工况下对所提出的运动规划策略进行了验证。仿真结果表明,该策略有效提升了无人驾驶车辆在极限工况下的安全性与稳定性。     

基于数据驱动的电池系统泛化SOH估计方法

准确可靠的电池健康状态估计是保证锂离子电池安全运行的关键,同时为失效预警提供参考。提出一种适用于电池单体和电池组的健康状态估计通用方法。首先,提出基于局部充放电数据的电池单体高效健康因子提取方法,保证健康因子和容量的高相关性和实现健康因子的在线可获取性。其次,提出考虑电池组容量衰减和不一致性的特征生成策略,利用主成分分析获取融合特征,利用双时间尺度滤波和电池组等效电路模型拓宽特征提取方法的应用范围。然后,基于高斯过程回归算法框架,考虑健康因子和容量衰减的整体关系和局部变化提出改进的高斯核函数提高估计精度和可靠性。最后,利用多个试验数据集验证算法在不同应用条件下的泛化能力。估计结果表明,对恒流放电工况的电池单体估计误差小于1.28%,在动态变温条件下电池单体估计误差小于1.82%;串联电池组的验证结果表明在各种应用场景下估计误差均小于1.43%。提高了电池系统健康状态估计的精度以及在广泛应用场景下的适应性。     

基于云控系统高精度地图驱动的深度强化学习型混合动力汽车集成控制

在智能化、网联化与新能源化的发展背景下,汽车工业将联合计算机、信息通信、人工智能等领域实现融合性发展。基于新一代信息与通信技术——智能网联汽车云控系统,通过网联数据驱动的形式实现新能源汽车的云控级自动驾驶,将为车辆行驶与动力系统提供革新的规划与控制思路。首先,基于云控系统的资源平台获取目标路段的经纬度、海拔、气象信息,建立包含坡度、曲率、转角等数据在内的高精度模型。其次,提出了一种基于高精地图驱动的深度强化学习型混合动力汽车集成控制方法,通过利用两种深度强化学习算法对整车层的速度与转向以及动力系统层的发动机与变速器进行控制,实现了四种控制策略的同步学习。最后,采用高性能边缘计算设备NVIDIA Jetson AGX Xavier进行了处理器在环测试。结果表明,当变量空间涉及14种状态与4种动作时,深度强化学习型集成控制策略在全程172 km的高速工况下实现了在整车层对速度与转向的精准控制,同时取得了5.53 L/100 km的燃油经济性,并且在嵌入式处理器在环测试中仅消耗104.14 s的计算时间,有效验证了学习型多目标集成控制策略的优化性与实时性。     

往复式压缩机缓冲罐振动分析与控制

针对某储气库往复式压缩机组一级进气缓冲罐振动超标问题，对进气缓冲罐的振动及压力脉动进行测试分析，结合数值仿真分析讨论引起压缩机组进气缓冲罐振动超标的主要因素。为了有效解决缓冲罐振动超标问题，提出更改缓冲罐结构、安装刚性支撑和改变缓冲罐进气方向等振动治理方案，并进行数值仿真验证。根据现场工艺要求和条件，完成一级进气缓冲罐的现场改造，并进行现场振动测试分析和评价，结果表明治理后振动速度最大值为7.83mm/s，压力不均匀度为0.945 %，均满足API(American Petroleum Institute) 618 标准要求。压缩机组进气缓冲罐振动治理实施效果表明，所提出的减振措施有效降低进气缓冲罐的振动，延长了缓冲罐的使用寿命并提高了其可靠性。     

预选档位策略下DCT敲击声品质评价

为了有效地对DCT敲击噪声进行评价,采集搭载某款DCT的汽车在良好马路上行驶的敲击噪声样本,对噪声主观试验中的等级评分法加以改进,提出分组等级评分法并进行主观评价。将考虑预选档和不考虑预选档两种情况分别进行心理声学客观参数与主观评分的相关性分析,发现两种情况下对主观感受影响较大的客观参数不同,选取相关系数高的客观参数分别建立两种情况的多元回归模型。结果发现,DCT在不考虑预选的敲击声品质回归模型与考虑预选档不一样,因此对于DCT敲击噪声的声品质评价研究,应单独考虑预选档进行分析,所建立回归模型对于DCT敲击噪声控制以及优化有一定的参考价值。