智能汽车拟人驾驶风险量化方法研究

驾驶风险量化评估对智能汽车拟人驾驶决策至关重要,针对复杂多任务场景下的驾驶风险量化问题,提出了一种基于 人类风险感知机理的智能汽车驾驶风险量化方法。 首先,利用传感器获取驾驶场景周围环境信息与行驶状态信息,并根据人类 驾驶经验对潜在冲突因素赋值代价,生成驾驶场景代价地图;其次,根据车辆运动状态与拟人驾驶的基本原则,利用高斯函数建 立动态风险模型;最后,结合驾驶场景代价图与动态风险模型实时计算拟人驾驶风险量化值。 仿真结果表明,提出的方法能够 基于人类驾驶经验,计算出动态变化的驾驶风险量化值,应用于智能汽车自动驾驶决策,可产生拟人驾驶行为。     

大型汽轮发电机定子端部绕组的数字化建模及振动特性分析

以600 MW大型汽轮发电机为研究对象。建立了汽轮发电机定子端部绕组的高精度有限元模型并进行模态分析,得到与实测结果吻合较好的模态参数;对定子端部绕组进行数字化机理建模,将双层绕组结构视为壳体,内外层支撑结构作为环肋与筋条,基于离散单元法可将端部绕组等效为叠层加筋加肋圆锥壳模型。借助适用于各种复杂弹性边界条件的改进傅里叶级数的瑞利-里兹法,建立了端部绕组的固有、受迫振动方程。通过计算得到端部绕组模态参数的解析解,并与有限元仿真结果进行对比,验证了所建立等效数字化机理模型的合理性与正确性,可为后续端部绕组电磁振动的研究打下基础。     

混响环境下基于倒谱BRIR的双耳互相关声源定位算法

在实际封闭环境中,针对存在混响而导致声源定位性能下降的问题,提出一种基于倒谱双耳房间脉冲响应（Binaural room impulse response,BRIR）的双耳互相关声源定位方法.该方法通过从倒谱BRIR中减去混响分量,然后反变换到时域得到估计的脉冲响应,再与数据库中的头部脉冲响应（Head related impulse response,HRIR）进行互相关运算,最大互相关值相对应的位置就是所估计的声源位置.仿真实验结果表明,提出的算法能减少混响环境中带来的定位误差,提高声源定位的精度.     

加窗插值快速傅里叶变换在滚动轴承故障诊断中的应用

针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率,在最小熵解卷积和Teager能量算子解调基础上,提出了一种基于Hanning窗插值快速傅里叶变换的滚动轴承故障诊断新方法。该方法首先利用最小熵解卷积对轴承故障信号进行降噪,再结合Teager 能量算子对降噪后的故障振动信号进行解调,经傅里叶变换后得到信号的Teager解调谱;然后采用Hanning窗对解调谱进行加权处理;最后利用信号频点附近三根离散频谱的幅值做插值处理,从而得到精确的故障特征频率。轴承实测振动信号的分析结果表明：与传统的Teager 能量算子解调方法相比,在选取较少分析点的基础上,大多数情况下所提方法仍能精确识别轴承故障特征频率。     

[学科发展]绿色制造研究现状及未来发展策略

绿色制造是绿色科技创新与制造业转型发展深度融合而形成的新技术、新业态、新模式，正成为全球新一轮工业革命和科技竞争的重要新兴领域。在分析绿色制造广义内涵的基础上，从绿色制造创新模式、产品绿色评价、绿色设计、绿色制造工艺以及资源化与再制造等几个方面详细阐述了绿色制造包含的主要内容，并围绕国内外绿色制造发展战略、绿色制造创新机构、绿色制造标准体系及规范以及绿色制造企业实践等几个方面分析了绿色制造发展现状，最后给出了我国绿色制造未来发展建议策略。     

油液磨粒感应电压特征辨识研究

准确监测滑油液中磨损微粒的大小和分布信息是评估机械设备服役状态和预测剩余生命的重要手段。 然而在实际应 用中,感应式磨粒检测传感器输出信号常常伴随着各种噪声和干扰,导致微弱的磨粒信号特征难以准确辨识。 为此,本文提出 了一种自适应感应电压特征辨识方法。 首先对检测信号进行多尺度滤波,利用多组不同截止频率滤波结果之间的稳定性进行 目标信号的定位和分割。 然后,根据信号的数学模型提取数值特征并进行感应电压辨识,从而实现磨损微粒的精确计数和特征 分析。 实验结果表明,新方法能较为完整地保留磨粒信号的形态特征,并成功提取出直径 70 μm 磨损颗粒所产生的感应电压 信号,对传感器检测精度的提高以及磨损状态准确评估提供了基础。     

基于切削稳定性与表面质量约束的 铣削工艺参数优化研究

铣削工艺系统的动态特性随着刀具夹持长度改变而变化,影响关联的铣削稳定性与加工表面质量,进而导致铣削加工 的工艺规划具有不确定性。 针对此问题,本文综合刀具悬伸量与传统铣削用量作为输入,分别建立极限切削深度与表面粗糙度 的反向传播神经网络模型(BPNN),并进一步以其表达铣削稳定性与加工质量约束,构建以刀具悬伸量和粗/ 精加工阶段铣削 用量为优化变量,以粗/ 精铣总加工时间为目标的铣削工艺参数优化模型,采用麻雀搜索算法( SSA)对模型进行寻优求解。 以 某型数控机床的夹具型腔铣削加工为例,采用刀具悬伸量与各阶段铣削用量的优化配置进行加工实验,总切削时间 12. 577 min 与表面粗糙度值 3. 01 μm 验证了优化模型的可行性和有效性。     

一种多焦距动态立体视觉 SLAM

现有的双目同步定位与建图(SLAM)都使用标准立体相机,所处环境为静态的假设会影响其在动态环境中的精度。 提 出了一种多焦距动态立体视觉 SLAM 方法,它克服了标准立体相机无法兼顾远距离和宽视场感知场景的缺点,并去除了动态物 体对 SLAM 的影响。 具体来说,对传统的立体校正方法进行了改进,并使用校正参数修正了特征点的位置,而不是整张图像,还 提出了一种自适应特征提取和匹配方法以增加多焦距图像的特征匹配数量。 综合使用多视图几何、区域特征流和相对距离检 测动态对象,剔除动态对象上的特征点。 在公开数据集 KITTI 上,该方法相对 ORB-SLAM3 和 DynaSLAM 的定位精度都提高了 6. 97% ,在自建数据集中,该方法的定位精度比 ORB-SLAM3 提高了 26. 64% ,比 DynaSLAM 提高了 32. 09% 。     

组合复信号的相位差法频率估计EI北大核心CSCD

在随机噪声的干扰下,传统的时移相位差校正算法的抗噪声性能可通过增大时移长度来提升;然而,随机噪声的影响、谱线定位错误以及过长的时移均可能引入相位绕卷问题,从而导致较大的估计误差,这大大限制了传统算法的估计精度。针对这一问题,研究了造成相位绕卷的主要因素,并分析其对时移相位差法频率估计的影响;为进一步提高频率估计的精度,提出一种组合复信号的相位差校正法。仿真结果表明,与几种传统的相位差算法相比,组合复信号的相位差法可实现长时移下的频率估计,且具有良好的抗噪声性能。     

基于多特征i-vector的短语音说话人识别算法

当测试语音时长充足时,单一特征的信息量和区分性足够完成说话人识别任务,但是在测试语音很短的情况下,语音信号里缺乏充分的说话人信息,使得说话人识别性能急剧下降。针对短语音条件下的说话人信息不足的问题,提出一种基于多特征i-vector的短语音说话人识别算法。该算法首先提取不同的声学特征向量组合成一个高维特征向量,然后利用主成分分析（PCA）去除高维特征向量的相关性,使特征之间正交化,最后采用线性判别分析（LDA）挑选出最具区分性的特征,并且在一定程度上降低空间维度,从而实现更好的说话人识别性能。结合TIMIT语料库进行实验,同一时长的短语音（2 s）条件下,所提算法比基于i-vector的单一的梅尔频率倒谱系数（MFCC）、线性预测倒谱系数（LPCC）、感知对数面积比系数（PLAR）特征系统在等错误率（EER）上分别有相对72.16%、69.47%和73.62%的下降。不同时长的短语音条件下,所提算法比基于i-vector的单一特征系统在EER和检测代价函数（DCF）上大致都有50%的降低。基于以上两种实验的结果充分表明了所提算法在短语音说话人识别系统中可以充分提取说话人的个性信息,有利地提高说话人识别性能。