考虑DCT车辆起步过程离合器接合稳定性的双质量飞轮参数优化EI北大核心CSCD

在车辆起步过程中,发动机输出转矩波动会导致离合器接合不稳定,从而影响整车动力传动系统的平顺性。双质量飞轮(dual mass flywheel,DMF)可减小发动机转矩波动对离合器及整车动力传动系统的影响。针对起步过程离合器接合不稳定影响整车平顺性的问题,以双离合器自动变速器(dual clutch automatic transmission,DCT)车辆为研究对象,研究了DMF的刚度、阻尼和初级与次级飞轮惯量比对DCT车辆起步过程离合器接合稳定性的影响,并建立了以离合器黏滑比和整车冲击度为目标函数的多目标优化模型,利用遗传算法对模型进行优化,得到了使离合器接合稳定性提高且整车冲击度明显降低的DMF最优参数组合。     

基于多任务支持向量机的能源互联网数据深度融合方法

在多任务环境下，能源互联网数据冗余干扰较强，后期数据处理误差较大，故提出一种基于多任务支持向量机的能源互联网数据深度融合方法。数据层融合接收待融合能源互联网数据后实施数据离散化、矩阵化处理，将处理后数据发送至特征层融合内，特征层融合利用互信息变量选择算法，提取数据分类特征，并将所提取特征作为决策层融合多任务支持向量机输入，多任务支持向量机将支持向量机各数据分组视为子任务，运算过程中需保证全部学习机间全局差异最小化实现子学习机局部最优化，多任务支持向量机实施数据决策级融合后输出最终融合结果。实验结果表明，该方法准确率高于99%,且融合加入10 dB白噪声的能源互联网数据最小均方误差仍低于1%。