模糊自适应的高超飞行器控制与干扰

针对具有超大飞行马赫数、超宽飞行包络、飞行环境复杂等特点的高超声速飞行器,提出了基于模糊自适应的高超飞行器高度控制方法,分别设计了高度和速度控制器.针对所设计的控制器,分析了气动干扰力矩、测量噪声、舵机干扰、气动参数不确定性和飞行器模型参数不确定性对飞行器高度控制和速度控制效果的影响,然后又分析了综合考虑以上干扰和不确定性对飞行器高度控制和速度控制效果的影响.仿真结果表明,对各种干扰和不确定性,所设计的控制器速度和高度控制有较好的跟踪性和鲁棒性,达到了满意的效果.     

基于综合特征的车辆检测识别系统

随着信息技术和智能交通的迅速发展,自动的车辆检测识别成为不可或缺的技术。由于基于单一特征和单车辆的识别并不能满足实际中的应用要求,因此提出了多特征多车辆的检测识别算法,利用基于灰度对称,形状特征和光流强度特征的提取,通过基本的图像处理算法,最终由综合特征为基础得出车辆的识别检测结果,利用基于VC＋＋6．0的软件系统开发出车辆检测识别系统,通过实验对照,由单一特征和综合特征的检测不同结果获得实验数据,通过检测算法将视频序列图像中的车辆信息自动识别提取出来并加以标记。实验结果表明系统能够适应多变的车型和环境信息,通过识别结果准确性的分析,得出结论：针对不同的车型有较好的鲁棒性,能够满足实际智能交通控制平台的构建的基本要求。     

电动汽车动力学控制研究进展

近年来随着全球资源、环境问题日益严峻,节能、环保的电动汽车得到快速发展。电动汽车采用电机驱动系统,具有转矩快速响应、易于精确测量、可实现动力分散控制、可实现制动能量回收等优点。充分挖掘并利用这些优点可显著提升车辆动力学控制性能。文中从电动汽车动力学控制运行参数的识别、动力学控制结构与方法两个角度综述了十多年来的研究成果,重点介绍了轮胎-路面接触条件识别方法、驱动防滑控制方法等。对车辆横向动力学控制,包括电子差速控制、直接横摆控制、底盘集成控制等研究现状也做了总结。最后对未来电动车辆动力学控制的发展方向作了几点展望。     

车辆悬架用电磁执行器的建模与试验研究

应用电磁感应的基本原理,设计了一种新型的车辆主动悬架用电磁直线执行器,该执行器具有响应快,出力大和动行程大的特点。通过两种不同的建模手段,即有限元建模和集总元件动力学建模的电磁力仿真对比分析,两者基本吻合,表明了执行器模型的准确性。利用所建立的有限元模型,研究了执行器结构参数如气隙厚度和次级铜层厚度对电磁力的影响规律,并选取合理的参数进行执行器的样件试制。通过对加工后的样机模型进行电磁力响应的试验测试,并分别与有限元模型和集总元件动力学数学模型进行相应的比较,试验数据与仿真结果基本一致,进一步验证了模型的准确性。     

基于数据库通知服务的车辆定位系统的研究

通过对目前远程车辆定位实现方法的分析和研究,阐明了其在实时性、执行效率等方面存在的一些问题,这些问题往往会成为定位系统发展的瓶颈,所以文中主要在阐述一种可以缓解这些问题缺陷的方法。采用在原有定位系统的基础上引入数据库通知服务技术的方法将数据库定位信息的更新及时有效地通知到客户端监控程序,实现了远程车辆及时准确的定位,并且使得程序的执行效率得到明显的提高。最后通过实际的程序开发和大量的实践测试,验证了此方法的可行性。     

湍流模型和网格分布对水下航行体回转水动力数值计算的影响

针对水下航行体安全操纵设计的关键环节水动力预报,用FLUENT求解不可压缩RANS方程,采用定常旋转运动坐标系,运用相对运动理论和运动叠加原理,计算RNG k-ε,可实现k-ε和SST k-ε等3种湍流模型以及不同网格分布对水下航行体做单平面回转运动所受垂向力和纵倾力矩,并与试验结果比较.结果表明在Re=11.7×106条件下,垂向力和纵倾力矩预报精度较高.该数值预报方法可行、有效,具有较好的工程实用价值.     

地铁车辆轴箱吊耳动态分析和优化

针对某型地铁车辆转向架在被吊起时起保护一系悬挂系统作用的轴箱吊耳在车辆运营中多次发生断裂的问题,用HyperWorks建立吊耳的有限元模型,以试验数据作为输入分析模态频率响应,通过仿真结果与试验结果的对比调整模型,保证模型仿真的准确性.综合分析仿真结果和试验结果,找出引起吊耳模态频率响应过大的原因,利用OptiStruct进行结构拓扑优化,根据优化结果提出4种新方案,并分别对比各方案的静强度、模态频率、模态频率响应和体积等,确定最佳设计方案.     

基于车型识别的BP算法Matlab实现

车型识别具有广阔的应用前景,BP神经网络在车型识别中能够提高车型的识别率。在任何车型大致都可以抽象成一个"工"字型情况下,提取其中的顶长比、前后比和顶高比这三项相对参数作为BP神经网络的输入参数。采用三层3-8-3的BP神经网络,并用14对输入参数离线训练,再用4对新数据进行检验,均得到了预想的期望值。     

车联网中基于轨迹预测的无人机动态协同优化覆盖算法

针对城市车联网中出现的基站覆盖空洞及局部流量过载等问题,提出了一种基于车辆轨迹预测信息的动态预部署方案。首先,为了训练得到统一的seq2seq-GRU轨迹预测模型,多个携带边缘计算服务器的无人机在分布式联邦学习与区块链的架构下,去除中心聚合节点,采取改进的Raft算法,在每轮训练中根据贡献数据量的大小,选举得到节点来完成参数聚合及模型更新任务。其次,基于模型预测结果,提出了一种改进的虚拟力向导部署算法,通过各虚拟力来引导无人机进行动态地部署以提升车辆的接入率及通信质量。仿真结果表明,提出的训练架构能够加速模型的训练,部署算法在提升车辆接入率的同时提升了车辆与无人机之间的通信质量。     

基于智能垃圾桶的垃圾分类动态收运路径优化问题研究

针对城市生活垃圾分类收运过程中存在的环境二次污染和垃圾产生量不确定性等问题,提出了一种基于智能垃圾桶的动态收运车辆路径优化方法。建立以最小化碳排放成本、燃油消耗成本、固定成本和车辆延迟到达惩罚成本为目标的动态车辆路径优化模型。采用滚动时域的方式将动态问题转换为一系列静态问题,并设计两阶段算法进行求解。首先采用粒子群算法对收运车辆路径进行规划,而后在每个时域末,综合考虑待清运垃圾桶的位置和垃圾量、垃圾收运车辆的位置和装载量以动态调整现有车辆路径。研究结果表明,相较于传统的静态收运方案,动态垃圾收运方案能够在降低车辆运输成本和碳排放成本的同时,显著降低由于清运不及时造成的环境二次污染的风险。