基于hp自适应伪谱法的自主泊车路径规划

针对自主泊车路径规划最优控制问题求解收敛速率慢的问题,提出基于hp自适应高斯伪谱法的自主泊车路径规划方法。首先建立车辆运动学模型,并考虑自主泊车过程中避障约束和边界约束,再以泊车时间最短为性能目标函数,将自主泊车路径规划问题转化为最优控制问题。采用高斯伪谱法对最优控制问题进行离散化处理并采用序列二次规划进行求解,在求解过程中通过动态调整网格区间个数和多项式阶数实现提高求解收敛速率。根据实际场景选取4种工况并进行路径规划仿真,并将3种伪谱法进行对比分析,仿真结果表明hp自适应高斯伪谱法能够提升自主泊车路径规划最优控制问题求解收敛速率,同时该算法可以实现在狭窄泊车位内的泊车路径规划,通过实车试验验证提出的方法获得的自主泊车路径的有效性。     

电控空气悬架车辆自适应前照灯控制策略研究

为有效提高前照灯夜间照明效果,本文在充分考虑国标GB7258《机动车运行安全技术条件》基础上,根据车身高度、车速等信号变化,提出一种自适应前照灯系统(adaptive front-light system,AFS)的新型前照灯垂向控制策略,以合理调节其夜间照射角度。同时,采用Matlab/Simulink和Stateflow软件,建立前照灯垂向控制策略模型,并对车辆在加速工况和减速工况条件下进行仿真分析。仿真结果表明,在车辆高度变化及车辆加速情况下,所提出的控制策略模型可有效调节前照灯照射角度,提高驾乘安全性;在车辆高度变化及减速条件下,所提出的控制策略模型亦可实时有效地调节前照灯照射角度,改善驾乘人员夜间行驶安全性。该研究可有效提高电控空气悬架系统车辆夜间行车安全性。     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题，建立多重威布尔混合分布参数估计的非线性最小二乘模型，并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中，采用自适应方法调整惯性权重和加速因子，加快其收敛速度；引入模拟退火机制，根据Metropolis准则确定最优粒子的取舍，改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中，并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较，分析所提方法的优化性能及精度。结果表明，该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。     

海绵城市理念在城市立交改造中的应用研究

将海绵城市技术理论应用在城市道桥排水工程设计中,能够有效缓解城市道路滞水和降低雨水径流污染。城市立交桥智能交通改造是结合节点远期各个方向的交通预测流量采用软件模拟需要增加的车道数和转换匝道的方向,协同道路全线交通信号采用自适应控制模式通过动态交通流量与环境变化实时调整,可使交通组织控制效果达到最优,并建立人车分离的"空中走廊"与之匹配,最终形成完整的立交改造方案;与此同时气候变化致使暴雨频率和强度发生改变,立交改造等城镇化建设的加快升级和范围扩大,加剧了暴雨对城市及其基础设施的威胁,应用海绵城市理念优先考虑城市立交利用自然渗透和排放,建立计算净化和积存雨水系统模式,建设立交桥雨水处理及回收一体化地下工程。     

ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。