车辆座椅和悬架系统的参数自调整模糊PID集成控制

为更好的提高车辆行驶平顺性和舒适性,结合模糊理论和PID控制方法提出了参数自调整模糊PID控制策/4车辆四自由度“车-椅-人”悬架系统模型,运用MATLAB中Simulink模块搭建了系统控制框图,接着选取某车型参数进行了运动仿真。讨论了随机激励下分别以车身控制、座椅控制和集成控制方法的人体加速度、座椅加速度、车身加速度、悬架动挠度和车轮动载荷等评价指标,对比分析了集成控制策略的优越性。分析结果表明采用该控制方法后车辆的行驶平顺性和操纵稳定性得到了明显的改善。     

自适应连续集稀疏分解声音识别算法

为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。     

非线性悬架系统的最小二乘参数识别方法

针对汽车非线性悬架参数识别问题,根据最小二乘法原理,分别提出了基于离散化模型的参数识别方法和基于系统输入输出数据的参数识别方法。首先,从理论上介绍了两种识别方法的理论基础及其与最小二乘法之间的内在联系。其次,分别应用两种方法对汽车非线性悬架系统的线性及非线性参数进行识别,并通过仿真验证了两种基于最小二乘法的非线性系统参数识别方法的有效性。最后,进一步介绍了对于更一般的非线性系统,两种方法的适用范围,为非线性悬架系统及同类非线性系统的设计与分析提供了理论基础。     

避免加速度倍频激励共振的凸轮从动件运动规律设计

提出了一种运用有限傅里叶级数进行凸轮从动件运动规律设计的方法,运用该方法可有效减小或避免凸轮机构运动产生的某倍频激励恰与所作用对象的固有频率相近或相等而产生较大的倍频振动或共振。凸轮从动件运动规律依据工艺运动要求设计,常用有高次多项式等,通过对其周期运动进行频谱分析,可得其加速度幅值频谱;结合考虑激励对象的动态特性,在满足凸轮从动件运动规律工艺运动要求的条件下,选择去掉该凸轮从动件运动规律加速度幅值频谱中那些易引起倍频激励共振的项,得到改进设计后的运动规律,进而达到通过改变激励源频谱特性来减小激励对象振动的目的。进一步通过对改进后的凸轮从动运动规律的有限傅里叶级数的项数及系数进行优化,可使其能更好地满足给定工艺运动要求。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。     

基于改进K-Means聚类和误差反馈的数据清洗方法

综合能源数据的采集与分析是构建综合能源系统的基础和前提，由于数据采集过程中存在系统故障、线路检修等随机因素的制约，其数据常存在异常和缺失情况。为解决上述问题，提出了基于改进K-Means聚类和误差反馈的数据清洗方法，对异常数据进行识别和插补。将异常数据分为不符合用能业务特性的坏数据和缺失数据两类。针对坏数据问题，提出了基于改进K-Means聚类的异常数据识别方法，其中采用Davies-Bouldin（DB）指标解决聚类数K的选取问题；针对缺失数据问题，提出了基于误差反馈的异常数据组合式插补方法。为验证所提方法的有效性，从某园区5个用户4个月的用电数据中选取40组数据，前20组作为样本集以确定插补权重，后20组作为验证集进行验证与对比，结果表明，所提方法具有更高的稳定性与可靠性。