基于多重示范的智能车辆运动基元表征与序列生成

为解决不同驾驶风格的类人驾驶轨迹生成问题,以包含同类型多重示范的真实行车轨迹数据集为依托,提出一种基于驾驶风格参量提取的运动基元表征及基元序列生成方法。单一运动基元以改进的动态运动基元方法进行表征,并引入奇异值分解实现同类型轨迹集合中主要形状表征参量与驾驶风格参量的分离;基元序列则是在关联各独立表征参量的基础上,利用准均匀B样条 曲线进行序列拟合。结果表明：单一运动基元表征方法在保证轨迹表征精度的同时,扩展了基元依据驾驶风格的泛化调整能力;基元序列生成方法既实现了对目标点航向和位置的钳位,又保证了各独立基元之间的平滑过渡。     

带Stewart平台的航天器刚柔耦合动力学建模与仿真分析

本文采用柔性多体系统单向递推组集的建模方法,基于速度变分原理建立了带Stewart平台、柔性帆板和CMG组件的航天器刚柔耦合动力学模型.由于该模型自由度较大,无法满足实时控制的需求,因此建立了简化的Stewart平台等效模型,并通过与柔性Stewart平台完整模型对比,验证了所建立的动力学简化模型的正确性与高效性.分析了星体平台运动及柔性帆板的振动对有效载荷动力学响应的影响,指出了设计Stewart平台的微振动抑制方案时不能忽略下平台的运动及柔性附件的振动.本研究为带Stewart平台的航天器的微振动减振设计与高精度指向提供了有效的技术支撑.     

基于双层驾驶员模型的履带车辆纵向与横向协同跟踪控制方法

为解决基于离合器转向机速差转向履带车辆的路径跟踪控制问题,采用一种基于双层驾驶员模型的纵向与横向协同跟踪控制方法,以实现对期望路径的跟踪控制。第1层驾驶员模型以高斯混合隐马尔可夫模型为基础,以期望跟踪轨迹为输入,实现对转向模式序列的预测输出及切换控制,其中转向模式包括直驶模式、行进间转向模式与原地转向模式;第2层驾驶员模型以模糊逻辑来表征行进间转向模式下经验驾驶员纵向与横向控制配合规律,并最终依据期望航向校正偏差生成纵向、横向控制量。试验结果表明,上述控制算法能够有效地利用驾驶员的先验经验,解决车辆纵向与横向强耦合特性及转向不确定性给跟踪控制系统带来的挑战,最终实现车辆在特定场景下轨迹跟踪误差小于1.0 m的路径跟踪控制。     

基于粗糙集理论的梭式窑故障诊断专家系统

针对梭式窑运行故障多且难以快速检测和定位的问题,研究并设计出一种基于粗糙集理论的故障诊断专家系统。详细分析了专家系统粗糙集理论的信息表示、知识约简及诊断概率模型,重点设计并介绍了专家诊断系统中各个部分的详细组成,最后还给出了本系统的实际开发与实验情况。运行实践表明,该专家系统的知识模型适应性好,推理结果可靠稳定,具有较好的应用和推广价值。     

基于等温吸附曲线的煤储层产气潜力定量评价——以黔北地区长岗矿区为例

含气饱和度、临储比等指标在用于煤层气选区选层评价时,未考虑煤层气解吸能力以及解吸过程中储层压力对气体解吸的影响,因而难以全面反映煤储层的产气潜力。为此,以煤样等温吸附实验为基础,提取临储压差、临废压差、有效解吸量、解吸效率等指标,建立了煤层气产出潜力的定量评价方法,并基于黔北地区长岗矿区煤层气井排采历史进行了分析验证。研究结果表明:(1)长岗矿区7号煤层的临储压差为2.35 MPa,0.2~1.0 MPa废弃压力下的临废压差介于2.06~2.86 MPa,煤层气有效解吸量介于9.32~18.9m3/t,具备较高的产气潜力;(2)研究区煤层气解吸过程只经历敏感解吸阶段,解吸效率高,煤层吸附时间短,见气后短时间内可获得较高产的气流;(3) FX2井煤层气产出潜力定量评价及排采历史验证了该区的煤储层具有煤层气开发产气潜力。结论认为:(1)研究区煤层气井排采初期应缓慢排采,尽可能减小降压速度、扩大降压漏斗波及范围和有效解吸半径;(2)优选相对高渗区及开展高质量的压裂,以扩大有效渗流半径,充分释放煤层气产能。     

基于独立电驱动履带车辆的地面参量估计方法研究

以独立电驱动履带车辆的大量试验数据为依托,提出一种基于驱动力统计学预测模型与车辆动力学模型相结合的算法,对道路阻力系数与转向阻力系数进行估计。根据过零航向角偏差点对车辆的行驶路径进行分割,并利用高斯混合模型对各路径段进行多元聚类,利用连续3个路径段的聚类标签表征运动基元的类型;以基元类型为依据实现数据的分组,利用高斯混合模型构建驱动力统计学预测模型。在进行地面参量估计时,当确定运动基元类型后,通过调用对应的驱动力统计学预测模型,利用高斯混合回归对两侧主动轮转矩进行预测。利用非线性最小二乘法,使得基于驱动力统计学预测模型得到的转矩预测值与基于动力学方程表征的转矩理论值误差最小,从而获得地面参量估计值。对实车采集到的数据进行处理,得到地面参量的测试值并与估计值进行对比,证明了该方法可以在使用较少传感器前提下,保证预测结果的精度与整体算法的效率。     

食窦魏斯氏菌SJ-02产胞外多糖发酵工艺优化

采用响应面法对影响食窦魏斯氏菌SJ-02(Weissella cibaria SJ-02)产胞外多糖(exopolysaccharides,EPS)的发酵培养基组分和发酵条件进行优化。以EPS产量为指标,首先探究培养基中碳源、氮源对EPS产量的影响,结果表明,以MRS为基础培养基,维持2%葡萄糖不变、用1.5%大豆蛋白胨替代蛋白胨,可增加菌株SJ-02的EPS产量;在单因素试验基础上采用Box-Behnken中心组合试验设计对影响EPS产量的因素进行优化,获得菌株SJ-02产EPS的最适发酵条件:接种量3.00%、培养时间34h、培养温度37℃,在此条件下理论预测EPS产量为335.03 mg/L,验证实验测得EPS产量为331.47mg/L,比未优化前提高了17%。     

有级转向履带车辆的驾驶员操控行为模型

为解决有级转向履带车辆驾驶员操控经验的表征问题,以采集得到的大量真实驾驶数据为依托,提出一种基于操控基元序列的驾驶员操控行为表征模型。操控基元以高斯混合模型表征,并以有向图的形式完成驾驶员操控基元切换序列的提取与类别辨识;依据不同类别的操控基元序列辨识结果完成了对驾驶数据的重分组,利用隐马尔可夫-高斯混合模型完成每一个类别下的驾驶员操控行为模型训练。结果表明：所提取出的操控基元序列既能完成对驾驶员转向操控基元切换行为的表征,又能实现对轨迹基元类别的合理划分;在给定期望轨迹所对应的预测时域内,驾驶员操控行为模型能够实现特定条件下的驾驶员转向操控量预测,预测平均偏差在4.2%以内。     

基于高斯混合-隐马尔可夫模型的速差转向履带车辆横向控制驾驶员模型

为解决基于离合器转向机的履带车辆在无人行驶条件下的横向控制问题,采用一种基于高斯混合-隐马尔可夫模型的统计学习方法构建驾驶员模型,以实现对驾驶员跟踪控制操控经验的表述。利用经过大量试验采集获得的经验驾驶员操控数据对模型进行训练。以基于高斯混合模型表征的车辆速度和航向偏差作为隐马尔可夫模型的观测状态参量,并利用高斯混合模型对左右操纵杆位置进行转向模式划分,以转向模式作为隐马尔可夫模型的隐藏层状态参量,通过对模型的训练最终实现对于驾驶员操控经验以及车辆特性的统计学描述。利用上述模型对跟踪控制过程中的期望转向模式进行预测分析,结果表明该模型能够较准确地对转向模式进行预测。