基于电机效率的纯电动汽车传动系统参数匹配研究

为降低能耗、提高续航里程,本文提出了以提高电机效率为目标的纯电动汽车三档变速传动方案.首先,在分析电机工作特性的基础上提出了三档传动系统参数匹配方法;然后以某纯电动汽车为研究对象,对其驱动系统进行了改动:方案一在不改变原车型动力系统参数的情况下将传动系统由一档改为三档,并运用所提出的方法确定各档位的传动比;方案二在满足整车动力性指标要求下对电机重新选型并匹配三档传动系统;最后利用ADVISOR软件进行NEDC工况仿真分析.结果表明:在不改变原车型动力系统参数的情况下,采用三档传动可使整车的动力性和经济性都有一定的提升,续航里程提高了 9.2％,百公里电耗降低了 1.28 kW·h;重新选型电机后,采用三档传动续航里程提高了 14.1％,百公里电耗降低了 1.87kW·h.     

2种侧围加强内框总成检具结构对比分析

概述了侧围加强内框总成与周边零件的匹配关系,从检具操作的人机工程出发,描述了侧围加强内框总成检具的2种定位方式和结构设计,对比了2种定位方式对于检测结果的影响,总结了其优点和弊端,结果表明侧围加强内框总成检具采用车内方向朝下的定位方式效果更好。     

基于PolyWorks虚拟装配间隙面差计算分析研究

随着当今社会汽车制造业的迅猛发展,高标准和高需求已经是消费者对汽车制造凯歌的主旋律。而这其中,汽车钣金件的间隙面差就是其中一个重要因素。快速检测间隙面差是否满足设计要求直接关系到汽车白车身的生产精度和企业的工作效率。传统计算间隙面差大多利用量具,易划伤被测物且在零件实际装配后才可测量,降低生产效率,而非接触测量造价昂贵。本课题基于实物的汽车钣金件虚拟装配,对间隙面差的计算方法进行分类与参数调整,提出一种高效率、高标准的间隙面差计算流程。     

压缩感知改进探地雷达回波信号时延估计

针对探地雷达回波受环境及多径干扰而导致时延估计的精度和速度不满足应用需求的问题,提出了基于改进快速匹配追踪的时延估计算法,算法首先基于压缩感知理论对雷达探地回波进行稀疏分解和重构,以提高信号的信噪比,消除回波中强干扰信号对时延估计的影响,然后采用QR分解优化的快速正交匹配追踪对时延估计模型进行求解,降低基函数错选概率,提高模型收敛速度.仿真实验表明,算法能够有效均衡回波信号中强信号分量和弱信号分量,具有较高的回波时延估计精度.     

基于图像处理研究铁尾矿的熔化行为

作为主要成分的SiO2是铁尾矿中最难熔化的部分.通过一组SiO2的熔化时序图像来探究铁尾矿的熔化情况.首先,进行图像预处理,建立质心位置追踪模型和体积估算模型.将灰度图转化为二值图,利用卡尔曼滤波器进行质心追踪和对质心运动轨迹的描述.通过计算二值图中0像素的数量得到面积随时间变化的图像,拟合出熔化过程函数.结合二值图中目标物体的边界信息得到的参数量建立多元线性回归模型.估算颗粒扁平度和物体的体积,熔融速率通过颗粒集合的质量变化函数得出.     

粒子流粒子滤波检测前跟踪方法

检测前跟踪通过在连续多帧观测中对目标信号进行非相参积累以检测和跟踪微弱目标。积累的关键在于对目标轨迹的准确估计和多帧迭代滤波。传统粒子滤波器过于依赖建议分布，对目标轨迹的估计不够准确。新提出的粒子流滤波器是一种很好的替代方法，但其过于依赖当前时刻的量测而弱化多帧迭代滤波。本文提出一种在粒子滤波框架下采用粒子流的检测前跟踪方法:采用粒子滤波器进行多帧迭代滤波，但在每一帧内，采用Localized Exact Daum-Huang粒子流进行滤波。为了应对目标量测的不确定性，本文改造了Localized Exact Daum-Huang滤波器，为每个粒子在其邻域内寻找最大似然量测，并利用该量测更新粒子状态。Rayleigh分布杂波下Swerling1型起伏目标的检测和跟踪实验证明了所提算法的性能。      

炮检距矢量道集非刚性匹配方位各向异性时差校正

随着勘探精度日益提高,宽方位地震资料的方位各向异性问题变得更加突出。介质的方位各向异性会导致地震成像道集中反射点的道间时差,且常规处理方法难以正确消除,影响成像结果的保真度和分辨率。基于"两宽一高"的实际地震数据,分析研究区方位各向异性在炮检距向量片(OVT)域偏移后形成的OVG道集上的表现特征,采用非刚性匹配(NRM)时差校正方法获得时空变的校正量,消除方位各向异性对成像的影响,实现了整体数据的方位各向异性时差校正。与常规处理结果相比,该方法改善了成像品质,频带展宽7 Hz左右,有助于提高储层描述精度。     

DCNN深度特征与交替方向乘子的相关滤波跟踪

针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。