基于多表示动态自适应的不同工况下滚动轴承故障诊断

在对不同工况下的滚动轴承进行故障诊断时,要收集足够多标记的故障样本是非常困难的。为此,以原始振动信号作为神经网络的输入,通过多表示动态自适应(MRDA)算法多表示对齐可迁移的特征、自适应动态的衡量边缘分布和条件分布相对重要性,从而构建了一种新的深度迁移模型,即一维多表示空洞动态自适应迁移网络(1D MRDDATN)。首先,对迁移学习数据分布进行了问题分析,对DDA进行了理论推导;然后,在一维空洞卷积基础上,创建了一维多表示空洞卷积神经网络(1D MRDCNN),并提出了MRDA算法和多表示动态自适应结构(MRDAM),形成了一维多表示空洞动态自适应迁移网络(1D MRDDATN);最后,采用美国凯斯西储大学(CWRU)的滚动轴承数据集进行了实验验证。研究结果表明：与传统的深度迁移学习方法相比,上述方法的平均诊断准确率有所提升,可达到98%以上;MRDA通过多表示对齐来完成不同工况下的跨域分类任务,自适应地捕获不同方面的信息,可以获得更好的性能。     

多轴协调运动中的交叉耦合控制

直接把轮廓误差作为控制的目标,在多轴运动的各轴之间引入耦合因素,通过各轴间的协调来提高轮廓精度,而不仅仅通过单轴解藕控制改善各轴的位置跟踪精度。就多轴协调运动中的各种交叉耦合控制器的设计,从控制的角度进行了全面的分析与综合,提出了有待解决的若干问题,对未来的发展方向进行了展望。     

PHEV转矩的自适应神经模糊推理系统分配策略

为了减小混合动力汽车的燃油消耗和减少尾气中有毒气体含量,提出了迭代动态规划与自适应神经模糊推理系统相结合的能量管理方法。建立了并联式混合动力汽车动力系统模型,以车速和加速踏板开度为依据给出了换挡策略;建立了能量管理问题模型,使用迭代动态规划方法求解了最优控制律,但是此控制律无法应用于车辆的实时控制;提出使用自适应神经模糊推理系统探索最优控制律与车辆状态间的非线性映射关系,根据车辆状态确定最优控制律,实现了最优控制律的实时控制。使用CCBC工作作为验证工况,与基于规则控制策略、等效燃油消耗最小方法相比,控制方法的百公里油耗分别减少了18.56%、3.93%,且有毒气体含量明显少于另外两种方法,证明了控制方法的优越性。     

自适应控制在热连轧轧机的负荷优化分配中的应用

本文在简要介绍热连轧轧机负荷优化分配的意义后,提出了一种利用模糊自适应理论的方法把多目标函数处理成同等约束条件下的单目标函数;再以改进的动态规划算法,以不同的步长对所求的解进行多重动态规划模式的寻优,基本上克服了因步长选取不当而带来的非最优解的问题。实验结果表明,这种综合模糊自适应和变步长的动态规划算法节能效果良好,具有很好的工程应用价值。     

汽车动力总成悬置系统多工况运行模态试验研究

由试验测得发动机启动、怠速和急加速三种典型工况下的振动响应,进行了动力总成悬置系统的运行模态参数识别。采用多参考点最小二乘复频域法,通过试验测得的振动响应获得系统工作振型。由于发动机激励不具备零均值白噪声的特点,运用了多种模态置信度指标进行模态验证,获得了较可信的模态参数。试验结果表明,动力总成悬置系统的运行模态参数与发动机工况有关,对于大阻尼和密集模态的动力总成悬置系统,多工况的运行模态试验可以更准确地识别悬置系统的模态参数。研究结果对悬置元件参数设计具有重要的参考价值。     

多轴独立电驱动混合动力车整车控制系统的开发

为有效解决多轴独立电驱动混合动力车辆控制技术的难题,包括如何解决整车驱动功率急剧变化与特殊用电设备稳压要求的矛盾,以及如何兼顾多轴独立电驱动系统的经济性、动力性和通过性,提出一种多轴独立电驱动混合动力车的整车分层式控制系统结构方案。在该系统中,采用整车功率跟随式能量管理策略,重点研究稳压型APU变增益PID控制策略和多轴独立电驱动多目标驱动力控制策略,并通过前向仿真系统和实车试验对其进行验证与评价。仿真和实车试验结果表明,该整车控制系统能够有效地对车辆进行控制,在实现各项功能的情况下,稳压型APU控制系统能保证在大功率波动的情况下电压波动在3%之内,多目标驱动力控制策略在提高车辆机动性的同时将电动机驱动系统的效率提高约4%。     

多轴车辆半主动悬架控制分析

针对采用半主动悬架的多轴车辆,建立了动力学模型;基于预描控制结合Pade近似方法建立多轴车辆后轴和第1轴路面激励输入的关系,并改进了动力学模型;基于天棚阻尼模型,建立参考模型;基于滑膜控制结合等速趋近率确定了控制率。以某三轴车辆为例,采用滑膜控制方法实现对车辆的控制,其分析结果和被动悬架进行了对比分析;分析结果证实了采用滑膜控制方法车身质心高度变化幅值、车身俯仰角幅值得到明显减小,其变化趋势也较为平缓;车辆在低速还是高速行驶质心加速度均方根值、车身俯仰角角加速度均方根值都比被动悬架车辆明显减小,车辆的平顺性得到改善。建立的模型及控制方法具有普适性,适用于两轴及两轴以上的车辆。     

基于驾驶风格识别的混合动力汽车能量管理策略

为了进一步提高混合动力汽车的燃油经济性,针对驾驶员的驾驶风格对混合动力汽车的燃油经济性有较大影响的问题。通过对驾驶操作引起的汽车行驶过程的车体冲击度分析,确定不同类型行驶工况下的驾驶风格区分方法,应用该方法在所采集的大量行驶工况数据上,得到不同驾驶风格的车速信息。将行驶工况识别算法、不同驾驶风格的车速信息、等效燃油最小能量管理策略相结合,获取不同驾驶风格下的最优需求功率分配方式,从而建立基于驾驶风格识别的能量管理策略。对一段随机工况应用所制定的能量管理策略,仿真结果表明,所提出的控制策略比不考虑驾驶风格的等效燃油最小能量管理策略燃油经济性提高了8.47%,发动机工作点更好地运行在其最佳效率曲线附近,电池SOC更稳定且更好地维持在高效区域。     

混合动力汽车下坡辅助控制方法

为减轻混合动力汽车(Hybrid electric vehicle,HEV)下坡过程中驾驶员的驾驶负担,提高车辆运行的安全性和经济性,提出一种满足驾驶员主观意图、确保下坡安全性和提高制动能量回收性能的下坡辅助控制(Down-hill assist control,DAC)方法。上层根据车辆下坡行驶过程中安全性需求,以满足驾驶员的主观驾驶意图为原则,提出下坡辅助控制启动和退出策略,并制定辅助控制的目标。中层依据辅助控制目标,利用比例积分微分(Proportional integral derivative,PID)方法计算总需求制动转矩,根据总制动转矩、各制动系统的制动能力和制动原理,提出电机单独制动、电机-发动机联合制动及电机-发动机-液压联合制动的转矩分配策略。下层针对电机、发动机和液压系统响应特性的不同,提出发动机接入过程的动态协调控制策略与液压转矩变化过程的动态协调控制策略。进行实车验证,结果表明该方法在减轻驾驶员的操纵负担、提高混合动力汽车下坡路段安全性的同时,能降低油耗,并改善舒适性。     

考虑工况和驾驶风格耦合影响的插电式混合动力汽车制动能量回收策略

通过分析工况和驾驶风格对制动能量回收的影响,提出了一种考虑工况和驾驶风格耦合影响的制动能量回收方法。通过驾驶员在环实验平台采集了踏板信号与车速信号;定义了制动力的工况修正因子α和驾驶风格修正因子β,并分别利用正态分布与t分布的方法确定了其变化范围,在此基础上,制定了制动能量回收策略。利用采集的工况数据和驾驶风格数据,通过学习向量量化（LVQ）神经网络训练了工况和驾驶风格识别模型。最后,建立仿真模型对制动能量回收策略进行仿真验证,结果表明：在工况和驾驶风格耦合影响下,所提出的制动能量回收策略的能量回收效率更高,整车的经济性得到进一步提高。     

遗传算法在混合动力汽车控制策略优化中的应用

提出了一种基于浮点数编码遗传算法的混合动力汽车控制策略参数优化新方法。以一辆实际混合动力汽车样车的逻辑门限控制策略为例，分析并建立了控制策略参数优化的有约束非线性规划模型，其目标函数包含最小化油耗和排放。提出了采用稳态进化模型和浮点数编码遗传算法的参数优化方法，用于求解一组最优的控制策略参数。仿真结果表明，该方法可以找到一组全局最优的参数，将其用作离线参数优化，可以大大缩短控制器的实车标定时间。     

Dynamics Modeling and Robust Trajectory Tracking Control for a Class of Hybrid Humanoid Arm Based on Neural Network

In order to solve the problem of trajectory tracking for a class of novel serial-parallel hybrid humanoid arm(HHA), which has parameters uncertainty, frictions, disturbance, abrasion and pulse forces derived from motors, a multistep dynamics modeling strategy is proposed and a robust controller based on neural network(NN)-adaptive algorithm is designed. At the first step of dynamics modeling, the dynamics model of the reduced HHA is established by Lagrange method. At the second step of dynamics modeling, the parameter uncertain part resulting mainly from the idealization of the HHA is learned by adaptive algorithm. In the trajectory tracking controller, the radial basis function(RBF) NN, whose optimal weights are learned online by adaptive algorithm, is used to learn the upper limit function of the total uncertainties including frictions, disturbances, abrasion and pulse forces. To a great extent, the conservatism of this robust trajectory tracking controller is reduced, and by this controller the HHA can impersonate mostly human actions. The proof and simulation results testify the validity of the adaptive strategy for parameter learning and the neural network-adaptive strategy for the trajectory tracking control.     

基于工况识别的混联式混合动力客车控制策略研究

为进一步提高新型混联式混合动力客车燃油经济性,根据城市循环工况的特点选定了四种典型的城市工况,采用学习向量量化(LVQ)神经网络模型对各工况特征参数进行训练学习以进行实时工况识别,结合基于动态规划的全局优化结果来提取功率均衡控制规则并存储于控制模块中以供不同工况选择,制定了基于工况识别的控制策略。以MATLAB/Simulink为平台建立基于工况识别的控制策略整车前向仿真模型,仿真结果表明,与普通控制策略相比,采用基于工况识别的控制策略的燃油经济性提高7%。     

基于前向建模的ISG型CVT混合动力系统再生制动仿真研究

基于对CVT混合动力汽车制动力分配的分析,综合考虑发动机反拖制动、CVT速比及夹紧力控制、电池快速充电特性与电机高效发电特性对再生制动性能的影响,制订了相应的再生制动控制策略。根据前向建模思想,利用数值建模与理论建模的方法,建立了CVT混合动力汽车再生制动系统综合模型,进行了EUDC等四种典型循环工况下的再生制动性能仿真,在保证安全制动的条件下,实现了较高比率的制动能量回收,仿真结果证明了所提出的再生制动控制策略和系统模型的正确性与适用性。     

汽车电泳涂装输送用新型混联机构的动力学控制

由于汽车电泳涂装输送用新型混联机构存在高度非线性和耦合性,因此难以实现高性能控制。为此,首先采用拉格朗日法推导该机构的动力学模型。然后,在任务空间设计一种PD滑模神经网络动力学控制器并进行稳定性证明。最后,对该控制器进行了仿真,并将所得结果与PD滑模控制器仿真结果进行比较。比较结果表明：该动力学控制器通过神经网络前馈控制的作用有效解决了PD滑模控制器存在的剧烈抖振问题,使得汽车电泳涂装输送控制系统呈现良好的控制性能。     

混合动力电动汽车转矩管理控制策略设计

混合动力汽车的出现在一定程度上缓解了能源危机和环境问题。控制策略作为混合动力汽车的核心技术,对动力性和燃油经济性的实现起到至关重要的作用。主要研究模糊逻辑控制策略的制定及基于 Advisor 的仿真。提出了将总需求转矩和电池荷电状态划分为更多模糊子集以得到更细的模糊规则的方法。通过比较仿真结果验证了细分的模糊逻辑控制策略对提高动力性和燃油经济性的积极作用。     

工程车辆智能自动变速控制系统仿真研究

智能换挡是车辆自动变速技术的发展方向.为此以最佳动力性作为控制目标,研究了工程车辆的动力换挡变速器如何实现智能化控制的问题.以装备有4D180型液力机械式变速器的 ZL50装载机为对象,建立了工程车辆动力传动系统仿真模型,在此基础上,应用混沌神经网络(CNN)设计了工程车辆自动换挡智能控制系统,并利用 Matlab 软件进行了仿真,仿真结果表明:所提出的智能换挡控制系统的结构和算法是可行的,可以实现工程车辆的自动换挡.