摘要：针对插电式混合动力电动汽车存在的电能未被充分利用的问题,本文开发了基于等效燃油消耗最小策略算法的瞬时优化能量管理策略,建立了以等效燃油消耗率为目标的数学优化模型,并基于庞特里亚金极小值原理,建立PHEV的哈密尔顿函数,以动力电池荷电状态为状态变量,发动机或电机转矩为控制变量,利用ECMS算法求解最优控制序列,设计了SOC的轨迹参考跟随策略,并基于dSPACE设备完成了硬件在环仿真实验。实验结果表明,离线仿真与半实物仿真的电池SOC误差较小,最大误差为1.06%,最终电池荷电状态与未加入轨迹参考策略相比,由0.58降至0.42,验证了整车能量管理策略的有效性,电池电能可被合理充分使用,缓解了使用燃油的压力。该研究提升了插电式混合动力汽车的燃油经济性。

摘要：针对目前智能家电发展尚未成熟导致的通信方式不统一的问题,并为探究基于Wi-Fi通信方式的智能家电交互式智能控制系统的可行性,本文以智能空调为例,设计基于Wi-Fi技术与TCP协议开发了交互式智能空调监控系统。使用搭载Wi-Fi芯片ESP8266的STM32单片机模拟智能空调,PC端的串口应用程序用来模拟空调操作面板,使用监控客户端应用程序连接智能空调的Wi-Fi热点并相互收发报文来完成交互操作。经过对各模块的基本功能测试、多客户端测试以及稳定性测试,研究结果表明,系统在与单个或多个客户端保持连接时都可以实现预期设计的全部功能,并且在网络通畅时,具有极低的丢包率以及较低的网络延时。说明Wi-Fi技术应用到智能家电系统可以提高系统兼容性、稳定性及操作简便性,具有一定的应用价值。

摘要：为解决YOLO算法由于其端到端的网络结构导致某些尺度上的特征被淡化或丢失使识别率较低的问题,本文以葡萄为例,对可训练变换器和RdNet在果实识别网络中的应用进行研究。提出基于可训练变换器和多尺度特征图融合的改进YOLO算法,以自主设计的基于堆叠残差块和降采样块的RdNet作为特征提取网络,采用converter变换器结构进行不同尺度的特征变换融合,从采集并筛选的葡萄果园照片中,随机选取120张作为测试集,将其余照片进行数据增强,得到480张图片作为训练集,并分别对提出的模型、YOLOv3和快速区域提出卷积神经网络(faster region-convolutional neural networks,Faster R-CNN)三种算法进行训练,使用其在测试集上的F 1值与AP值评估各模型的性能差异。实验结果表明,模型在测试集上的F 1值可达92.58%,AP值可达92.33%,而在Nvidia Jetson TX2平台上,检测速度达到19 f/s,单张640×480图片的推理时间为52.6 ms,达到了较理想的识别准确率,且能满足采摘机器人的实时性要求。该研究在果园等场景中可以得到更好的应用效果。