摘要：为了提高汽车的操纵稳定性和行驶稳定性,分别对主动转向及直接横摆力矩控制进行了研究。根据汽车线性二自由度模型获得汽车稳态工况下的期望横摆角速度和期望质心侧偏角,设计了上层控制器和下层控制器,其中上层控制器为主动转向与直接横摆力矩功能分配的协调控制,下层控制器采用单神经元自适应PID算法设计了主动转向控制器和直接横摆力矩控制器。基于汽车行驶稳定性指标设计了调度参数,以实现主动转向和直接横摆力矩的协调控制。分别选取高附着系数路面和低附着系数路面进行了正弦输入试验和阶跃输入试验,结果表明所设计的控制系统能够很好地提高线控转向汽车的操纵稳定性和行驶稳定性。

摘要：在智能监控领域,实现人群计数具有重要价值,针对人群尺度不一、人群密度分布不均及遮挡等问题,提出一种多尺度多任务卷积神经网络(MMCNN)进行人群计数的方法。首先提出一种新颖的自适应人形核生成密度图描述人群信息,消除人群遮挡影响;其次通过构建多尺度卷积神经网络解决人群尺度不一问题,以多任务学习机制同时估计密度图及人群密度等级,解决人群分布不均问题;最后设计一种加权损失函数,提高人群计数准确率。在UCF_CC_50和World Expo'10数据库上进行了评估,验证了自适应人形核的有效性。实验结果表明:所提算法比Sindagi等的方法 (SINDAGI V A,PATEL V M. CNN-based cascaded multi-task learning of high-level prior and density estimation for crowd counting. Proceedings of the 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance. Piscataway,NJ:IEEE,2017:1-6)在UCF_CC_50数据库上平均绝对误差(MAE)数值和均方误差(MSE)数值分别降低约1. 7和45;与Zhang等的方法(ZHANG Y,ZHOU D,CHEN S,et al. Single-image crowd counting via multi-column convolutional neural network. Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. Washington,DC:IEEE Computer Society,2016:589-597)相比,在World Expo'10数据库上所提算法的MAE值降低约1. 5,且在真实公共汽车数据库上仅0～3人的计数误差,表明其实用性较强。

摘要：针对重型商用车采用固定助力特性的液压转向系统(Hydraulic Power Steering,HPS)存在操纵稳定性差的缺点,提出了一种旁通流量控制式电控液压转向系统(Electrical Controlled Hydraulic Power Steering,ECHPS)。建立了该转向系统核心部件电液比例阀数学模型,设计了ECHPS系统的助力控制策略和助力特性曲线,为了消除被控系统受到参数不确定性和外界干扰的影响,采用神经网络与自适应动态面技术相结合的算法设计了一种新型控制器。通过理论与仿真分析证明了所设计的自适应神经网络动态面控制器不仅响应快、跟踪效果好、控制精度高,而且能够实现汽车低速时的转向轻便性和高速时的良好路感要求。

摘要：为了获得商用车理想的可变助力特性,将执行元件比例阀更好地匹配到ECHPS系统中,有必要研究比例阀结构设计参数对ECHPS可变助力特性的影响规律.在建立了转阀阀口通流面积与转阀主要结构设计参数之间的数学模型的基础上,分析了有、无前置稳压阀式电液比例阀进出口压差变化以及带前置稳压阀的3种比例阀阀口形状对系统可变助力特性的影响.仿真结果表明:出于驾驶安全考虑,采用带前置稳压阀的比例阀较理想.具有梯形和L形阀口的比例阀,在不同车速下驾驶员手力变化明显;高速时,所需驾驶员手力较大,路感较好,比较符合商用车理想助力特性曲线的需求.