摘要：针对运动想象脑电信号(EEG)的非线性、非平稳特点,该文提出一种结合条件经验模式分解(CEMD)和串并行卷积神经网络(SPCNN)的脑电信号识别方法。在CEMD过程中,采用各阶固有模式分量(IMF)与原始信号的相关性系数作为第1个IMF筛选条件,在此基础上,提出各阶IMF之间的相对能量占有率作为第2个IMF筛选条件。此外,为了考虑脑电信号各个通道之间的特征和突出每个通道内的特征,该文提出SPCNN网络模型对进行CEMD过程后的脑电信号进行分类。实验结果表明,在自行采集的脑电数据集上平均识别率达到94.58%。在公开数据集BCI competition Ⅳ 2b上平均识别率达到82.13%,比卷积神经网络提高了3.85%。最后,在自行设计的智能轮椅脑电控制平台上进行了轮椅前进、左转和右转在线控制实验,验证了该文算法对脑电信号识别的有效性。

摘要：宽带压缩频谱检测存在信号稀疏度未知和次用户检测开销过大的问题.因此,本文提出一种高效的协作宽带压缩频谱检测方案.首先,推导了一种基于学习的稀疏度自适应预测模型.其次,设计了一种宽带频谱筛选算法.最后,提出一种协作宽带压缩频谱检测方案.仿真结果表明,自适应预测模型的拟合效果优于现有预测模型,并且所提检测方案也有效地降低了次用户采样率和频谱重构时延.

摘要：为了解决轮毂电机电动汽车中轮毂电机导致的振动负效应问题,提出了将动态减振与主动悬架结合的悬架新构型方案.针对新构型中结构及控制参数复杂的特点,建立了能够表征平顺性、操稳性以及悬架作动效率的11自由度整车动力学模型.设计基于新构型的多目标粒子群线性二次最优(MOPSO–LQR)控制器.对模型进行仿真分析,仿真结果表明,新构型方案能够实现车辆平顺性、操稳性以及悬架效率的全局最优,对比传统轮毂电机悬架构型方案,在解决轮毂电机振动负效应问题上有良好的效果.

摘要：为增强红外与可见光图像融合可视性,克服红外与可见光图像融合结果中细节丢失、目标不显著和对比度低等问题,提出一种基于二尺度分解和显著性提取的红外与可见光图像融合方法。首先,以人类视觉感知理论为基础,针对人眼对图像不同区域敏感性不同特性,在跨模态融合任务中需要对源图像进行不同层次分解,避免高频分量和低频分量混合减少光晕效应,采用二尺度分解方法对源红外与可见光图像进行分解,分别获取各自的基本层和细节层,该分解方法能够很好的表达图像并具有很好的实时性;然后,针对基本层的融合提出一种基于视觉显著图(VSM)的加权平均融合规则,VSM方法能够很好提取源图像中的显著结构和目标。采用基于VSM的加权平均融合规则对基本层融合,能够有效避免直接使用加权平均策略而导致对比度损失,使融合图像可视性更好;针对细节层的融合,采用Kirsch算子对源图像分别提取得到显著图,然后通过VGG-19网络对显著图进行特征提取获取权值图,并与细节层进行融合,得到融合的细节层;Kirsch算子能在八个方向上快速提取图像边缘,显著图中将包含更多边缘信息和更少噪声,且VGG-19网络能够提取到图像更深层特征信息,获取的权值图中将包含更多有用信息;最后,将融合后的基本层和细节层图像进行叠加,获取最终融合结果。在实验部分,选取了四组典型的红外与可见光图像来进行测试,并与其他六种目前主流方法进行对比。结果表明,该方法在主观质量上具有高对比度、目标突出、细节信息丰富和图像边缘特征保持较好等优势。在信息熵、互信息、标准差、多尺度结构相似度测量和差异相关和等客观指标上也展现出比较好的结果。

摘要：针对双离合器自动变速器(dual clutch transmissions,DCT)在系统性态随服役时间发生变化或存在内外部干扰时换挡品质变差的问题,提出了一种基于数据驱动的无模型自适应控制方法。首先,开展了DCT实车实验采集换挡过程数据,经去噪后统计出换挡品质相对较好的离合器参考转速曲线;然后,通过设计伪偏导数估计方法建立DCT系统动态数据模型,基于无模型自适应控制方法设计了用于跟随离合器参考转速的换挡过程数据驱动控制器;最后,建立DCT系统换挡过程仿真模型,在不同油门下对所提控制方法进行验证。结果表明:当系统性态发生变化或存在内外部干扰时,所提方法保证了良好的换挡品质,具有较好的自适应能力和鲁棒性。

摘要：得益于优异的电-热性能,SiC器件在新能源变流器中得到了越来越多的应用。然而,相对于Si器件,SiC器件的开关速度更快、安全裕度更低、电磁干扰更大,制约了其安全可靠运行。基于栅极驱动电阻的动态切换,该文提出一种四阶段变电阻的SiC MOSFET器件开关轨迹调控方法,实现开关速度、损耗、过冲、振荡、串扰、延迟等多项性能的协同优化,建立驱动电阻对SiC器件开关轨迹定量调控的数学模型,发现开关性能量化指标与开关轨迹不同阶段之间的解耦规律,提出分阶段变电阻的驱动方法,实现开关轨迹中多个控制目标之间的协同优化,给出驱动电阻取值的通用设计方法,提出驱动电阻切换的交错时序逻辑,对比传统驱动方法,采用大量实验结果,验证了所提模型方法的有效性。

摘要：双面散热(double-sided cooling,DSC)功率模块的结-壳热阻,是其电热设计、状态监测与失效分析的关键性能指标。然而,现有的结-壳热阻模型及其测试标准,仅针对单通道传热的功率模块,难以匹配多通道传热的DSC功率模块,无法识别DSC功率模块的本构热阻信息。首先提出DSC功率模块的本构热阻模型,阐释DSC功率模块本构热阻的物理意义,分析重构单通道传热本构热阻的可行性和唯一性;其次,评估所提本构热阻与传统测试热阻的本质差异。基于商业化DSC功率模块,采用多物理场分析方法,构建DSC功率模块的热阻数据库;然后,基于神经网络学习方法和所构建的数据库,建立DSC功率模块的本构热阻模型,并通过大量训练数据和测试数据的交叉验证及多款DSC功率模块的实测结果,验证神经网络重构本构热阻的泛化能力和兼容能力,为多通道散热功率模块的热阻建模与表征,提供新的研究思路和技术途径。

摘要：为了克服独立筛选关键温度点再进行热误差建模破坏其内在联系从而降低热误差模型预测性能的问题,提出了一种统一框架下同时筛选关键温度点和热误差建模的方法。采用最小二乘支持向量机作为基本热误差模型,将温度点的选择状态和模型超参数作为优化变量,采用二进制鲸鱼优化算法进行寻优,并综合考虑最大化预测精度和最小化关键温度点个数设计损失函数。以一台卧式加工中心为例,进行热误差实验,利用所提方法在10折交叉验证模式下筛选出了最优关键温度点,将其个数从20减少到了3,并同时获得了模型最优超参数。最后,与传统独立方式进行了对比分析,结果表明利用所提建模方法热误差预测精度最高提高约62.8%,验证了其有效性和优越性,为后续热误差补偿实施提供了参考。

摘要：在车辆碰撞过程的数值模拟仿真中,硬化模型的类型及其表征精度对于分析结果的精度有着直接影响.为了更加科学地选取最优硬化模型并得到其精确参数,本文采用有限元模拟软件与优化软件相结合的有限元逆向优化方法,同时结合热成形22MnB5高强钢板在不同变形速率下的单向拉伸试验,对Swift、Voce以及Hockeet/Sherby三种硬化模型自动进行参数识别优化,得到了不同应变速率下的最优硬化模型及其相关参数;根据优化得到的硬化模型参数,建立起了不同应变速率下表征材料变形的仿真卡片,用于有限元软件标定22MnB5高强钢在各个应变速率下的应力-应变曲线以便应用于模拟仿真;结合数字图像相关(DIC)方法对试验数据与优化得到的模拟结果进行对标,发现22MnB5高强钢在硬化阶段的应力值逐渐趋向于某一定值,饱和类的硬化模型对其变形行为的表征精度更高.通过对单向拉伸试验过程的位移-载荷与局部应力-应变进行模拟和对标,发现Hockeet/Sherby硬化模型在各个应变速率下的表征精度均为最高.另外,设计了R5缺口、R20缺口、纯剪以及拉剪4种工况下的拉伸试验,并对所建立的材料卡片进行仿真验证,均得到很好的对标效果.结果表明,所建立的热成形22MnB5高强钢材料卡片适用性良好,采用有限元逆向优化方法确定硬化模型参数的方法精度高且方便可行.

摘要：为给沿海地区桥梁设计及后期维护提供依据,对沿海地区强风特性进行研究。以广东省某大跨径桥梁结构为背景,基于其风环境监测系统实时采集的台风“山竹”登陆过程中32h风速时程数据,对台风的平均风速、风向角、湍流强度、阵风因子以及峰值因子等风特性参数进行了分析。结果表明:台风风速具有显著的非平稳特性;与规范推荐值相比,风场横向与纵向湍流强度比值偏小,竖向与纵向湍流强度比值偏大;湍流强度、阵风因子和峰值因子随平均风速的变化趋势相近,在风速较小区域呈下降趋势,在风速较大区域相对平稳;纵向湍流强度和纵、横及竖向阵风因子随时距的增大而减小;峰值因子的概率密度分布曲线与高斯分布曲线较为吻合;阵风因子与湍流强度呈现较强的正相关性。