摘要：对家庭场景下电力负荷的精确监测常依赖复杂庞大的算法模型,难以在边缘设备中部署。同时,海量电力数据给电力网络通信带来了巨大的挑战。本文针对以上问题,提出了一种分布式非侵入式电力负荷监测方法。通过基于注意力机制的长短时记忆网络(LSTM)负荷监测算法计算并识别负荷设备运行状态,借助云边协同技术将负荷监测任务分布式部署于云端以及边缘端中,解决边缘算力不足的问题。针对云边通信带来的高网络带宽需求,通过基于K奇异值分解(K-SVD)双稀疏在线字典学习的压缩感知方法对负荷信号进行压缩和重构,有效缓解通信资源紧张。对比不同负荷场景下监测算法的表现,结果表明:本文负荷监测算法针对不同的负荷类型均可以保持95%以上的准确率。设计实验验证了本文压缩感知方法对电力负荷信号压缩的有效性,确定负荷数据无失真压缩感知最大压缩比。

摘要：本文针对智能车辆的行为决策问题,设计了基于混合整数规划的智能车横纵向一体化滚动优化决策方法.该方法首先将纵向车速表示为非整数,将期望车道表示为整数控制量,建立了混合整数智能车决策简化模型;然后,设计了横纵向一体化滚动优化决策方法,决策出纵向车速和换道动作,根据系统输出与非线性约束的时域关系证明了优化问题的递归可行性并通过遗传算法求解非线性混合整数规划优化问题.基于车辆动力学仿真软件veDYNA和Simulink进行了联合仿真,并在红旗E-HS3智能车上开展了实车试验,结果表明,本文提出的基于混合整数规划的智能车横纵向一体化决策方法能够实现超车、避障、跟车、停车和弯道工况下的行为决策.

摘要：为减小侧向运动对整车质量与道路坡度估计精度的影响,提出了一种考虑侧向运动的估计算法,利用加速度修正车辆动力学模型,采用遗忘因子提高新数据适应车辆系统时变特性的最小二乘算法估计整车质量,并将质量估计结果实时输入道路坡度估计中;建立车辆运动学和动力学两个坡度估计模型,并在模型中添加加速度修正项,设计强跟踪滤波算法分别针对2种模型进行道路坡度估计,时变交互多模型融合算法根据两个坡度估计模型的权重系数和模型间的转移概率得到道路坡道估计值。本文算法在中国第一汽车股份有限公司技术中心农安汽车试验场进行了实车试验和评估,与未考虑侧向的融合估计算法相比,提高了车辆横向运动时的道路坡度估计精度。

摘要：针对四轮轮毂驱动电动汽车在模型预测控制的框架下协同车辆的侧向、横摆运动与侧倾行为,提出一种集成车辆侧向稳定及防侧倾功能的控制策略。首先,为保证预测模型精度,采用非线性轮胎侧向力模型,对车辆未来侧向、横摆及侧倾状态进行预测;然后,基于模型预测控制方法设计控制器,将提高操纵性能、横向稳定性、抑制侧倾、平顺性和安全性等多个控制需求在控制器中集成考虑;最后,仿真实验结果表明:提出的控制器能有效改善车辆在高速急转向时的操纵稳定及侧向稳定性,并有效降低车辆侧倾风险。对于车辆质量增大及质心高度增加引起的高侧倾风险情况,即使控制器面对未知的车辆变化,亦可及时有效地调整车辆姿态防止车辆侧翻,保证行驶安全。

摘要：针对水下光通信提出了深度学习辅助的信号检测方法,设计并搭建了室内水下光通信实验平台,测试了所构建的三种水箱信道(水流、浑浊水流1、浑浊水流2)的数学模型,对所提方法进行了仿真测试,采集实验数据集对比研究了三种信道下所提方法与自适应阈值法的性能。针对不同水下信道、5 Mbps通信传输,三种信道下所提方法误比特率相比自适应阈值法最高分别降低了2个数量级、1个数量级、1个数量级。针对浑浊水流信道1、不同通信速率(5 Mbps、10 Mbps、25 Mbps)通信传输,三种速率下所提方法误比特率均降低了1个数量级。相比自适应阈值法,所提方法在复杂信道下水下无线光通信提高性能方面具有一定作用,可为高速可靠水下无线光通信系统设计提供一定参考。

摘要：提出了一种基于单目视觉的车辆屏显式封闭驾驶舱前视视野重现方法。该方法通过准确的离线标定及在多线程并行框架下在线执行单目图像采集、前视图像处理和透视图像显示,可在显示屏上再现低失真度、高流畅度的前视画面。搭建了一套屏显式车辆封闭驾驶舱硬件系统,通过实验室和场地测试,从系统延时、前视视角、图像畸变、车辆高速直行、转弯、避障及驾车体验等方面验证了所提方法的有效性和高效性。该方法可为车辆封闭驾驶舱的后续改进提供良好的理论和实践基础。

摘要：针对在冰雪环境下车辆横向稳定控制,为解决在低附着、分布不均的路面情况下车辆对参考轨迹的稳定跟踪问题,设计了基于神经网络调节的模糊PID(Proportional-Integral-Differential)制器,以及基于线性化车辆模型的模型预测控制(MPC:Model Predictive Controll)。以路面附着系数及车辆速度作为输入构建BP(Back-Propagation)神经网络,输出调节系数优化模糊PID控制器控制性能;设计了十自由度模型表征车辆在冰雪环境下的动力学特性,使用MPC实现车辆横向稳定控制。使用CarSim/Simulink进行联合仿真实验,结果表明该控制器能显著提高车辆轨迹跟踪性能。

摘要：为提高传统目标检测的识别效果和准确率,并加快运算速度,提出了一种具有更强大特征学习和特征表达能力的卷积神经网络(CNN:Convolutional Neural Network)模型和相关的深度学习训练算法,并将其应用于计算机视觉领域的大规模识别任务。首先详细分析了传统目标检测算法,如V-J(Viola-Jones)检测器、 HOG(Histogram of Oriented Gradients)特征结合SVM(Support Vector Machine)分类器和DPM(Deformable Parts Model)检测器的特点。然后提出了深度学习算法,如RCNN(Region-based Convolutional Neural Networks)算法和YOLO(You Only Look Once)算法,并分析了其在目标检测任务中的应用现状。针对倒地检测任务,使用YOLOv5(You Only Look Once version 5)模型对不同身高体型目标人群的行为进行训练。通过使用不同的交并比(IOU:Intersection over Union)、准确率(Precision,P)、召回率(Recall,R)和PR曲线等评估指标,对YOLOv5模型进行了分析,评估了其在检测站立和倒地两种活动方式的实际效果。同时通过预训练和增强处理,增加了训练样本数量并提高了网络的识别准确率。实验结果表明,倒地识别率达到了86%。可将其应用于灾区探测救援类机器人的设计中,以辅助识别和分类受伤倒地人员,提高灾区救援效率。

摘要：随着经济社会的不断发展,加之电子信息技术的快速普及应用,人们对居家智能化以及家用设施的智能化要求也不断提升,越来越多的人们开始将智能家居罗列为生活中不可或缺的一环。本文提出了一种基于蓝牙技术的自调节百叶窗系统,系统以STM32为主控芯片,应用多传感器共同获取环境信息实现自控制。本系统采用红外传感器作为开关,由紫外传感器采集信息,共同进行环境检测。本系统还选用蓝牙并设计了相应APP,负责用户与百叶窗系统的通信。本智能百叶窗系统通过检测室内环境变化自动调节百叶窗状态,同时用户可通过蓝牙发送相应指令要求,免去了用户手动操作的麻烦。本系统旨在提升百叶窗的人性化程度与操作的便捷舒适性,具备较好的应用价值和广阔的市场前景。

摘要：实验教学是应用型创新人才培养的关键环节,开放性创新实验的设计与应用是延伸拓展课内实验教学的有益探索。针对学生差异化发展和自主研究探索的需求问题,设计涵盖时分复用无源网络和波分复用无源光网络的个性化开放性创新实验主题,建立针对实体实验资源和虚拟仿真资源特点的多元化开放共享机制。探索在开放性创新实验中应用小规模限制性在线课程与面授课程结合的融合式教学模式,设计过程育人理念引导的阶段化项目实施路线,推进有通信工程专业特色的无源光网络实验教学课程内涵建设。