摘要：为实现车辆在非匀速行驶时的悬架相对速度和簧上绝对速度估计,同时减小车载传感器的数量,构造了不考虑车轮动力学、以车轮垂直速度为输入的车辆悬架系统简化模型,设计了一种基于速度自适应轴距预瞄的结合卡尔曼滤波算法估计整车悬架相对速度和簧上绝对速度的方法。仿真结果表明,在车辆非匀速行驶通过低频正弦路面、减速带、凹坑以及典型随机路面时,所提出的方法可以准确估计车辆的悬架相对速度和簧上绝对速度,且速度自适应轴距预瞄的引入减少了传感器的使用数量。

摘要：非线性模型预测控制(nonlinear model predictive control,NMPC)是一种有效的自动驾驶运动规划方法,但数值优化对计算资源的巨大需求限制其实际应用。本文通过降低优化变量维度,简化非凸避障约束,提高NMPC运动规划系统数值优化的求解速度。针对车辆动力学的强非线性,采用拉格朗日插值逼近动力学方程和目标函数,在保证精度的前提下有效较少离散点。并在数值分析离散化误差分布特征基础上,设计拉格朗日多项式阶次自适应策略,进一步减少了优化变量维度。通过提出综合椭圆和线性时变约束的混合避障约束策略,在保证安全性的同时实现了数值优化难度与优化结果保守性之间的良好平衡。在多障碍物场景下,通过仿真和实验验证了所提方法的加速效果和性能。结果表明,与传统方法相比离散化精度和求解效率分别提高了74%和60%。

摘要：针对U-Net存在的小目标分割精度低、计算复杂度高、收敛慢的问题,构建基于空洞卷积和重构采样单元的U-Net网络(DSU-Net).在DSU-Net中,为增大图像特征提取的感受野并融合多尺度信息,设计具有不同膨胀率的空洞卷积层;针对池化过程丢失大量语义信息的缺点,构建将池化与卷积相结合的采样单元,并运用深度可分离卷积进行特征提取,从而增强神经网络的特征提取能力并降低计算成本.两个公开医学图像数据集的实验结果表明,在IoU、Dice Coeff和F1 Score三个评价指标上, DSU-Net较U-Net、ResU-Net、R2U-Net和U-Net++有着更好的分割性能.最后,将DSU-Net应用于齿轮点蚀的视觉测量,结果表明所提出方法能够更加精确地计算出齿轮点蚀面积率,从而解决了齿轮接触疲劳试验中高效准确检测齿轮失效的难题.

摘要：准确评估驾驶人认知负荷水平,对于深入研究驾驶人行为特性,改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法,大多基于心电、脑电等生理信息和车辆信息,由于特征选择上的单一性,导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验,通过采集受试者的生理信号和车辆信号,结合NASATLX主观评分和机器学习算法,提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明:基于生理信息和车辆信息的多维信息特征认知负荷分类方法,其精度显著高于传统的基于生理信息的认知负荷分类方法,以多维信息特征为输入,随机森林法以其稳定性好、抗过拟合能力强的特点,表现出优异的分类效果,相比神经网络和支持向量机,具有最高的平均分类精度。

摘要：针对无人驾驶车辆在极限工况下的运动规划问题,提出一种适应极限工况的无人驾驶车辆运动规划策略。首先,建立了准确描述车辆运动的动力学模型,并采用修正的非线性轮胎模型反映轮胎与不同路面之间的动力学特性;其次,提出一种基于安全制动距离的自适应势场模型,以适应极限工况下外界条件与车辆参数的变化;再次,考虑到车辆在极限工况下易发生横向失稳,设计出横向稳定性指标(Lateral stability index,LSI)作为关键优化参数,并展开车辆横向稳定性分析;然后,基于模型预测控制方法(Model predictive control,MPC),将极限工况下的运动规划问题转化为多目标优化问题;最后,构建出PreScan-Simulink-CarSim联合仿真平台,并在冰雪路面等多种极限工况下对所提出的运动规划策略进行了验证。仿真结果表明,该策略有效提升了无人驾驶车辆在极限工况下的安全性与稳定性。

摘要：针对传统油液磨粒监测传感器无法同时满足高灵敏度和高流通量的要求,设计了一种双激励大口径扁平流道感应式磨粒传感器.采用双激励结构可产生较强的对称梯度磁场,并在强磁场区域内布置大口径扁平状检测管道,有效提高传感器的通流能力与灵敏度.建立传感器数学模型,分析单激励结构和双激励结构的磁场分布,对比了单激励圆管、单激励扁管、双激励圆管和双激励扁管四种结构的磁场,研究了管道宽度和高度对管道中心磁场的影响,分析了激励电流、磨粒运动速度以及磨粒在管道的空间位置对磨粒信号的影响.油液磨粒检测试验表明,传感器可以在等效内径为28 mm的扁平管道内检测到25μm铁磁性磨粒,较好地满足了大流通量和高灵敏度的要求.

摘要：本文提出了一种考虑预测风险的自动驾驶车辆运动规划方法,该方法基于模型预测控制算法,同时融合了周围车辆未来轨迹的交互预测及其风险。首先,将车与车之间的交互建模成图结构,建立感知交互的运动预测模型;其次,训练多个同构异参的预测模型,利用集成技术来获得预测网络对于预测结果的不确定性风险;然后,基于获得的预测算法不确定性风险,利用模型预测控制算法来处理风险,通过在优化问题约束中综合考虑安全约束、车辆物理属性约束等,设计了考虑预测不确定性风险的自动驾驶运动规划方法;最后,基于真实驾驶数据集数据和SUMO仿真平台,对建立的预测模型的运动预测能力、基于模型预测控制的运动规划方法的有效性以及运动规划处理预测风险的能力进行了验证。仿真结果表明,在面对周围车辆的紧急加减速等预测风险较高的场景时,本文提出的运动规划方法能够感知到预测算法的不确定性风险并采取动作来规避风险,可提升道路驾驶安全性。

摘要：为抑制薄板辐射低频噪声,以局部覆盖宏纤维复合材料压电片的对边固支矩形薄板为对象,围绕其辐射声的主动控制展开研究。首先,采用有限元法建立薄板的动力学模型,并通过模态试验验证,在此基础上通过单元辐射体法建立薄板的声辐射模型;其次,结合结构辐射模态和空间可控性构建了结构-声可控性指标,并采用离散萤火虫算法对作动器位置进行了优化;然后采用空间梯度加权求和控制策略,引入基于结构响应传递率的虚拟传感器,实现单误差传感的结构声主动控制,并采用归一化动量Fx LMS算法完成了控制器的设计;最后进行了数值仿真和快速控制原型试验的研究。结果表明:引入虚拟传感器后减少了误差传感器使用数量,且主动控制控制效果无明显衰减;以结构-声可控性指标为目标优化作动器位置取得更好的效果;多种激励下薄板辐射声主动控制实际效果显著。

摘要：全通道有效磁流变减振器(magnetorheological damper,MRD)阻尼通道中磁流变液的剪切屈服应力会随位置的变化而变化,在MRD结构设计阶段,常采用准静态模型来表示MRD结构尺寸与阻尼力的关系,并预测减振器的输出阻尼力。传统准静态模型通常假设磁流变液在阻尼通道内的剪切屈服应力处处相等,模型精度低且不符合全通道有效MRD磁路特点。基于上述问题,提出了一种新型自适应分段准静态建模方法,考虑了磁流变液剪切屈服应力随阻尼通道位置的变化关系,对阻尼通道的磁场强度先采用整体低阶拟合,根据设置的误差阈值对低阶拟合结果进行0/1状态划分,再完成分段拟合。以两款不同结构的全通道有效MRD为研究对象,通过电磁有限元仿真分析了全通道有效MRD的磁路特点并建立新型准静态模型,最后通过阻尼特性测试试验,验证了该新型准静态模型的合理性与精度。

摘要：针对振动能量收集电路整流二极管损耗大、非线性电路控制复杂以及优化负载不高的问题,提出了大负载高功率振动能量收集同步整流与电荷提取方法。通过同步电感翻转电压提高整流电压,采用短时能量提取缩短整流器件导通时间,减小能量损耗,实现高功率能量收集。基于压电等效模型设计了自供电同步整流与电荷提取电路(self-powered synchronous rectification and electric charge extraction,简称SP-SREE),对一个振动周期电路各工作阶段进行分析,推导出SP-SREE电路理论收集功率,并对电路进行功能测试和负载功率特性测试。理论分析与实验对比表明,所提出的方法在大负载下具有更高的收集功率,可为机械振动无线传感器网络等能源受限场景下自供电提供重要参考。