基于实车数据和BP-AdaBoost算法的电动汽车动力电池健康状态估计

动力电池健康状态(State of Health, SOH)估计是电动汽车领域关注的一个热点,目前的大部分方法都是基于实验室测试数据进行估计,忽略了实际车辆运行情况。本文使用国家大数据联盟平台采集的实际车辆运行数据进行电池SOH的估计。数据预处理方面,在清洗异常数据时,保留了实车数据中合理的强噪声数据,保证了数据的真实性。特征选择方面,选择容量增量曲线峰值和对应的电压以及基于安时积分得到的小片段充电容量数据。算法方面,针对真实数据的弱时序性问题,利用BP-Adaboost算法进行电池SOH估计的研究。最后,利用同一类型三辆车的数据进行了模型训练、测试和验证,预测结果与LSTM-RNN算法对比,BP-Adaboost算法估计误差更小,平均绝对误差MAE达到0.96%,因此,本文提出的方法可以应用于实车电池SOH的高精度估计。     

基于八叉树的体绘制早期射线终止算法

早期射线终止是实时体绘制重要的加速算法之一。针对现有的算法中体数据逼近困难,需要大量的预运算时间等缺点,提出一种改进算法,基于八叉树的体数据表达,按视线方向从前向后的次序遍历八叉树,获得射线终止信息,再以深度缓冲剔取实现早期射线终止。算法对体数据逼近精确,无需预运算,加速绘制效果明显,且无损最终图像质量。     

地质雷达在隧道检测中的应用分析

在隧道的施工过程中,常通过地质雷达法对施工阶段的隧道进行检测,以保证隧道的施工质量。本文系统的介绍了地质雷达法的检测原理,并结合工程实例,对隧道检测过程中出现的影响检测结果的因由进行了分析。     

智能轮胎——轮胎智能制造的机遇与挑战

 智能轮胎是信息技术和轮胎技术深度融合的产物,为轮胎智能制造的信息化、智能化和网络化创造了极好的发展机遇。智能轮胎的状态监测方法为轮胎生产、仓储、运输、销售和维修服务全生命周期的信息化管理提供了便利;其建模与控制技术方便了轮胎数字化设计与虚拟仿真的实现,为轮胎制造过程的智能化提供了便利;轮胎状态自动调节系统收集轮胎在不同路面状况、不同轮胎压力和不同速度下的信息,方便进行轮胎性能的分析,为轮胎制造过程的网络化提供了便利。但智能轮胎相关的轮胎材料和制造技术、传感器和芯片技术、实验测试技术以及智能化应用方面还存在一定的局限性,对智能轮胎技术在轮胎智能制造过程的实施提出了挑战。     

《现代控制理论》课程教学改革的探讨

分析了《现代控制理论》课程存在的问题,进行了课程教学内容、教学方法、实践方式和考核方式改革的探讨。在教学内容方面,提出优化课程内容安排、突出重点、形成体系的改革思路,并给出了优化设计的课程内容。在教学方法方面,提出多媒体教学与传统板书教学相结合、启发学生思路,引导学生开展讨论、加强师生交流,注重习题辅导的改革思路。在实践方式方面,提出实验和科研锻炼两种实践方式相结合,培养学生创新实践能力的改革思路。在考核方式方面,综合考虑作业、平时表现、实验、科研实践和期终考试的情况,提出3 3 4的考核方式。通过这些改革,可以提高学生学习的积极性和主动性,培养学生分析、解决问题的能力和创新实践能力。     

电动汽车再生制动过程制动踏板位移与制动意图及制动强度之间的关系研究

电动汽车可以通过再生制动提高动力电池的能量利用效率并延长续航里程;而电动汽车的再生制动效率依赖于其制动力的分配策略。在不同制动强度下,电动汽车再生制动过程制动力的分配比例应该不同,需要根据驾驶员踩踏制动踏板的位移进行制动意图和制动强度的识别。基于制动踏板位移对应的电压和电压变化率,设计了个模糊逻辑控制器,分别进行驾驶员制动意图和制动强度的识别。将驾驶员的制动意图分为缓慢制动、中等制动和紧急制动三种状态;并对三种状态下的制动强度变化进行准确的识别。搭建了由制动踏板、dSPACE半实物仿真平台和Control Desk调试界面组成的测试系统。对设计的模糊逻辑控制器进行了实验测试。测试结果显示,制动踏板位移对应的电压和电压变化率可以反映驾驶员的制动意图和制动强度,通过设计的模糊逻辑控制器可以识别出驾驶员的制动意图和对应的制动强度变化。因此,本系统可以用于电动汽车再生制动过程中进行制动强度的识别和基于制动强度的制动力分配,提高电动汽车的能量利用效率。     

《传感器原理及应用》课程教学改革的探讨

分析了《传感器原理及应用》理论课程和实验课程设计的特点,提出了理论教学中问题启发、实验实物演示和实践经历讲解等改善教学效果的改革方案,在实验教学方面,提出了实验完全开放的改革方案,实验题目在理论课之前提供给学生,学生独立设计实验方案,完成实验操作,从而使学生从被动的学转变的主动的学,真正能够在有限的学时内获得最实用的知识,增强自己的实践能力,另外,文中也给出了设计的实验题目.     

基于神经网络永磁直线同步电动机提升系统动态模型建立与仿真

永磁直线同步电动机（PMLSM）提升系统，在结构上，控制机理上均与传统的提升模式不同。电机存在着铁心开断、三相绕组分布不对称以及运行过程中参数变化较大等因素。采用理想的解析模型难以准确地反映该系统的运动特性。本文运用BP神经网络，建立了该系统的动态模型。侧重介绍了网络的学习算法，模型的构建、训练样本的获取、训练系数的选取等方法。仿真和实验结果表明，该模型比用解析法建立的数学模型更能逼真地反映出PMLSM提升系统的基本运动特性。对该系统的运行特性分析及控制策略的研究都具有实际的应用价值。