首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   5篇
综合类   7篇
  2023年   1篇
  2022年   1篇
  2020年   1篇
  2019年   1篇
  2018年   2篇
  2015年   1篇
排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
为提高电动轮驱动车辆对不同路面的适应能力,基于模型预测控制提出一种将驱动电机的饱和输出力矩作为控制输入约束、将质心侧偏角作为输出约束的汽车横摆控制方法。建立2自由度的车辆状态空间模型作为预测模型,在线计算出跟踪理想横摆角速度所需的附加横摆力矩,通过调节相应驱动轮的驱动力来完成高效、简易的直接横摆力矩分配。将本文算法应用于四轮驱动的8自由度整车模型进行控制仿真,结果表明,该方法能够保证车辆在良好路面及湿滑路面上紧急转向和换道的操作稳定性,并能改善车辆循迹能力。  相似文献   
2.
通过分析增程器轴系在不对中故障时的运动状态与受力情况,建立增程器轴系的动力学模型,并利用多体动力学软件对增程器轴系平行不对中、偏角不对中、综合不对中三种类型的故障进行仿真,分析不同类型不对中故障产生的动力学响应特性。结果表明,系统振动频谱中1谐次和2谐次的幅值可作为增程器轴系不对中故障诊断特征参数,平行不对中导致2谐次的幅值大幅增长,偏角不对中使1谐次幅值变化明显;增程器轴系左右两侧在2谐次下的振动相位差可进一步对不对中故障类型进行辨识,其中平行不对中故障时轴系两侧振动相位差接近0°,偏角不对中故障时轴系两侧振动相位差接近180°,综合不对中故障时轴系两侧振动相位差远大于180°。  相似文献   
3.
在有路面污染、标识干扰等复杂高速道路环境下,车道偏离预警系统的鲁棒性和实时性会变差。为此提出一种利用两种算法融合分割和LASSO回归模型进行车道线检测和偏离预警的新方法。首先,分别采用TopHat算法和OTSU算法分割出车道线背景并进行"与"运算融合,据此准确提取出车道信息;其次,分两步检测车道线,第一步基于概率Hough变换进行直线检测,将检测出的车道线位置设为动态ROI区域并进行卡尔曼滤波跟踪处理,第二步是基于LASSO多项式回归模型对车道线再次进行参数估计和拟合,以改善使用最小二乘法时的过拟合问题;最后,根据设置的虚拟车道线和角度模型进行车道偏离预警决策。实验结果表明,所提出的方法在复杂道路环境下的平均正检率为96.07%,检测速率可达到32 ms/帧,即具有良好的鲁棒性和实时性。  相似文献   
4.
运用数值积分法,在建立发电机转子系统弯扭耦合振动模型基础上,考虑定子绕组匝间短路故障时发电机转子弯曲及扭转电磁刚度的影响,对不同程度匝间短路故障下转子的弯曲及扭转振动特性进行分析。结果表明,发电机定子匝间短路故障不仅会使转子弯曲和扭转振动加强,还会增加转子弯振和扭振中的倍频及高倍频成分;随短路程度加大,弯振的1、3、5等奇数次倍频振动量与扭振的2、4等偶数次倍频振动量逐渐增加,且弯振中1倍频振动量最大,扭振中2倍频振动量变化最为显著。  相似文献   
5.
为了解决柴油机故障预测中大样本、非线性以及高维数据的数据预测问题,避免以向量输入带来的结构信息丢失和数据相关性被破坏等现象,结合支持向量机(SVM)的学习框架和交替投影的思想,研究基于在线支持张量机(OSTM)的柴油机故障预测算法和流程,并以测试精度、学习时间和均方根误差作为评价指标,利用远程监测系统采集的数据,分别应用在线支持向量机(OSVM)和OSTM进行故障预测和分析。结果表明,与OSVM方法相比,OSTM方法测试精度较高,学习时间大幅缩短,预测模型的收敛速度较快,能有效在线预测柴油机故障。  相似文献   
6.
针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16%,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.  相似文献   
7.
针对SSD目标检测算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,本文提出一种改进的SSD目标检测算法。本算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感受野,以获取更多小目标的特征信息;然后在主干网络后加入4次U型特征提取结构,构建4个不同层级的特征金字塔,最后合并成一个多层级特征金字塔用于检测。结果表明,该改进SSD模型在KITTI数据集上的检测精度较原始SSD模型提升了6%,检测速度达到了每秒27.9帧。在兼顾检测效率的同时,有效提高了对道路上小目标的检测精度,更适用于自动驾驶领域。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号