基于富士通MB9BF506R的车辆油耗采集系统

该文研究基于富士通MB9BF506R的车辆油耗采集系统,这是一种实时的油耗监控仪器,它能够在不改变汽车构造、不更换任何配件且不影响车辆任何操作和功能的基础上,全程实时监控车辆燃油消耗,确定实际加油量和非正常消耗的时间与数量,有利于管理人员对油料消耗的有效管理.油耗信息采集部分使用油耗传感器进行采集,通过焊接在MB9BF506R开发板上一个外设引脚的连线进行传输,油耗统计部分以外设引脚上的外部中断方式对油耗脉冲进行计数,并在LCD上显示,油耗报警部分则通过对采集的脉冲进行分析实现.     

基于典型山地城市轻型车比功率综合油耗模型研究

汽车在实际道路行驶时,影响其燃油消耗的因素较多且烦琐;目前的油耗模型不能全面反映油耗随工况的变化规律。由于汽车在坡道路面行驶的坡度阻力对油耗影响显著,采用回归分析法构建了上坡和下坡工况速度、加速度和坡度同时变化的比功率综合油耗模型;并通过典型路段验证模型。结果表明,在这两种工况中,理论油耗与实际油耗的相对误差较低,构建的理论回归方程可以反映典型路段比功率对油耗变化规律;且具有较高的油耗预测精度,为车辆油耗评估提供了一定的理论依据。     

基于典型山地城市的轻型车比功率综合油耗模型

汽车在实际道路行驶时,影响其燃油消耗的因素较多且烦琐;目前的油耗模型不能全面反映油耗随工况的变化规律。由于汽车在坡道路面行驶的坡度阻力对油耗影响显著,采用回归分析法构建了上坡和下坡工况速度、加速度和坡度同时变化的比功率综合油耗模型;并通过典型路段验证模型。结果表明,在这两种工况中,理论油耗与实际油耗的相对误差较低,构建的理论回归方程可以反映典型路段比功率对油耗变化规律;且具有较高的油耗预测精度,为车辆油耗评估提供了一定的理论依据。     

基于自动编码器和长短时记忆网络的智能汽车故障诊断方法研究

智能汽车故障诊断技术对于保障智能汽车安全行驶具有重要意义,本文针对智能汽车传感器数据异常检测和车辆运动的异常检测提出了一系列故障诊断方法. 针对非时序传感器数据,采用基于超限学习框架的自动编码器,对正常数据进行特征压缩学习其特征表示,再利用压缩的特征重构数据,根据重构误差的大小判断数据是否异常. 针对时序传感器数据,采用多层长短时记忆网络学习时序数据之间的时间依赖关系来预测当下时刻的数据值,根据预测误差的大小判断数据是否异常. 提出一种阈值随误差大小动态变化的自适应阈值确定方法,使得决策变量对于异常值相对敏感. 进一步地,采用车辆自行车运动学模型和Kalman滤波,利用Jarque-Bera测试对预测值和量测值残差的正态性进行检验来检测车辆运动是否异常. 实际场地测试验证了本文所提出的方法可以有效检测非时序或时序传感器数据的异常,并对车辆运动是否异常进行检测.     

基于主元分析法的虚拟机异常监控研究

面临云平台中虚拟机使用异常的监控系统缺乏问题,以现有的IaaS开源云平台Eucalyptus和基于Linux内核的Xen虚拟机为基础,研究基于主元分析法(primary component analysis,PCA)的虚拟机异常监控方法,并在此基础上设计在云环境中基于Xen虚拟机异常使用的监控系统.该系统可以对采集到的数据进行分析,判断虚拟机是否出现使用异常并定位异常.实验结果表明,采用基于主元分析法的虚拟机异常监控系统对云环境中的虚拟机产生的异常检测准确度较高,在定位异常方面也有较好的准确度.该研究成果为云环境下虚拟机异常监控提供了有效的理论研究依据和应用实践价值.     

基于云平台的汽车远程监控系统设计

为了实时监控汽车运行状态和位置,实现汽车历史数据和轨迹的查询,摆脱地域限制,设计了一套基于云平台的汽车远程监控系统.该系统包括车载终端和云端服务平台两部分.车载终端采集车辆状态数据和GPS经纬度,通过4G网络上传云端;云端服务平台包括可视化监控中心、数据库和Web服务器.系统管理员通过云端监控中心对车辆进行实时远程监控和数据查询,普通用户通过Web浏览器对车辆进行监控,形成两级监管模式.长时间运行结果表明:该系统运行稳定可靠,能够实现异地远程监控,监控数据丰富,数据刷新频率约为0.62 Hz,具有较好的实时性,能够查询车辆的历史数据和历史轨迹.     

基于数据包络分析法的快递废弃包装循环再利用效率评估

传统评估方法无法有效排除人为因素的影响,得到的评估结果主观性强,或者需要很多训练数据,很可能导致评估结果不稳健。为此,提出一种新的基于数据包络分析法的快递废弃包装循环再利用效率评估方法。通过数据包络分析法把快递废弃包装循环再利用方案看作实体单元,在某种状态下,投入一定的生产要素,同时产出一定的产品。可将所有快递废弃包装循环再利用方案看作决策单元DMU,将经济性、技术性与配置性能为DMU输出指标,将快递包装日生产量、快递废弃包装再加工费用、人工成本、车辆投入成本作为DMU输入指标。在物元研究时引入模糊数学,采用模糊物元分析法进行输出指标评价。将C2R模型作为数据包络分析法采用的模型,令快递废弃包装循环再利用效率取最大值,对数据包络分析法研究的快递废弃包装循环再利用效率进行判断。实验结果表明,所提方法评估结果准确且稳健,验证了所提方法的可靠性。     

基于跟踪轨迹的车辆异常行为检测

为提高ITS(Intelligent Traffic System)交通事件管理的智能性, 提出基于跟踪轨迹的车辆异常行为检测,分为目标检测跟踪、轨迹分析处理和车辆行为分析3 个步骤。首先利用三帧差法对目标进行初始定位, 采用基于Kalman 预测器的改进跟踪算法对车辆进行跟踪; 然后提出采用最小二乘法自适应分段直线拟合算法对目标跟踪获得的运动轨迹进行快速拟合; 最后结合运动方向变化率和速度变化率两个参数建立车辆异常行为检测模型。实验结果表明, 在道路监控视频中, 该算法能快速准确检测急刹车、急转弯和急转弯刹车等车辆异常行为。     

极端环境下汽车运行工况的风洞试验对标分析

为比较环境风洞模拟极端环境下汽车运行工况的准确性,设计了实际路试与环境风洞的对标试验,采集了典型高温山区路段汽车的运行数据。通过运动学片段分割以及短行程分析法构造出车辆的行驶工况图。以运动学片段聚类结果所代表的汽车三种运行状态为基础,利用标准化均方误差方法和特征参数值的计算结果对两次试验中汽车行驶工况的关联性与差异性进行具体分析。结果表明：对标试验结果的关联性极强,其细微差异主要体现在第一类运动学片段上,并且频繁的加减速是汽车三种运行状态中对热管理系统升温影响最大的。可见,环境风洞的模拟结果基本上是准确有效的。     

FTA方法在汽车油耗分析中的应用

通过FTA方法,根据一些汽车油耗的数据对汽车油控进行分析计算,得出对汽车油耗的影响最大因子或因子组合,从而对其进行设计、改进、故障诊断及故障维修等.对影响国内某汽车中的轻型汽车油耗参数的燃料消耗量和比功率两个因子进行定性和定量分析,得出汽车的比功率对汽车的油耗参数影响程度较大的结论.     

基于快速峰值聚类的高速公路异常事件识别方法

为准确全面感知高速公路交通运行状况,根据高速公路海量收费数据,提出一种高速公路通行异常事件识别的数据挖掘方法。首先,选取贵州省2017年1月的高速公路收费数据,筛选指定的进站、出站数据并去除多余字段,利用车辆进入和驶出收费站时间计算其在该路段的通行时长。然后,使用快速峰值聚类算法对通行时长和车辆总重进行聚类分析,计算数据间欧式距离,将此距离矩阵作为算法输入,计算各数据点的局部密度ρ及与密度更高点的距离δ两项指标;这两项指标均以较高的点为聚类中心,进而对非中心点进行分类及优化,输出聚类结果;聚类结果中除被分为若干类的正常数据外,还存在一些数据点明显异于大部分正常数据的噪声点,即异常数据,对这些异常数据进行具体分析。接着,采用孤立点检测法对筛选出的数据进行清洗处理,提取异常数据,检测出通行时间过长、过短及车辆总重过高、过低等异常事件。最后,将孤立点检测法得到的异常数据与快速峰值聚类算法的异常数据进行对比。研究结果表明:快速峰值聚类识别异常事件的准确率高于孤立点检测法约20%,验证了提出算法的有效性和准确性;提出的算法能有效准确识别收费数据中隐藏的公路拥堵、长时间停留、疑似逃费和网络设备故障等异常事件,进而为高速公路运营服务和管理决策提供数据支持。     

天然气集输异常工况处理的主动学习方法

然气集输系统中出现的各种异常工况对安全生产构成威胁。提出一种针对异常工况的智能处理系统模型。该模型的异常工况类别预测模块采用了主动学习方法,既可实时、准确地判断异常类型,又可为系统向专家推荐合适的处理方案奠定基础。首先,利用SCADA系统实时监控数据并进行异常工况预警。其次,通过主动学习算法对预警异常工况进行分类,从而为构建异常工况推理机提供支撑,进而实现智能决策辅助。实验结果表明,该方法能节约专家成本,很好地识别异常工况类型,提出合理的解决方案。     

基于时间序列分析的网络流量异常检测

针对传统模型无法对网络流量异常进行准确识别和检测的问题,提出一种基于时间序列分析的网络流量异常检测模型.首先提取网络流量的原始数据,并对原始数据进行小波阈值去噪处理,消除干扰因素的影响;然后采用时间序列分析法挖掘网络流量数据之间的变化关系,建立网络流量异常检测模型;最后通过仿真实验验证检测模型的有效性和优越性.实验结果表明,时间序列分析法可以准确、及时地检测网络流量的异常行为,且结果优于目前其他网络流量异常检测模型.     

工况特征参数对客车燃油经济性的影响

为了获得实际车辆运行特征对车辆燃油经济性的影响,为车辆研发和能量控制策略制定提供重要的参考,对实际运行的城市公交和通勤车辆采集的大量数据进行了数据分析和预测方程的构建。运行数据来自于3辆公交车,6个月内118 d/10 s次的出行数据;测量的数据包括:时间、地理位置、车速、油耗等。通过数据计算和分析,获得了34个不同的运行工况特征参数(包括:负荷率,最高速度,平均速度,平均行驶速度,平均加速度,速度时间比例,加速度时间比例等)。采用统计方法研究了特征参数对于油耗的影响。结果表明,负荷率、平均速度和车速所占百分比与车辆油耗有强烈的相关性;且具有很高的稳定性;基于多元线性回归的方法预测特征参数变化下的燃油经济性,由于存在特征参数之间很强的线性关系,导致结果的不稳定。为了避免这种不稳定性,采用了基于因子分析的方法,获得了相互独立的若干个能够代表所有特征参数信息90%以上的代表性因子;然后采用多元线性回归分析得到的方程能够满足油耗预测的需要。     

工况特征参数对客车燃油经济性影响分析

为了获得实际车辆运行特征对车辆燃油经济性的影响,为车辆研发和能量控制策略制定提供重要的参考,对实际运行的城市公交和通勤车辆采集的大量数据进行了数据分析和预测方程的构建。运行数据来自于3辆公交车,6个月内118 d/10 s次的出行数据;测量的数据包括:时间、地理位置、车速、油耗等。通过数据计算和分析,获得了34个不同的运行工况特征参数(包括:负荷率,最高速度,平均速度,平均行驶速度,平均加速度,速度时间比例,加速度时间比例等)。采用统计方法研究了特征参数对于油耗的影响。结果表明,负荷率、平均速度和车速所占百分比与车辆油耗有强烈的相关性;且具有很高的稳定性;基于多元线性回归的方法预测特征参数变化下的燃油经济性,由于存在特征参数之间很强的线性关系,导致结果的不稳定。为了避免这种不稳定性,采用了基于因子分析的方法,获得了相互独立的若干个能够代表所有特征参数信息90%以上的代表性因子;然后采用多元线性回归分析得到的方程能够满足油耗预测的需要。     

智能网联汽车中心式匝道合流协同控制

提出了一种面向智能网联汽车的中心式匝道合流协同控制方法.首先建立了中心式匝道合流协同控制模型,然后通过离散化将其转化为非线性最优化问题,并采用NOMAD算法求解.进行了100组仿真实验,通过随机设置不同的初始化条件对所提方法的有效性以及车辆油耗影响因素进行了研究,并与其他文献的方法进行对比.研究结果表明,本文所提方法对不同的初始合流场景有较好的控制效果,与对比文献中的方法相比,可使车辆平均油耗降低42.38％,显著提高了匝道合流过程中车辆的燃油经济性.     

基于云计算的汽车车牌自动识别系统

采用云计算的方法将汉字的笔画引入汽车车牌识别系统中,通过提取运动汽车的车牌图像,对车牌字符进行准确识别与输出.该识别系统识别准确、效率高,不仅可以准确有效识别汽车车牌,而且可以通过云计算进行数据的后期处理并实现输出结果资源共享,为实现交通智能化管理提供帮助.     

一种有效的车辆跟踪算法与异常车辆检测

交通监控视频中车辆检测、跟踪与车型判别是智能交通监控系统的重要组成部分。本文运用W4背景减除法和光流法相结合的技术进行车辆检测。利用区域滤波和空洞填充方法提高目标检测精度。采用质心距离约束和目标大小约束条件实现目标区域之间的匹配和车辆跟踪。最后,根据车辆的几何形状特征对助动车等异常车辆进行检测和标记。通过对高速公路实际视频的测试表明,本算法对机动车进行了有效的跟踪与标记,并对道路上助动车等异常车辆进行了有效的检测。     

电动汽车试验运行参数监控系统研究

在电动汽车的研发过程中,需要对车辆及关键零部件的运行状态信息进行实时采集和监测,因此设计开发了电动汽车试验运行参数监控系统．首先在下位机开发数据采集器,对车辆信息进行实时采集;然后采用无线通讯技术将下位机采集的数据传给上位机,在上位机实现远程监控及信息管理．实车测试结果表明该系统能够准确、可靠地完成实时数据的采集、传输和管理,具有优良的性能．     

监控视频中的移动目标侦测算法研究

针对违章停车人工检测方式存在的准确率低、成本高且难以实时判断等缺点,文章提出一种监控视频中的移动目标侦测算法,用来检测和识别违章停车。该算法采用混合高斯模型进行背景建模,用以检测监控场景中的运动目标,并通过支持向量机(support vector machine,SVM)分类器判断运动目标是否为监控车辆,如果是监控车辆,则根据车辆停留时间将车辆分类,一旦发现违停车辆,系统会发出报警。实验结果表明,该算法准确率高、实时性好。