汽车半主动悬架对整车耐久性的影响

随着智能网联汽车的发展,半主动悬架系统的应用范围也更加广泛,因此有必要针对半主动悬架系统对车辆耐久性的影响进行深入研究。首先基于实际天棚阻尼控制模型建立了半主动悬架振动模型,并将其运用到车辆悬架七自由度模型中;其次确定了基于该七自由度模型的悬架性能评价指标,标定出了最优天棚阻尼控制系数;然后以悬架输出的四通道垂向力作为激励,基于一典型轿车的有限元模型,使用惯性释放法进行了静应力分析;之后使用准静态叠加法,对其疲劳损伤进行了分析,确定了该车身的疲劳损伤关键位置,对比了使用半主动悬架和被动悬架时疲劳损伤值,结果发现前者的疲劳寿命得到了较大的优化。     

纯电动汽车用动力电池性能评价方法研究

通过分析纯电动汽车用动力电池的放电特性,指出了目前对纯电动汽车用动力电池性能采用恒流放电方式进行评价不能较好地反映动力电池的实际使用性能.以ECE循环工况作为纯电动汽车常用工况,计算了EVERY电动汽车的放电电流特性,并与实验结果进行对比,表明计算结果与实验结果基本一致.在ECE循环工况时,动力电池的放电特性能够基本上反映纯电动汽车在实际使用工况下的放电特性,以该方法建立非恒流放电方式替代目前采用的恒流放电方式对纯电动汽车用动力电池的实际使用性能进行评价将更为有效.     

一种分布式实时内存数据库的系统故障恢复模式

提出了一种适合分布式实时内存数据库的、基于日志的故障恢复模式.在该恢复模式中,日志记录被存储在非易失高速存储设备中,非易失日志存储区依据事务类型被分成四个不同的日志分区,不同类型事务的日志被存储在不同的日志分区;采用了执行频率动态可调的模糊检验点模式,在检验点执行过程中,一些无用的日志记录被删除;故障发生后,系统重启、恢复时,分区重装策略被采用;恢复算法结合相关恢复协议,确保了全局事务故障的原子性.实验显示,该故障恢复模式明显地改进了系统性能,提高了实时事务满足截止期的比率.     

高超声速伸缩式变形飞行器再入轨迹快速优化

针对高超声速变形飞行器再入轨迹优化问题, 研究了一种基于改进高斯伪谱法(Gauss pseudospectral method, GPM)的快速优化方法。首先,针对一种采用伸缩式机翼的高超声速变形飞行器, 建立了将展长变形量扩展成为控制变量的再入轨迹优化模型。其次, 采用GPM将轨迹优化问题转化为非线性规划(nonlinear programming, NLP)问题, 并基于NLP偏导数的稀疏性推导目标函数梯度和约束Jacobian矩阵的高效计算方法。最后, 优化求解了变形飞行器的最大横向航程、再入可达区、最大终端速度和最小飞行时间。仿真结果表明, 推导的梯度计算方法可有效提高优化求解效率, 变形飞行器相对于固定外形飞行器的性能更加优越, 最大横向航程、可达区覆盖范围、最大终端速度和最小飞行时间等指标均有显著提升。     

AdaBoost-PSO-LSTM网络实时预测机动轨迹

针对自主空战中轨迹预测难以同时保持高预测精度和短预测时间的问题, 提出一种自适应增强的粒子群优化长短期记忆网络预测方法。首先,建立三自由度无人机动力学模型, 解决机动轨迹的数据来源问题。其次,分析长短期记忆网络, 并引入在线预测的滑动模块输入矩阵, 利用粒子群优化算法代替传统基于时间的反向传播算法进行网络内部权值更新; 同时为解决优化算法非定向性问题, 提出数据共享方法。然后,为进一步提高预测精度, 采用自适应增强算法搭建外框架, 通过控制弱预测器的数量平衡预测精度与预测时间。最后, 在一段变化较为频繁的轨迹进行预测, 与5种神经网络预测方法进行比较, 结果表明所提方法能够较好地满足精度和时间要求。     

高超飞行器自适应动态规划的控制系统设计

针对高超声速飞行器的控制问题, 提出一种基于自适应动态规划的非线性优化学习控制方法, 设计了速度和高度自适应控制系统。首先, 将控制器分解为稳态控制项和最优反馈控制项, 同时借助反步法, 将原高超声速动力学模型转化为兼顾速度跟踪误差和高度跟踪误差的统一的误差控制模型。其次, 利用自适应动态规划法, 通过自适应调节评价网络的权值, 设计最优反馈学习控制律, 并通过Lyapunov稳定性理论严格证明了跟踪误差的一致最终有界性。最后, 数学仿真结果验证了所提方法的有效性。     

基于Bluetooth和半GPS定位算法的车域网智能车辆管理系统

提出一种车域网中的半GPS定位算法,在此基础上设计并实现了一种基于蓝牙(B lue-tooth)和半GPS定位算法的无线智能车辆管理系统.在深入研究蓝牙协议栈B luestack的基础上,综合应用蓝牙短距离通信、传感测量、半GPS定位、天线设计以及数据库等多种关键技术,有效地解决了传统车辆管控系统测量精度低、安全性可靠性不高、待机功耗大等难题,同时降低了天线设计难度,提高了整个系统的性能.智能车载卡通过各种传感器和GPS模块能够记录车辆行驶过程中的各种参数,回车场时能把这些数据通过蓝牙模块以无线方式传送到管理中心服务器,从而使管理中心利用这些数据分析车辆的行驶行为,结合电子地图可以回放车辆行驶路线.     

政府补贴、网络结构嵌入与企业技术创新基于中国新能源汽车企业的实证研究

新能源汽车作为全球科技创新的前沿领域之一,为我国经济发展注入新动能。为进一步探索补贴政策对新能源汽车企业技术创新的影响机制,本研究以专利视角构建企业协作研发网络,从实质性创新与策略性创新两个维度,采用负二项回归分析政府补贴对企业技术创新的影响,并考察网络结构嵌入特征在其中的调节作用。结果表明：（1）政府补贴能够有效激励新能源汽车企业实质性创新。（2）随着网络结构嵌入程度的不断深化,政府补贴促进企业实质性创新的作用更为显著。本研究拓展了政府补贴与企业技术创新的理论研究,为企业管理者提升技术创新水平提供科学依据。     

基于事件触发机制和最小学习参数的FAHV指定时间收敛自适应控制

针对当前吸气式高超声速飞行器自适应控制结果仅能实现误差渐近收敛于预设包络、神经权值在线更新存在计算爆炸、对机载资源过度占用的难题,提出了基于事件触发机制和最小学习参数的FAHV 指定时间收敛自适应控制方法。首先,阐述了一种不依赖精确误差初值同时又能确保误差指定时间收敛的改进预设性能控制机制;其次,构建了用于FAHV 干扰辨识的相对阈值事件触发神经网络;最后,设计了相对阈值事件触发控制算法,有效降低了闭环控制器对通信资源的消耗,在非等周期信号传输的基础上实现了良好的控制精度。仿真结果表明,所提方法能够在低计算与传输资源消耗下对高度/速度参考信号实施指定时间跟踪。     

基于新特征参数的再入滑翔飞行器机动模式智能辨识

再入滑翔飞行器的机动模式辨识问题是拦截方实现对其轨迹预测的关键。提出了一组与飞行器轨迹机动特点贴合的特征参数,根据构建的RGV 机动模式轨迹库,搭建了LSTM 深度学习神经网络,实现了对RGV机动模式的智能辨识。与传统模式辨识方法和其他典型特征参数的辨识网络进行对比,结果显示文中所提特征参数在LSTM 机动模式辨识网络训练中具有收敛速度快、辨识精度高和鲁棒性好的特点。