基于多维分割和特征融合的车辆重识别算法

针对车辆重识别算法受类内差异性和类间相似性干扰,细粒度特征提取不充分的问题,本文提出一种融合全局与局部信息,基于卷积和自注意力机制的车辆重识别算法。采用双分支架构对车辆语义进行编码,更好地捕捉车辆信息,为了增强局部语义信息的提取,针对不同维度上的注意力模块,通过设计全局局部交互模块,将全局信息更好地融入局部特征。在公开数据集VeRi 776与VehicleID数据集进行实验验证,实验结果证明所提方法的优越性。

基于YOLOv5车辆识别和北斗定位的城市拥堵解决方案

为有效缓解城市交通拥堵,基于YOLOv5车辆识别和北斗定位技术构建了城市拥堵解决方案,实现了车辆运行信息实时采集、道路流量预测和智能交通控制等功能。YOLOv5车辆识别技术采集流量、车速等交通运行特征数据结合北斗定位技术采集的车辆运行特征数据,为智能交通控制决策与用户路线规划的数据支撑;智能控制终端分析采集到的数据,预测道路流量;数据传输模块完成采集输入并上传至智能控制终端和预测结果输出至智能交通控制设施,调节潮汐车道,实现智能信控;同时向用户反馈道路拥堵状况、提供路径选择建议。仿真运行结果表明,该解决方案面对两种不同的道路网可以使平均停车延误分别降低了9.0%、6.0%,总行驶时间分别降低了4.5%、6.3%,能够缓解交通拥堵。

基于VOD-YOLOv5的车辆检测算法研究

针对现有的深度学习车辆目标检测算法检测效率和检测精度不高的问题,提出了基于YOLOv5模型的VOD-YOLOv5(Vehicle Object Detection-YOLOv5)的车辆目标检测算法。采用新型的轻量级卷积神经模块(c3f)提升网络的特征提取能力;引入Coord Conv代替原模型中的普通卷积模块增强对位置信息的感知能力;融入空间和通道融合的注意力机制Shuffle Attention,提升对模糊图像中小目标的检测精度。在UA-DETRAC车辆检测数据集上的实验结果表明,和原YOLOv5模型相比,VOD-YOLOv5模型的平均准确率均值(mean Average Precision,mAP)约提升了3.42%,对不同目标类检测的平均准确率(Average Precision,AP)均有提升,且检测速度满足实时性需求。

载电液驱车辆动力参数匹配与控制策略分析

为了降低电机峰值扭矩,提高车辆在频繁启停时的动态性能,建立一种具备多模式切换和制动能量回收功能的载电液驱车辆模型。根据车辆的基本工作原理和模式,完成了动力传动系统的参数匹配,设计了一种基于规则的动态优化能量管理策略,实现能量分配控制和工作模式的实时切换。利用AMESim和Simulink软件对该模型进行建模,并在认证的FTP-75和WLTC循环工况下进行联合仿真。仿真结果显示,与同等配置的纯电动汽车相比,载电液驱车辆在FTP-75工况下的电池消耗率降低了6.2%。

纯电动商用车集成驱动桥质量对操纵稳定性影响规律的研究

为研究集成式电驱动桥纯电动商用车的操纵稳定性,利用Adams/Car建立了车企某集成式电驱动桥纯电商用车整车模型,采用国标试验方法与评价指标分别进行了蛇形试验、方向盘角阶跃试验和方向盘角脉冲试验的仿真实验,分析了方向盘输入曲线和横摆角速度变化曲线及非簧载质量对整车操纵稳定性的影响规律。研究结果表明,汽车侧向加速度峰值、横摆角速度峰值随着电动集成驱动装置质量的增加而增大,簧下质量每增加100 kg,蛇形试验工况下的最终得分降低0.915%,方向盘角阶跃试验最终得分降低0.32%,获得了非簧载质量对操纵稳定性影响的具体规律。

一种消除椒盐噪声的迭代自适应加权均值滤波

针对传统的均值滤波和多种中值滤波不能有效去除高密度椒盐噪声的不足,提出一种迭代自适应加权均值滤波算法。为了能够对图像外围的像素点进行滤波,沿四周进行图像扩展。根据椒盐噪声的极值特性,将像素点分为噪声点和信号点,噪声点采用多轮迭代,利用前次滤波的结果,求取滤波窗口非噪声点灰度值的加权均值,基于与窗口中心像素的空间距离计算加权系数;信号点保持原值。滤波窗口尺寸根据窗口内是否含有非噪声点自适应地由小变大。选用5种不同的算法在噪声密度20%~80%范围内进行仿真对比,验证算法的有效性。仿真结果表明,与其它4种算法相比,在低密度噪声时,该算法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)和结构相似性指数(Structural Similarity Index, SSIM)优势明显,在80%高密度噪声时仍然保持突出效果,PSNR值至少提高4.26 dB,验证了该算法对高密度椒盐噪声具有更好的滤波性能,很好地保持图像的纹理边缘和细节。

汽车发动机产业技术专利信息分析

针对汽车发动机产业技术专利信息的发展,本文对汽车发动机产业技术领域的国内外专利进行检索和分析。借助incoPat专利数据库检索和专利导航,比较分析方法,对汽车发动机产业技术专利申请的总体趋势、技术构成、技术专利活跃度和主要申请人进行分析。采用图表展示分析对象在各技术分支方向的专利数量分布情况,了解分析对象所覆盖的技术类别以及各分支技术的创新热度。分析结果表明,汽车发动机产业技术国内外专利申请总量为142511件,申请量总体发展趋势主要分成三个阶段,中国相关技术专利申请量的全球占比为31.81%,高于其它国家。高价值重点专利主要集中在美国、德国、法国、英国、日本、韩国等发达国家,且在全球范围内分布广泛,覆盖热点和重点技术分支。

一种异构传感器的地图融合构建方法

针对单一传感器建图时还原度较低,易受环境干扰及可靠性不足等问题,提出一种任务层面融合激光雷达与深度相机的建图方法。采用一种针对走廊环境的组合式对齐算法对地图进行对齐,利用基于贝叶斯推理的方法进行信息融合。为验证融合建图效果,通过搭建多样化虚拟场景进行仿真和对真实走廊环境进行地图融合实验。结果表明,经过融合的栅格地图比单一传感器创建的栅格地图还原度更高,有效提高了地图的精度,得到了更能反映真实物理环境信息的栅格地图,为后续的路径规划提供了准确可靠的环境地图。

防护型单向导湿防护面料的制备与性能研究

为提高单向导湿面料的防护功能,开发了2种新型单向导湿防护面料,分别以针织单向导湿织物和机织涤纶织物为外层,针织单向导湿织物为内层,由熔喷聚丙烯与超薄PTFE组成的复合防护膜作为核心隔离防护层,利用PA热熔胶网离线粘合,制备防护型单向导湿面料,通过实验对织物洗涤前后的舒适性能和力学性能进行测试研究。实验结果表明,该防护面料具有良好的舒适性和力学性能,满足多功能性防护材料的使用要求。

纯电动双电机汽车驱动系统匹配优化

为提高纯电动汽车驱动系统效率,降低电动汽车能耗,以某款电动汽车为例,通过AVL-Cruise建立电动汽车的单电机驱动系统和同轴双电机驱动系统的整车模型,计算得到相关参数;利用Simulink搭建控制策略仿真模型,验证整车模型的经济性与动力性。以整体驱动效率最优为优化目标,设计了粒子群优化控制策略优化了同轴双电机驱动系统模型,验证该模型的经济性与动力性。仿真结果表明,较单电机驱动系统车辆,同轴双电机驱动系统车辆的动力性、经济性平均提升了5.3%、8.69%;在同轴双电机驱动系统车辆中,使用粒子群优化算法控制策略的车辆经济性提升了1.5%。

基于田口-灰色关联法的驱动桥壳多目标优化设计

针对传统方法对驱动桥壳进行结构设计时,产品存在部分性能冗余的问题,本文提出一种结合田口法和灰色关联法的驱动桥壳多目标优化设计方法。以驱动桥壳结构参数为设计变量,桥壳刚度、强度和动态性能为优化目标,采用田口法正交试验设计实验方案,利用有限元法进行驱动桥壳典型工况的仿真分析,在试验数据信噪比分析的基础上结合灰色关联法对驱动桥壳进行多目标优化,得到最优结构参数组合。研究结果表明,优化后驱动桥壳的上述优化目标性能得到提升,验证了联合优化方法的有效性。

基于Attention机制和递归思想的LSTM车辆轨迹预测

针对现有车辆轨迹预测模型在长时预测方面准确性不足的问题,基于Attention机制和递归思想的长短时记忆网络(long short-term memory, LSTM)构建了一种新型的车辆轨迹预测模型,即ATT-LSTM(RE)模型,使用编码器–解码器架构更精确地预测车辆未来的行驶轨迹。研究结果表明,模型意图识别的准确率为91.7%,F1分数、召回率、精确率均在0.872~0.977之间;1 s、2 s、3 s、4 s、5 s的终点轨迹预测的均方根误差为0.52 m、1.07 m、1.69 m、2.58 m、3.31 m,优于同类型模型。

基于霜冰优化算法的半主动悬架控制策略研究

针对半主动悬架控制策略及控制参数整定问题,提出了基于霜冰优化算法的自适应模糊PID和模糊PID并联复合控制策略。基于连续可调阻尼(Continuous Damping Control, CDC)减振器搭建了四分之一半主动悬架系统模型,利用BP神经网络构建CDC减振器非参数正、逆模型,采用霜冰优化算法进行控制策略参数整定,在Matlab/Simulink环境下开展随机路面及其叠加单凸块路面仿真实验,相比被动悬架,该控制策略使行驶平顺性提升36.18%与33.66%,多种加权系数下悬架综合性能评价指标均在10%与7%以上。

城市交通视域下智能汽车检测模型的改进

为优化智能汽车环境感知算法,提出一种改进的YOLOv8模型。通过引入Ghostconv改进C2f结构,实现算法的轻量化;建立了基于CBAM(Convolutional Block Attention Module)注意力机制的GSAM注意力机制降低模型的计算复杂度,同时提升检测精度;利用P2小目标检测层和深度可分离卷积改进Neck层,降低参数量和计算量提高检测精度;采用SIOU损失函数,提高目标检测算法的性能。实验结果显示,改进后的模型mAP提高了2.5%,复杂度降低了1.4%。

基于体形引导的无监督换装行人重识别算法

在无监督换装行人重识别任务中,服装的变化会造成外观特征表示不稳定,导致网络的识别率降低。为此,基于协同对齐互交叉注意力(Co-attention Aligned Mutual Cross-attention, CAMC)算法提出了一种由行人体形引导的双分支网络(Shape-guided Network, SG-Net)。SG-Net提取行人的外观特征和关键点信息,通过注意力机制增强外观特征中的脸部区域,将关键点信息编码为人体的体形特征;外观特征与体形特征对齐后,将与服装无关的身份信息传递到外观特征空间中,生成鲁棒的外观特征表示;无监督场景下,融合外观特征与体形特征进行聚类为样本生成伪标签用于监督网络训练。在Celeb-ReID-light数据集实验结果表明,与基准网络ResNet50相比,SG-Net算法的mAP和Rank-1指标分别提高了2.3%和5.0%。

表面织构对动压润滑的局部效应影响研究

在面接触副表面织构的研究中,需设置足够的节点密度以准确描述微织构的几何特征,当织构的几何尺度远小于面接触计算域时,节点数量过多给润滑全域的计算带来困难。为此提出了一种选取织构微单元近似求解的方法,在有限的节点数量下研究了微织构的局部润滑效应,算例表明:与无织构表面相比,凸起织构表面使膜厚减小,承载量增大10.8%;凹陷织构表面使膜厚增大,承载量减小18.5%。承载量随凹陷深度的增加而减小,随凸起高度的增加而增大,凹陷几何形状对承载量的影响不显著。在面积比相同条件下,圆形、方形复合织构和圆形凸起与圆形凹陷复合织构的承载量可大于单一织构的承载量。

基于改进YOLOv8的物流AGV精确识别与定位研究

针对原始YOLOv8n算法在复杂环境中识别自动导引运输车(Automated Guided Vehicle, AGV)准确率低的问题,引入CBAM注意力机制,建立CBAM-YOLOv8n网络模型,提高了模型提取关键特征的能力。建立数学模型矫正采集图像定位误差,提高AGV在图像坐标系中的定位精度。仿真结果表明,相对于原始YOLOv8n模型,CBAM-YOLOv8n网络模型在AGV空载和负载的情况下,识别准确率分别提高1.4%和2.0%,综合识别率提高1.7%。图像误差矫正后,图像坐标在u轴和v轴方向的最大误差为1.3像素和4.3像素,平均误差为0.74像素和2.1像素。验证了AGV在图像坐标系中可以减小定位误差,提高定位精度。

一种基于轻量型神经网络的火情早期预警方法

为了提高火灾检测效率,基于模型压缩思想提出了一种火情早期实时检测模型FRDnet (Fire rapid detection network),利用低值滤波器修剪策略优化ShuffleNetV2网络,优化后的网络参数量比原网络减少了50%,提高了运算效率。针对检测结果假性的问题,提出了基于阈值判定的预警逻辑,提高了预警的鲁棒性。在公开数据集上的实验结果表明,模型的检测精度达到了95%,检测效率达到了44 fps;预警逻辑使模型能够在火情发生4.5 s内发出报警信号,表明模型在火灾发生早期能够快速准确预警。

电控减振器悬架NSGA-Ⅱ算法天地棚混合控制策略

针对具有电控减振器(Electronic Shock Absorber, ESA)的半主动悬架系统控制策略参数设定问题,即天地棚混合控制策略阻尼及分配系数设定,提出了基于非支配排序遗传(Non-dominated Sorting Genetic Algorithms-Ⅱ, NSGA-Ⅱ)算法的天地棚混合控制策略。首先构建四分之一半主动悬架系统模型,搭建ESA正、逆模型,为解决天地棚混合控制策略中参数整定问题,通过NSGA-Ⅱ算法进行优化,在MATLAB/Simulink环境下,分别开展典型随机路面与其叠加凸块路面工况下的仿真实验;针对适应度函数得到对应帕累托解集,对不同优化侧重点进行仿真实验,与无控制被动悬架进行对比分析,验证了本算法在一定程度上对汽车行驶平顺性改善。

基于实例分割的车间AGV精确定位研究

针对自动引导车(Automated Guided Vehicle,AGV)在复杂工业环境中定位误差大且准确率低的问题,本文提出了一种基于实例分割的车间AGV精确定位方法。通过SURF特征提取算法、最近邻匹配算法和随机一致性算法对双摄像头获取的图像进行实时拼接,使用动态加权融合算法消除接缝,利用RTMDet-Ins-x实例分割模型,获取AGV掩膜,结合AGV的特征进行定位,建立数学模型矫正定位误差。实验结果表明,在模拟车间环境下,该定位方法距离的最大误差为17.3 mm,平均误差为9.5 mm,角度最大误差为1.7°,平均误差为1.1°。与目标检测方法相比,该方法能够获取AGV的航向角度,距离误差缩小了64.4%,可实现车间AGV的精确定位,满足实际工程需要。