基于Wi-Fi的智能空调双向监控系统

针对目前智能家电发展尚未成熟导致的通信方式不统一的问题,并为探究基于Wi-Fi通信方式的智能家电交互式智能控制系统的可行性,本文以智能空调为例,设计基于Wi-Fi技术与TCP协议开发了交互式智能空调监控系统。使用搭载Wi-Fi芯片ESP8266的STM32单片机模拟智能空调,PC端的串口应用程序用来模拟空调操作面板,使用监控客户端应用程序连接智能空调的Wi-Fi热点并相互收发报文来完成交互操作。经过对各模块的基本功能测试、多客户端测试以及稳定性测试,研究结果表明,系统在与单个或多个客户端保持连接时都可以实现预期设计的全部功能,并且在网络通畅时,具有极低的丢包率以及较低的网络延时。说明Wi-Fi技术应用到智能家电系统可以提高系统兼容性、稳定性及操作简便性,具有一定的应用价值。

基于马尔科夫的混合动力汽车行驶车速预测研究

以插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)作为研究对象,以寻求较好的燃油经济性为目标,根据循环道路工况反馈的信息对未来临近时刻的车速进行预测。基于马尔科夫链预测模型,进行WLTC循环工况的马尔科夫性分析,采用最大似然估计法计算当前时刻车速到下一时刻车速的状态转移概率,建立车速信息的状态转移矩阵。借助MATLAB中的Markov工具箱对车速进行预测,得到了能够较好跟随实际工况车速的行驶预测车速曲线,发现预测速度与实际工况车速的误差在合理范围之内。进一步提出车速预测型能量管理策略,通过MATLAB/Simulink仿真验证有效性,与基于规则的能量管理策略相比,结果表明该能量管理策略具有良好的动态控制性能,燃油经济性提高10.15%,能够节省燃油成本。

基于改进Lagrange乘子法的交通信号配时优化研究

为提高交叉口的机动车通行效率及环境效益,采用改进罚参数来构造一种新的Lagrange乘子法对交叉路口的交通信号进行优化配时。通过权重系数建立车辆延误与尾气排放的数学模型,利用改进Lagrange乘子法进行优化,将其结果与两种典型智能算法的优化结果进行对比,并利用VISSIM(Verkehr in Stadten Simulation)微观交通可视化仿真软件进行验证。实验结果表明,该方法优化的信号配时使车辆延误降低19.89%,尾气排放量降低2.379%,可见大比例优化了交叉口的车辆延误,同时可以降低尾气排放量。

基于改进NSGA-Ⅱ的区域交通信号优化控制

随着机动车保有量的日益增加,人们愈发关注出行的效率以及环境问题。为解决这种问题,提出一种改进的快速非支配排序遗传算法(NSGA-Ⅱ),并将其应用于区域交通信号配时优化问题中。该算法是一种多目标优化算法,将区域交通的车均延误以及尾气排放作为优化目标,经过算法优化后会得到一系列的最优值,从中选取综合最优的值。最终利用VISSIM微观交通仿真软件针对本文案例搭建仿真模型并对该方法优化的结果进行验证,将其与未改进的快速非支配排序遗传算法进行对比,来验证其有效性。仿真结果表明:改进后优化的配时,在CO尾气排放方面降低了8.213%,在车均延误方面降低了19.023%。

插电式混合动力汽车控制策略硬件在环仿真研究

利用MATLAB/Simulink搭建整车仿真模型,使用RTICANMM模块库中的模块进行设置并加载至dSPACE/SCALEXIO中,作为底层硬件在环平台。构建基于电量消耗-电量保持型控制策略,确定车辆多种运行模式之间的切换规则及发动机、电机的转矩分配原则;利用MATLAB/RTICAN模块库中的模块对控制策略进行仿真环境设置并将编译后的控制策略加载至MicroAutoBox控制器中,通过CAN通讯协议完成MicroAutoBox控制器和SCALEXIO设备的实时硬件在环交互。由硬件在环仿真与离线仿真对比显示:硬件在环仿真、离线仿真的终止SOC值与期望的SOC值误差控制在5.60%以内,整车控制策略能够满足预期效果,实时性较好,CAN信号通讯正常。硬件在环仿真减少了控制策略应用实车的周期,降低了成本。

可训练变换器和RdNet在果实识别网络中的应用

为解决YOLO算法由于其端到端的网络结构导致某些尺度上的特征被淡化或丢失使识别率较低的问题,本文以葡萄为例,对可训练变换器和RdNet在果实识别网络中的应用进行研究。提出基于可训练变换器和多尺度特征图融合的改进YOLO算法,以自主设计的基于堆叠残差块和降采样块的RdNet作为特征提取网络,采用converter变换器结构进行不同尺度的特征变换融合,从采集并筛选的葡萄果园照片中,随机选取120张作为测试集,将其余照片进行数据增强,得到480张图片作为训练集,并分别对提出的模型、YOLOv3和快速区域提出卷积神经网络(faster region-convolutional neural networks,Faster R-CNN)三种算法进行训练,使用其在测试集上的F 1值与AP值评估各模型的性能差异。实验结果表明,模型在测试集上的F 1值可达92.58%,AP值可达92.33%,而在Nvidia Jetson TX2平台上,检测速度达到19 f/s,单张640×480图片的推理时间为52.6 ms,达到了较理想的识别准确率,且能满足采摘机器人的实时性要求。该研究在果园等场景中可以得到更好的应用效果。

基于等效燃油消耗的轨迹参考控制策略研究

针对插电式混合动力电动汽车存在的电能未被充分利用的问题,本文开发了基于等效燃油消耗最小策略算法的瞬时优化能量管理策略,建立了以等效燃油消耗率为目标的数学优化模型,并基于庞特里亚金极小值原理,建立PHEV的哈密尔顿函数,以动力电池荷电状态为状态变量,发动机或电机转矩为控制变量,利用ECMS算法求解最优控制序列,设计了SOC的轨迹参考跟随策略,并基于dSPACE设备完成了硬件在环仿真实验。实验结果表明,离线仿真与半实物仿真的电池SOC误差较小,最大误差为1.06%,最终电池荷电状态与未加入轨迹参考策略相比,由0.58降至0.42,验证了整车能量管理策略的有效性,电池电能可被合理充分使用,缓解了使用燃油的压力。该研究提升了插电式混合动力汽车的燃油经济性。

并联混合动力汽车能量管理与转矩协调控制策略

研究并联混合动力汽车的控制策略。基于发动机输出转矩最优的能量管理策略,对并联混合动力汽车在工作模式切换中的相互配合问题,提出发动机动态转矩控制+动力电池荷电状态(state of charge,SOC)干预+电机转矩补偿控制的转矩协调控制方法;在Matlab/Simulink/Stateflow平台搭建整车能量管理控制策略模型,控制发动机工作在高效率区,保证发动机输出最优转矩;根据电池的SOC干预电机的运行状态,协同发动机提供整车需求转矩。在Cruise平台下建立整车模型,以新欧洲驾驶周期作为循环工况进行离线仿真。结果表明,能量管理与转矩协调控制策略能够有效分配电机和发动机的转矩输出,满足混合动力汽车多模式切换的要求。

功率分流式混合动力汽车模型预测控制策略

为实现功率分流式混合动力汽车的实时最优控制,有效解决发动机最优燃油经济性与电池荷电状态(state of charge,SOC)合理范围的冲突,提出模型预测控制(model predictive control,MPC)策略,建立预测控制模型和目标函数,预测系统未来需求转矩,并根据预测结果调整发动机和电机转矩。以提高燃油经济性为主要目的,通过线性优化算法和约束最优控制问题实现对输入、输出变量的实时控制。MATLAB/Simulink仿真结果显示,模型预测的控制策略可实现发动机和电机转矩的合理分配,提高燃油经济性,具有更好的实时性和鲁棒性。