基于改进超螺旋滑模控制的线控制动系统控制方法

为满足汽车线控制动系统对控制电机的快速响应要求,提出一种改进的超螺旋滑模方法实现制动主缸压力的精确控制。对经典超螺旋滑模算法的收敛性与稳定性进行分析,提出了超螺旋滑模算法的改进策略,以解决滑模面距离平衡点较远位置收敛速度慢的问题,并基于李雅普诺夫方程理论分析证明了所提出算法的稳定性,最后,通过仿真和线控制动系统台架试验验证了算法的有效性,结果表明:改进的超螺旋滑模控制算法可使线控制动系统压力超调的收敛速度提升3.87%,稳态误差控制在2%以内,提高了控制鲁棒性,表现出良好的控制性能。

食品中展青霉素的产生机制及污染防控策略

展青霉素是由真菌产生的一种聚酮类次级代谢产物,是污染水果及其加工制品的最重要的真菌毒素之一。食品中污染的展青霉素主要由扩展青霉(Penicillium expansum)产生。P.expansum是常见大宗和特色果品的主要采后病原菌,其在引起果实腐烂的同时产生大量的展青霉素,伴随鲜食流通和加工过程进入食物链,危害消费者的健康。展青霉素可侵害人和动物的多个器官,引起急性和慢性症状。由展青霉素污染引起的食品安全问题越来越得到重视,展青霉素的相关研究逐渐成为热点。对展青霉素的产生和调控机制研究进行了系统的总结,介绍了展青霉素生物合成基因簇的组成,生物合成途径中不同步骤的催化酶,展青霉素生物合成和中间产物转运的分子路径;从合成途径特异性调控因子,光、pH值、碳源、硫源等环境信号-全局性调控因子,以及参与组蛋白甲基化和乙酰化修饰的表观遗传因子等不同层次归纳了展青霉素生物合成的复杂调控网络。从源头防控和直接脱除2个方面阐述了食品中展青霉素污染的防控策略,分别概述了基于物理、化学和生物原理的主要防控技术,并讨论了不同防控策略的优缺点。最后,讨论了展青霉素产生机制研究与污染防控技术研发的关系,并指出绿色、安全的生物防控技术是控制展青霉素污染的未来方向。

基于改进A^(*)算法的复杂停车场路径规划

针对复杂停车场环境中的停车与寻车困难的问题,本文提出一种基于改进A^(*)算法的复杂停车场路径规划方法。通过对节点间代价进行统一量化以及对路径中的拐角进行修正,避免了不必要转向,优化了规划路径,提高了效率。并且基于仿真软件,根据实际停车场环境,建立环境地图进行仿真模拟;在相同条件下,对传统A^(*)算法、改进A^(*)算法与Dijkstra算法以及BFS算法进行仿真测试,对4种算法的路径规划时间、转向次数以及所规划路径的优劣进行了评估。仿真模拟结果表明改进后的A^(*)算法具有明显的优势。

基于神经网络算法的驾驶员制动需求预测研究

由于线控制动系统在结构上的解耦关系,驾驶员的制动需求识别成为线控制动系统研究中的焦点。本文建立了一种基于动态时间规整DTW (Dynamic Time Warping)算法和长短时记忆模型LSTM (Long-Short-Term Memory)融合的驾驶员制动需求识别模型。该模型主要包括数据收集、数据处理、分类匹配、需求预测四个模块。在搭建的线控底盘实验台上进行了实验,采集了大量的驾驶员制动数据,数据经过处理后首先利用动态时间规整算法进行驾驶员制动习惯分类匹配,然后将分类后的数据分别用长短时记忆模型进行训练,在完成训练后对模型性能进行了测试。同时我们还将本文所建立的模型与其它方法进行了对比实验,结果表明,本文所提出的模型能够准确地对不同驾驶习惯的驾驶员实现高准确度的制动需求预测。

基于机器视觉的停车场智能寻车系统

近些年来,中国经济飞速增长,汽车产业也已进入持续发展新阶段。在此背景下,对于驾驶人来说除了拥堵的困扰之外,停车难、找车难的问题也日益突出。因此,本文提出了基于机器视觉的停车场智能寻车系统,旨在为复杂停车场环境下快速寻车、降低用户时间成本、及推进现有智能停车场建设等提供有效支持。该系统包含三大模块,车牌识别模块负责输出车牌文本,与移动终端模块人工输入的车牌信息进行匹配,进而确定车辆所在位置,最后由路径规划模块实现寻车路径规划。系统在移动终端触控操作,并显示最短路线,完成智能寻车。测试实验表明,该系统算法在改进后具有良好的鲁棒性和更快的检测准确率,车牌检测准确率可达到96.86%,并且路径规划时长大幅缩短,较好地实现了复杂停车场环境下快速智能寻车的目的。