水资源-能源-粮食-生态系统耦合协调及驱动力分析

为加深对我国水资源、能源、粮食、生态系统协同演变趋势的认识,构建水资源-能源-粮食-生态多维系统指标体系,运用耦合协调度模型对我国2005—2020年水资源-能源-粮食-生态系统耦合协调度进行评价,并采用多因素归因分析法进行驱动力分析。结果表明:我国水资源-能源-粮食-生态系统耦合协调度从2005年的0.55增长到2020年的0.84,各地区耦合协调度从勉强协调发展水平过渡到中级协调发展水平,各子系统对耦合协调度上升的驱动分别经历了由粮食子系统到生态子系统再到水资源子系统主导的过程;能源子系统的贡献率虽然比较小,但是未来可能是各地区提升水资源-能源-粮食-生态系统多维系统协调发展水平的突破口。

基于总线同步的多驱动系统漏电流分析与抑制

多驱动系统中漏电流的大量存在是影响数控加工装备长期稳定运行的重要因素,提出了一种邻消抑制措施,能够有效减少多驱动系统中漏电流,避免漏电保护装置频繁触发。该措施采用PWM调制策略,将空间位置相邻的两个驱动单元的共模电压矢量方向反向,以抵消它们之间的高频共模电压分量,从而有效地抑制了多驱动系统的漏电流。主要创新之处采用了一种软件控制的方式实现了对多驱动系统漏电流的抑制,该措施不但可以有效地抑制漏电流,而且实现成本低。实际测试平台的结果表明,邻消抑制措施在多驱动系统中能够有效降低70%~80%的漏电流,保证了多驱动系统的稳定运行。

驾驶场景下结合运动速度以及外观特征的多类多目标跟踪方法

基于相机传感器的多目标跟踪算法是自动驾驶的重要组成部分。驾驶场景下,基于交并比进行前后帧关联的方案一直存在大量的身份切换,此现象在对向来车以及自车转弯时更加明显。本文将目标在二维平面上的运动速度作为扩展匹配空间的变量,设计了基于目标速度变化的交并比算法:Velocity IoU,从而优化前后帧目标关联。同时,使用自监督的外观模型提取不同目标的外观特征编码。基于上述的运动模型以及外观模型,提出了一种互补的关联策略,最终实现驾驶场景下多类别多目标跟踪。在BDD100K上验证了该方法,对应mMOTA为45.2,mIDF1为55.2,IDs为8793,优于大部分跟踪算法。

基于交叉注意力的多任务交通场景检测模型

感知是自动驾驶的基础和关键,但大多数单个模型无法同时完成交通目标、可行驶区域和车道线等多项检测任务。提出一种基于交叉注意力的多任务交通场景检测模型,可以同时检测交通目标、可行驶区域和车道线。使用编解码网络提取初始特征,利用混合空洞卷积对初始特征进行强化,并通过交叉注意力模块得到分割和检测特征图。在分割特征图上进行语义分割,在检测特征图上进行目标检测。实验结果表明:在具有挑战性的BDD100K数据集中,所提模型在任务精度和总体计算效率方面优于其他多任务模型。

基于领航-跟随法的多机器人编队控制

编队控制是多机器人系统研究的核心问题之一,具有广泛的研究价值。针对编队问题,通过对轮式差分驱动机器人运动模型进行分析,并设计相应的控制器。在传统的领航-跟随模型上,引入“虚拟机器人”,将跟随者机器人对领航者机器人的轨迹跟踪转换为跟随者对“虚拟领航者”的轨迹跟踪。首先,预设定实际领航者机器人的行进路径,由实际领航者引导运动方向的运动轨迹被视为主轨迹,虚拟机器人通过数据产生参考点从而生成参考轨迹,跟随者机器人通过对参考轨迹的跟踪与“虚拟领航者”构成轨迹误差跟踪系统。然后通过Lyapunov的控制理论验证控制器的理论可行性,最后在MATLAB/Simulink仿真平台进行实验,通过改变控制参数来使机器人形成相应的期望队形,在较短的时间内,跟随机器人对参考轨迹的跟踪误差趋向于0且速度收敛,验证了编队系统的可行性。

大汶河流域土地利用时空演变分析及生态空间多情景模拟

多情景模拟土地利用演变为大汶河流域土地管理和推动区域高质量发展提供参考。基于大汶河流域1990、2000、2010和2020年土地利用数据,借助动态度和土地利用转移矩阵分析研究区近30年来的土地利用时空演变特征和相关驱动机制,从地理环境、社会经济和交通路网三方面选取12个驱动因子,设置生态保护、耕地优先和经济发展3种情景,利用PLUS模型模拟研究区2030年土地利用空间分布及对比分析各情景模拟差异。结果表明:①近30年来,耕地面积减少明显,达630 km^(2);建筑用地面积持续增长且增幅较大,占比从8.8%增至16.7%。②2020年土地利用模拟结果Kappa系数为0.89,总精度为93.15%,均高于标准,PLUS模型满足大汶河流域土地利用模拟要求。③综合3种情景模拟结果发现,耕地优先情景下,耕地面积总量得到有效保护,相对限制建筑用地面积的增长,同时生态环境和经济建设都得到较好保障。因此耕地优先情景更符合大汶河流域可持续发展的要求。

多频率组合波形阵风场模拟与测量研究

基于数值模拟方法选取设定FL-51风洞阵风发生器的装置参数,如发生器叶片的数量、展长、弦长及间距等。发生器采用液压摆动缸独立驱动形式,可模拟正弦波、三角波及随机波等多种波形的多频率组合运动,同时能够减少安装传动件,并提升发生器性能。通过阵风场校测结果表明:叶片能够实现摆动频率为0 Hz~15 Hz,在校测范围内发生器产生的正弦流场较均匀;在来流风速40 m/s、叶片摆动频率为10 Hz、摆角为15°时,最大阵风幅值为8.5 m/s。地面测试与流场校测结果表明:该文所提出的阵风场模拟技术可以实现低速风洞多频率多波形组合运动,为风洞试验提供复杂的阵风流场。

考虑多源误差影响的谐波减速器传动误差建模与分析

为解决现有谐波减速器传动误差建模方法的不足,提出一种考虑装配误差、齿面误差的综合误差建模方法。该方法首先建立装配误差和齿面误差数学模型,并进行误差影响参数分析。其次,测量实验样机装配偏心量和歪斜角度,基于模型得到对应偏心误差、歪斜误差模型理论值,齿面加工误差幅值按一般加工工况大小代入模型,得到对应加工误差模型理论值;然后,分别进行500 h、1500 h、3000 h时长的磨损实验,磨损后进行齿面形貌扫描和数据分析,得到对应的齿面形貌参数,基于模型得到对应的磨损误差模型理论值。最后,综合考虑多源误差影响,设置3组同型号样机,进行传动误差实验。实验结果表明:考虑装配偏心、歪斜和齿面加工等影响因素,传动误差的实验测量值与模型理论值误差在1.7~3.3%之间;综合考虑装配偏心、歪斜、齿面加工、齿面磨损等影响因素,在磨损500 h、1500 h、3000 h后传动误差的实验测量值与模型理论值误差分别在-3.45~2.07%、-5.88~-2.94%、1.33~5.33%之间。

面向自动驾驶的多任务辅助驾驶策略学习方法

随着自动驾驶技术的发展,深度强化学习成为实现高效驾驶策略学习的重要手段。然而,实施自动驾驶面临着复杂多变的交通场景带来的挑战,并且现有的深度强化学习方法存在场景适应能力单一、收敛速度较慢的问题。针对此类问题,为提高自动驾驶车辆的场景适应能力和策略学习效率,文中提出了一种多任务辅助的驾驶策略学习方法。该方法首先基于深度残差网络构建了编码器-多任务解码器模块,将高维驾驶场景压缩为低维表征,并采用语义分割、深度估计和速度预测的多任务辅助学习,以提高低维表征的场景信息丰富程度;然后,以该低维表征作为状态输入,构建基于强化学习的决策网络,并设计多约束奖励函数来引导驾驶策略的学习;最后,在CARLA中进行仿真实验。结果表明:相较于DDPG、TD3等经典方法,文中方法通过多任务的辅助改善了训练进程,学习到更优的驾驶策略;在环岛、路口等多个典型城市驾驶场景中实现了更高的任务成功率和驾驶得分,具备优秀的决策能力和场景适应性。

谐波电流激励下电驱动系统振动特性及主动控制策略研究

为研究谐波电流激励下电驱动系统机电耦合振动特性及主动减振控制策略,以某电动汽车电驱动系统为研究对象,综合考虑电机本体结构特性、磁饱和特性、齿轮时变啮合刚度、啮合误差等非线性因素,建立了电驱动系统机电耦合动力学模型,研究了不同谐波电流激励下电驱动系统机电耦合振动特性。在此基础上,提出了基于谐波电流注入的电驱动系统主动减振控制策略,并通过离线辨识最优谐波电流参数。仿真结果表明:电磁激励与非线性机械激励耦合效应导致电磁转矩波动和相电流波形畸变,谐波电流激励加剧电机电磁转矩和齿轮传动系统振动幅值;基于谐波电流注入的电驱动系统主动减振控制策略作用下电机转矩波动及齿轮副动态啮合力6f_(e)、12f_(e)谐波分量幅值明显降低。

基于激光雷达点云的动态驾驶场景多任务分割网络

在自动驾驶场景理解任务中进行准确的可行驶区域以及动静态物体分割对于后续的局部运动规划和运动控制至关重要。然而当前基于激光雷达点云的通用语义分割方法并不能在车端边缘计算设备上实现实时且鲁棒的预测,且不能预测当前时刻的物体运动状态。为解决该问题本文提出一种可行驶区域及动静态物体多任务分割网络MultiSegNet。该网络利用激光雷达输出的深度图及处理后得到的残差图像作为编码空间特征和运动特征的表征输入到网络用于特征学习,从而避免直接处理无序高密度点云。针对深度图在不同方向视角内目标分布数量差异较大的特点,本文提出了变分辨率分组输入策略。该方法能在降低网络计算量的同时提高网络的分割精度。为适配不同尺度目标所需要的卷积感受野尺寸本文提出了深度值引导的分层空洞卷积模块。同时本文为有效关联并融合不同时域下物体的空间位置和姿态信息提出了时空运动特征增强网络。为验证所提出MultiSegNet的有效性,本文在大规模点云驾驶场景数据集SemanticKITTI及nuScenes上进行验证。结果表明:可行驶区域、静态物体和动态物体的分割IoU分别达到98%、97%和70%,性能优于主流网络,且在边缘计算设备上实现实时推理。

考虑速度模式的纯电动公交进出站生态驾驶策略

新能源汽车的大力推广给节能减排带来新机遇的同时,也突显出由于动力系统与传统燃油车存在差异,驾驶人延用传统燃油车的操作方式与驾驶习惯引起电动汽车能耗高的问题。为增加进站能量回收,减少出站能量消耗,本文考虑实际进出站速度模式建立进出站生态驾驶策略。首先,采集纯电动快速公交自然驾驶数据,分析其与燃油公交车的能量消耗差异性。其次,剖析实际进出站速度模式,并基于此分别建立5种考虑速度模式的进站减速策略和出站加速策略,对比能源消耗率分别确定进站和出站生态驾驶策略。之后,在基于速度模式生态驾驶策略的基础上,建立基于快速基因非支配排序的遗传算法(NSGA-Ⅱ)的生态驾驶策略。最后,利用3种驾驶风格下的实际进出站数据验证两种生态驾驶策略的节能效益。结果发现,基于速度模式和NSGA-Ⅱ的生态驾驶策略对耗能型、一般型和节能型这3种驾驶风格的节能率分别为17.04%/23.58%、14.76%/21.48%和5.78%/13.21%,提出的策略对于耗能型驾驶风格的节能率最高,其次为一般型,对节能型驾驶风格的节能率最低。基于NSGA-Ⅱ的策略比基于速度模式的策略节能7.89%。

多轴分布式电驱动车辆电液复合制动控制研究

针对多轴分布式电机驱动车辆电液复合制动中易出现的车辆制动抖动问题,提出了一种建压阶段电机制动力修正策略和一种基于前馈-反馈的协调控制策略,分别在建压阶段和其他阶段通过协调复合制动力来解决制动抖动的问题。针对防抱死控制系统与电机制动系统共同作用时的制动矛盾,提出了一种基于PID控制的ABS控制策略,主要通过改变电机制动力来解决制动矛盾的问题。通过TruckSim、Matlab/Simulink及AMESim联合仿真验证,制动冲击度在建压阶段下降了20.66%,在电机退出阶段下降了92.59%,驾驶感觉得到明显改善。而ABS控制策略也可在保证理想滑移率的同时完成制动能量回收;结合整车制动试验,表明协调控制策略在保证制动效果良好的同时实现了制动能量回收,效果显著。

一种多层多模态融合3D目标检测方法

在自动驾驶感知系统中视觉传感器与激光雷达是关键的信息来源,但在目前的3D目标检测任务中大部分纯点云的网络检测能力都优于图像和激光点云融合的网络,现有的研究将其原因总结为图像与雷达信息的视角错位以及异构特征难以匹配,单阶段融合算法难以充分融合二者的特征.为此,本文提出一种新的多层多模态融合的3D目标检测方法:首先,前融合阶段通过在2D检测框形成的锥视区内对点云进行局部顺序的色彩信息(Red Green Blue,RGB)涂抹编码;然后将编码后点云输入融合了自注意力机制上下文感知的通道扩充PointPillars检测网络;后融合阶段将2D候选框与3D候选框在非极大抑制之前编码为两组稀疏张量,利用相机激光雷达对象候选融合网络得出最终的3D目标检测结果.在KITTI数据集上进行的实验表明,本融合检测方法相较于纯点云网络的基线上有了显著的性能提升,平均mAP提高了6.24%.

基于改进Deeplabv3+算法的滚珠丝杠驱动表面点蚀缺陷检测

针对滚珠丝杠驱动表面背景环境复杂、点蚀缺陷目标小因而难以检测的问题,提出改进的Deeplabv3+滚珠丝杠驱动表面缺陷分割算法。本算法采用Re2Net-50替换Deeplabv3+的主干网络,显著提升了对小尺寸缺陷目标的识别能力。此外,通过在主干网络中融合特征金字塔网络FPN,能够加强多尺度信息的提取,从而增强了对缺陷目标的精确定位。最后,本研究在Deeplabv3+网络的ASPP模块之后引入了Coordinate Attention机制,能够增强模型对图像中空间和维度的关注,有效地捕获了图像中的长距离空间依赖关系。实验结果表明,与原始的Deeplabv3+相比,所提算法在平均交并比MIoU指标上提高了4.38%,准确率Accuracy提高了5.52%,F1-score提高了2.74%。同时,与其他经典的语义分割算法相比,所提算法也展现出了一定的优越性。

连续振动载荷在线复现控制技术研究

提出一种主从分布式振动试验方法,建立了连续振动载荷在线复现控制技术,研制了系统样机。其中,提出一种信号分帧处理与重构技术,解决了长时连续振动载荷的在线波形复现难题;提出一种基于多量级样本库构建与加权平均的传递函数动态估计方法,抑制了系统非线性对控制精度的影响;采用谱误差反馈修正方法,改善了系统的频域控制精度。开展了“1主2从”联台试验,结果表明:时域和频域控制精度良好,整体延迟时间在亚秒量级,全程总均方根值误差在1%以内,为主从分布式振动试验提供了关键技术支撑。

基于改进MobileNet的公路行车环境安全风险源识别

为了检测公路行车环境安全风险源,为公路风险源智能化管控和随机不确定场景下实时安全风险评估提供依据,研究了基于深度卷积神经网络模型的公路行车环境安全风险源识别算法。通过改进MobileNetV3的输出层激活函数和损失函数,将网络输出的风险源类别数量由一个变为多个,解决了同一图像中存在多种风险源的识别问题。利用空间注意力机制加强MobileNetV3网络的特征提取能力,解决了MobileNetV3通道注意力机制无法关注到通道内部风险源特征信息的问题,提升了模型识别准确率。通过通道剪枝方法去除冗余扩张通道,减少网络参数量,提升了模型预测速度。实验结果表明:该方法能够有效识别行车环境安全风险源,检测率达0.829,平均分类准确率达0.833,且具备实时检测效果。

四川天府新区BGI复合功能空间分异特征及其景观格局驱动机制研究

蓝绿基础设施(Blue-Green Infrastructure, BGI)是实现适应气候变化战略目标的重要工具.研究BGI景观格局和功能的空间关系,旨在为城市气候适应性建设提供依据.以四川天府新区(含协调管控区)为例,基于遥感影像数据,从气候适应性视角出发,进行BGI复合功能评价和空间分异特征分析,并运用地理探测器进一步揭示景观格局主要驱动因子及驱动机制.结果表明:(1)复合功能等级整体呈现从龙泉山脉向东西两侧递减趋势,高服务功能集中分布在龙泉山脉、彭祖山景区和三岔湖景区东南方向的协调管控区域.(2)复合功能等级空间分布格局整体呈显著空间正向自相关关系,具有显著高高(HH)、低低(LL)、高低(HL)聚集特征.(3)景观组成类型、网络结构要素类型、斑块密度指数(PD)和面积加权平均形状指数(AWMSI)是复合功能空间分异的主要驱动因子;景观组成类型、网络结构要素类型是复合功能空间分异的主要交互驱动因子.研究探明了景观格局对BGI复合功能空间分异的驱动机制,可用于指导研究区城市气候适应性建设.

锚喷注联合支护技术在沿空掘巷工程中的研究与应用

针对邢东矿近千米采深,且1222工作面为单侧临空工作面,其运输巷为沿空掘巷,受高地应力及采空区叠加影响,后路巷道快速失稳,掘进期间巷道后路产生了持续大变形等支护难题,通过钻孔窥视分析围岩结构失稳后的状态特征,并对锚网支护失效的原因进行了分析,提出了在原有支护基础上,变挂网为挂绳,分层喷注与巷帮锚索梁桁架相结合补强煤柱侧原岩强度,进而维持锚网联合体稳定结构的新方法,并将其应用于邢东矿1222运输巷的支护。实践表明,新支护方案使得沿空掘巷后路巷道围岩松散结构得到补强,有效缓解了沿空巷道掘进过程中后路频繁整修的现象,提高了进尺效率。

一种蜗杆传动多目标优化设计方法

蜗杆传动的传统设计方法主要是设计者借鉴已有的设计实例和经验,首先试选基本参数,再通过校核确定该参数是否满足使用要求。若不满足要求,则重新选择参数进行校核,若满足要求则作为最终的设计方案。由于不同设计者选择的参数一般不同,就会导致同一设计要求出现不同设计方案的现象,且方案一般不是最佳。多目标优化设计方法在排除传统设计方法人为主观因素的基础上,以与蜗杆制造成本和传动性能紧密相关的蜗轮齿冠体积、蜗杆传动中心距、滑动速度等目标为优化对象,建立优化目标函数,确定设计约束条件,利用有关软件优化工具箱寻找最优解进行优化。结果表明,多目标优化设计与常规设计相比,在传动效率小幅提升的前提下,多目标优化设计的蜗轮齿冠体积大幅下降65.42%,传动中心距缩小24.8%,优化设计效果显著,优化后机构综合性能更强。