基于CKF的四轮驱动电动汽车质心侧偏角估计

针对传统质心侧偏角观测精度不高、实时性能差的问题,提出了一种基于CKF算法的质心侧偏角观测器。首先基于CKF算法结合Dugoff轮胎模型,实时观测路面附着系数,计算实时的轮胎力。再结合七自由度整车模型,基于CKF算法,实时、精确观测车辆的质心侧偏角。最后,利用Simulink/Carsim联合仿真验证平台和硬件在环平台进行仿真验证。试验结果表明,CKF算法相比与传统无迹卡尔曼滤波估计精度更高、实时性能更好,较好的改善了传统质心侧偏角观测器在非线性条件下的观测精度。

双雷达与轮轴传感器融合的列车高精度测速方法

为在列车运动过程非线性变化、噪声为非高斯的条件下,实现测速传感器的量测误差校准及融合后的速度高精度估计,提出列车测速系统配置双雷达与轮轴传感器,并根据联邦粒子滤波进行融合的测速方法。以CRH3型列车在两车站间从启动到停止的运行全过程为例,将不同速度估计方法在列车产生空转、打滑、振动以及测速传感器存在动态噪声情况下的测速误差进行分析并验证。仿真结果表明:双雷达与轮轴组合进行校准后粒子滤波相对未校准时在空转和打滑阶段均方根误差可分别降低31.52%、47.35%;对比双雷达分离振动速度校准法和双雷达角度偏差估计校准法,双雷达分离振动速度校准法在列车振动速度占比0~1和雷达安装角误差-1°~1°范围内,相对误差最大可降低39.66%。采用联邦粒子滤波融合后的测速结果较融合前双雷达和轮轴传感器滤波测速的结果MAE分别降低34.71%,14.03%,RMSE分别降低26.51%、10.98%。采用联邦粒子滤波融合的方式较联邦扩展卡尔曼滤波融合测速均方根误差降低26.97%,最大绝对误差可降低16.10%。

基于滤光片转轮式多光谱相机的辐射校正

针对近地面多光谱影像获取方式单一、波段配准及数据定量化等问题,介绍一款可野外连续工作、操作简单、波段易配准的自研滤光片转轮式多光谱相机,并通过实验室内高精度积分球完成相对辐射校正和绝对辐射定标。采用多级亮度定标法和经验线性法建立校正模型,对多光谱相机多波段响应不均问题进行校正,并标定计算得到入瞳处的波谱辐射亮度。设计了不同亮度、不同积分时间的数据采集和处理实验,给出这款新相机各波段的最优积分时间范围。辐射校正和定标结果显示,所选校正系数对不同成像条件的多光谱影像具有高度的稳定性和可靠性,适合滤光片转轮式多光谱相机的辐射校正,定标结果可用于定量反演地表的目标参量,在农作物监测、环境监测与保护等领域具有广阔的应用前景。

成形砂轮激光修整的多轮廓图像合成检测方法

为了解决复杂轮廓成形砂轮激光修整过程中在线检测难、轮廓检测精度低、速度慢等问题,搭建了一套基于砂轮激光修整机床的图像采集系统,提出了一种多轮廓图像合成检测方法,定义了轮廓波动带的概念。首先利用引导滤波和灰度变换预处理砂轮轮廓图像,增强轮廓特征;再使用全局阈值分割和反二值化得到二值图像,将二值图像序列合成为带有像素频率信息的轮廓频率图像,通过阈值分割提取出轮廓波动带;最后使用随机抽样一致算法结合最小二乘法对波动带最外侧的边缘点集进行拟合,完成直线和圆弧特征的检测。结果表明,该检测方法与单一截面视觉检测法相比,检测效率接近,但误差范围缩小了66.67%;与磨削复映检测法相比,检测结果存在一个固定偏差,平均误差在7μm左右,但检测效率提高了91.67%。该方法能高精度、高效地检测成形砂轮轮廓,为成形砂轮轮廓检测方法提供了新思路。

基于ARMAX-KF与速度补偿的拖拉机无前轮传感器转角估计方法

为了解决传统农机导航系统中前轮转角测量传感器不易安装、维护困难以及转角估计不准确等问题,本文提出了一种基于受控自回归滑动平均模型和卡尔曼滤波器的组合模型(Auto-regressive moving average with exogenous input-Kalman filter,ARMAX-KF)与速度补偿的拖拉机无前轮传感器转角估计方法。首先,利用Hammerstein非线性系统对拖拉机的转向系统建模,并采用递归最小二乘法(Recursive least squares method,RLS)将其辨识为ARMAX模型;其次,对后轮轴中心接地点速度进行杆臂误差补偿;最后,提出了ARMAX-KF方法,利用卡尔曼滤波器的校正特性,以拖拉机的运动学转角作为观测值,修正ARMAX模型预测的转角速度积分值,从而估计拖拉机的前轮转角。在速度杆臂补偿测量方法试验验证中,补偿后运动学转角平均绝对误差为1.110°,标准差为1.727°,相比补偿前分别减少61.13%和31.55%;在动态转角试验中,ARMAX模型预测的转角速度标准差为2.439(°)/s,相比采用固定传动比方法误差减少56.58%;采用基于ARMAX-KF的前轮转角估计绝对平均误差为0.649°,标准差为0.371°,相比采用固定传动比和卡尔曼滤波器的方法分别减少56.9%和78.82%;在直线导航跟踪试验中,采用基于ARMAX-KF的前轮转角估计标准差为0.649°,本文提出的方法提高了转角估计精度和农机导航作业质量。

基于KF-LSTM的轮轴横向力间接测量方法研究

轮轴横向力作为评价列车运行安全性的重要指标,对其进行服役状态下的在线监测尤为重要。结合卡尔曼滤波和长短时记忆网络算法(Kalman filter&long short-term memory, KF-LSTM)发展了轮轴横向力间接测量模型。首先利用17自由度车辆横向动力学方程建立卡尔曼滤波算法的过程和观测方程,其次构建最优观测变量集进行间接测量,然后采用长短时记忆网络算法对列车测量效果较差位置处的横向力测量公式进行修正补偿,通过数值仿真与现场试验证明了提出KF-LSTM模型的有效性。结果表明:基于KF-LSTM方法可准确测量0~20 Hz频域范围内轮轴横向力,仿真线路中轮轴横向力序列预测值与仿真真实值的相关系数约0.85,平均绝对误差值约4.82 kN;现场试验中轮轴横向力序列预测值与测力轮对实测值的相关系数约0.84,平均绝对误差值约2.99 kN,并依据该测量方法设置该车辆在该条线路运行时轮轴横向力的预警标准,为工程设计和实践提供依据。

基于GNSS/INS的拖拉机导向轮偏转角度测量系统设计与试验

传统的角度传感器在拖拉机导向轮偏转角度的测量中存在准确度不足、安装调试复杂等问题,这些问题制约了拖拉机在自动导航作业时的高精度、高稳定性的需求。鉴此,本文旨在构建并验证一种新型系统,该系统基于全球导航卫星系统(global navigation satellite system,GNSS)和惯性导航系统(inertial navigation system,INS)的技术原理,能够实现对拖拉机导向轮动态角度的实时解算。首先,对GNSS/INS融合原理进行了深入的分析,并设计了相应的GNSS/INS数据测量台架试验,以获取角度传感器的测量值。随后,采用卡尔曼滤波(Kalman filter,KF)、扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(untraced Kalman filter,UKF)三种滤波算法对角度测量值的滤波处理,以超调量、响应时间和稳定性等指标进行评价,结果表明UKF在本系统中表现最优。其次,针对不同工况(沥青路面和农田),进行了拖拉机在自动导航下转向和直线性能测试。在转向性能测试中,进行了1°、5°和15°的不同角度的固定测量,结果显示在1°时两种环境的响应时间最小,但均产生了最大超调量,同时随着角度的增加,系统对稳态误差的降低有明显作用。直线自动导航性能测试中,沥青路面和农田的最大横向偏差分别为17.51 mm和18.52 mm,系统误差分别为10.45 mm(2σ)和21.07 mm(2σ)。通过对比两种工况,沥青路面的各项性能指标上均优于农田环境,但两种工况在精度、响应时间和平稳性上均满足自动导航系统需求,可应用于拖拉机的自动导航作业中。

基于KFESO的四轮主动转向积分滑模控制

为消除参数不确定和外部不确定扰动对四轮转向车辆操纵稳定性的影响,提出了一种基于卡尔曼扩张状态观测器的四轮主动转向非线性积分滑模控制(KFESO-ISMC)方法。首先设计了一种卡尔曼扩张状态观测器(KFESO),实现了车辆状态观测以及外部扰动估计,克服了传统卡尔曼滤波算法对模型参数精度的依赖的缺点。其次为降低外部扰动引起的车辆状态的跟踪误差,将KFESO观测的系统总扰动补偿到控制输入;并为实现全局鲁棒控制和抑制积分饱和现象,设计了四轮主动转向非线性积分滑模控制方法。最后,硬件在环试验结果表明:在存在内外部不确定扰动情况下,KFESO观测器具有较高的观测精度;在四轮主动转向操纵稳定性的控制方面,KFESOISMC方法相比LQR和ISMC方法具优良的抗扰性能。

基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断

现有列车车轮失圆监测方法的准确性受车速及线路条件影响较大,为了更准确地监测车轮服役状态,文中提出基于形态学滤波和CEEMDAN-WVD的车轮失圆诊断方法:车辆轴箱垂向振动加速度经数学形态学滤波器滤波降噪后,运用完全噪声辅助聚合经验模态分解(CEEMDAN)将其分解为一系列的固有模态函数(IMF),然后选取能量熵增量相对较大的几阶IMF分量进行Wigner-Ville分布(WVD)计算,从而叠加得到轴箱振动加速度的多尺度时频图,最后根据多尺度时频图的分布特征来诊断车轮状态。通过仿真分析和工程实例研究结果表明,运用该方法可有效地识别复杂工况下的车轮服役状态。

基于改进Canny算法的车轮踏面边缘检测

近年来,列车检修逐渐由人检转换为机检,针对在踏面损伤检测图像处理过程中,由于环境光照、背景区域复杂等因素影响,导致图像踏面目标区域边缘检测效果差、细节信息丢失等问题,提出一种基于引导滤波改进Canny算子的边缘检测算法。首先,利用中值滤波和引导滤波组成的混合滤波进行图像去噪处理,在滤除噪声的同时具有良好的保边特性;接着,扩展梯度模板的计算方向来获得梯度幅值;最后,利用边缘信息改进全局阈值的方法自适应获得高低阈值。基于引导滤波改进Canny算子的边缘检测算法能够有效滤除图像噪声,同时检测出更多的踏面损伤边缘信息。

四驱电动赛车TCS滑模预测控制系统设计与实现

针对四驱电动方程式赛车在不同路面工况下过度打滑的问题,设计了一种结合卡尔曼滤波车速估计和滑模控制的牵引力控制系统,以提高整车直线加速性能、减小车轮打滑以保证稳定性和快速加速中的安全性;控制器以车轮滑转率为控制变量,通过调整各驱动轮输出扭矩,以保证滑转率控制在最优范围内;考虑获取准确车速是得到最优滑转率的前提,设计卡尔曼滤波器,实现车速估计;针对滑模控制自身存在的抖振问题,采用改进的指数趋近律,提高稳定性;利用Matlab/Simulink和CARSIM联合仿真,验证了该控制系统的有效性;最终完成实车测试与应用,在实际应用中实现控制系统满足四驱电动方程式赛车的快速平稳加速的工程要求。

基于能量算子的声源定位技术在TADS探测车轮故障中的应用

车轮故障是影响铁道车辆运行安全的重要因素。使用TADS技术可以实现对车轮故障等走行部部件的故障检测。由于同转向架车轮噪声信号的叠加干扰会造成车轮故障等噪声信号区分困难,容易造成车轮故障的误报和误判,因此对故障噪声来源进行定位和区分十分重要。在TADS探测车轮故障进行数据分析时,借鉴了医学领域广泛应用的基于近距离麦克风的双耳结构多运动声源定位的经验。利用TADS的短间距声学阵列,结合TADS探测中声源移动速度快、难捕捉的特点,综合使用谱峭度、Gammatone滤波器、能量算子等技术和手段建立了适应铁道车辆动态检测运用场景的运动声源定位模型,能够实现对快速运动声源的追踪和定位。通过对实际案例进行分析验证了运动声源定位模型方法的有效性,可以给出快速运动声源的运动轨迹。通过运动轨迹与理论轨迹相匹配进行声源性质的判定,可用于辅助诊断车轮故障。

电动汽车驱动系统转向极限工况容错控制研究

在汽车出现转向不足或者过度问题而需稳定控制横摆时,如果依然采取以往容错控制方式,汽车稳定性下降。针对电动汽车驱动系统的故障诊断和容错调控问题,提出以无迹卡尔曼滤波(UKF)与车载传感器信号为基础的故障诊断方式,防止对期望横摆的强制性追踪或许会造成的汽车稳定性较差的问题。研究结果表明:高附着路面下,普通汽车转向时会发生转向过度的情况,汽车稳定性急剧下降,通过以无迹卡尔曼滤波(UKF)与车载传感器信号为基础的故障诊断方式,可确保最后汽车稳定于相应的横摆率上,维持较强的转向性能。该研究有助于提高汽车转向稳定性,尤其是对于智能汽车的控制方面。

卡尔曼滤波与PID的两轮自平衡小车设计

对两轮自平衡小车进行分析,建立了对应的动力学模型,为后续的系统实现提供原理和方向。控制系统采用STM32F103C8T6作为主控芯片,利用MPU6050作为姿态传感器测量小车姿态角,通过卡尔曼滤波进行数据融合,获取姿态角的最优估计。通过PID控制算法输出合适的PWM波来控制电机的转速,构建双闭环控制来保持小车的平衡性,并且可以使用蓝牙模块连接手机进行遥控。经实验证明,该方法可以使小车具有良好的平衡性,能够有效控制小车的运行。

A356铝合金轮毂内部缺陷的在线实时检测

A356铝合金是汽车轮毂生产制造的主要原材料,在铸件冷却过程中容易产生气孔、缩孔等内部缺陷,需要使用X射线探伤设备来检测。在介绍轮毂X射线检测设备的基础上,提出使用背景相减法提取缺陷的技术方案,先用循环引导滤波算法模拟背景图像,然后使用原始图像减去模拟图像,对得到的二值图像经数学形态学后处理,实现缺陷的准确提取。实验结果表明,提出的技术方案通用性强、实时性好,能够用于铝合金轮毂内部缺陷的在线实时检测。

独立驱动电动汽车质心侧偏角融合估计方法

针对传统质心侧偏角估计精度低、实时性差等问题,把四轮独立驱动电动汽车作为研究对象,提出一种基于强跟踪卡尔曼滤波及无迹卡尔曼滤波融合估计的质心侧偏角估计方法。由于汽车在侧向加速度较小时车辆动力学特性基本呈线性变化,此时通过强跟踪卡尔曼滤波快速估计,当汽车侧向加速度较大时车辆动力学特性趋于非线性变化,通过无迹卡尔曼滤波准确估计。最后将两种估计方法的数据融合,完成不同车速不同工况下对车辆质心侧偏角的估计。搭建Simulink-Carsim联合仿真平台对提出的方法进行验证,结果表明该方法在保证估计精度的同时具有较好的实时跟踪效果及鲁棒性。

基于多尺度时频图与卷积神经网络的车轮故障智能诊断

铁道车辆车轮故障的产生,不仅会增大列车的振动和噪声使乘坐舒适性下降,而且会加速车辆及轨道零部件的损伤,严重时还会引发事故,因此对车轮服役状态的实时监测对保证列车安全运营具有重要意义。针对现有铁道车辆车轮故障诊断方法存在自适应能力弱、准确率低等不足,提出一种基于多尺度时频图与卷积神经网络(CNN)相结合的车轮故障智能诊断方法,该方法利用车轮所在轴箱垂向振动加速度来间接识别车轮服役状态。1)首先采用形态学滤波器对车辆轴箱振动加速度信号进行滤波降噪,然后采用完全噪声辅助聚合经验模态分解(CEEMDAN)将滤波后的信号自适应地分解为若干固有模态函数(IMF),选取能量熵增量相对较大的三阶分量作为信号的主分量。2)分别求各主分量的Wigner-Ville分布(WVD),然后叠加转化为多尺度时频图。3)对经典的LeNet-5模型进行结构改进和网络参数优化,构建适合车轮故障诊断的CNN模型,来学习提取车轮在不同工况下的时频图特征,并对时频图进行分类,将特征学习提取与故障分类融为一体,一定程度上实现了端到端的车轮故障诊断。经仿真试验和现场试验验证表明:所提出的方法对于车速、故障类型和故障程度都有很好的自适应能力,故障识别准确率可达97%,且泛化能力强。因此所提方法在车辆运营状态在线监测的应用中具有一定的理论意义和工程价值。

基于多传感器信息的汽车低速车速估计方法

为解决低速工况下轮速传感器测量精度低、更新周期长的问题,利用现有的底盘域传感器的信号,本文提出了一种基于多传感器信号的电驱动汽车低速车速估计方法。为准确估计车速,建立了基于多轮速脉冲信号的车速估算模型(模型I)和基于电机转速信号的车速估算模型(模型II)。在估算轮速时,模型I可以有效地避免噪声干扰,但在极低速的情况下,其更新周期较长;而模型II估算得到的轮速信息更新周期短、精度高,但其无法克服传动系统中由于齿隙所产生的冲击干扰。为充分发挥两种估算模型的优势,本文采用交互多模型融合算法对两个模型的输出结果进行加权融合,并通过实车对比测试,验证了所提出的低速车速估计算法在不同行驶路面下的准确性和可靠性。结果表明,相较于传统轮速估算方法,该方法在低速工况下具有更高的估计精度和实时性。

激光雷达性能参数对轮式机器人建图质量影响研究

针对轮式机器人系统环境建图精度低的问题,基于轮式机器人运动学模型、传感器模型和融合算法等理论及分析,建立轮式机器人系统模型,通过仿真实验综合分析激光雷达性能参数(视场角、角分辨率)对环境建图过程中轮式机器人位姿及建图质量的影响规律。研究发现,随着时间变化,x坐标轴和y坐标轴方向的位置不确定性曲线呈现周期下降趋势,角度误差呈现出围绕一个值上下振荡的趋势;随着激光雷达视场角的增大,曲线震荡减少,且更趋于平滑,同时建图结果的白色边界更加清晰且完整;随着激光雷达的角分辨率增大,曲线震荡增多,且振幅更大,同时建图结果的白色边界更加模糊,精度更低。因此,可通过增大激光雷达视场角、减小角分辨率提高机器人系统环境建图精度。

基于扰动环境下的轮式机器人路径跟踪控制

针对轮式机器人在日常运转过程中,易受到负载、外界非线性干扰以及参数时变等不确定因素影响,提出了一种基于扰动环境下的轮式机器人路径跟踪控制算法。根据对轮式机器人工作时性能状态进行分析,建立出动力学模型;利用带扰动观测器的扩展卡尔曼滤波实现对内外部扰动实时预测和补偿,从而实现对轮式机器人的稳定控制;通过Lyapunov函数对其稳定性能进行证实。利用MATLAB软件进行算法仿真,通过对不同参数的校准调节,完成期望路径下轨迹跟踪实验验证。结果表明,经过扩展卡尔曼滤波器补偿后的轮式机器人,在跟踪精度和稳定性上要远远优于补偿前,证实了所提控制方法的有效性。