Adaptive Generalized Synchronization of Drive-Response Neural Networks with Time-Varying Delay

This paper studies the generalized synchronization of a class of drive-response neural networks with time-varying delay. When the topological structures of the drive-response neural networks are known, by designing an appropriate nonlinear adaptive controller, the generalized synchronization of these two networks is obtained based on Lyapunov stability theory and LaSalle’s invariance principle.

某纯电驱动重载车辆能耗预测模型

高精度能耗预测模型是准确预测车辆续驶里程的重要前提。针对载荷大幅度变化且非结构化道路运行的纯电驱动重载车辆,建立其组合能耗模型,该模型由能耗计算基本模型与长短时记忆(Long Short-Term Memory,LSTM)神经网络差值修正两部分组成。基于能量流动过程驱动电机和变速器效率建模,结合汽车行驶动力学建立能耗计算基本模型;采用LSTM神经网络来修正基本模型能耗预测结果与车辆典型工况功率测试值的差值,有效提高了大幅变载荷且低信噪比坡度环境下的车辆能耗预测精度,因此组合能耗模型具有参数简单和模型拟合不需解释能耗规律的优点。经试验测试分析,与VT-Micro能耗模型和径向基(Radial Basis Function,RBF)神经网络能耗模型相比,所提组合能耗模型的功率预测平均误差率分别降低了17.76%和3.35%,能够实现纯电驱动重载车辆复杂工况下能耗的准确实时预测。

京津冀创新网络结构演变及其驱动因素研究

基于2018—2021年京津冀13个城市面板数据,构建城市综合创新能力指标体系,采用熵值法和引力模型构建京津冀创新网络,并利用社会网络分析法探究京津冀创新网络结构演变及其驱动因素。京津冀创新网络整体的关联度和稳定性有所增长,但仍处于较低水平,且内部具有明显的等级差异。就网络中城市个体而言,北京和天津对河北省城市产生创新的“虹吸”效应,是中心城市;廊坊和唐山也具有一定创新吸引能力,为次中心城市;河北省其他城市则表现为创新溢出或孤立状态。京津冀创新网络凝聚子群经历分化,形成主受益板块“首都圈”和“直辖市圈”、净溢出板块“环首都—直辖市圈”以及处于孤立板块的“边缘圈”。空间邻近性、城市聚集资源能力差异、文化服务及资源差异以及交通便捷差异对京津冀创新网络产生正向影响,城市教育资源差异对京津冀创新网络产生负向影响,创新产出成果差异对京津冀创新网络的影响逐渐降低。未来应提高网络关联度和稳定性、提升次中心城市的带动作用、鼓励加强板块内外合作以及完善城市间创新资源配置,优化京津冀创新网络,进一步推动京津冀创新协同发展。

考虑截获交通流量与充电行驶距离的电动汽车充电网络规划

为优化电动汽车充电网络布局,提高充电服务能力与效率,提出了同时考虑截获交通流量与充电行驶距离的充电网络规划模型。电动汽车动力电池初始荷电状态的不确定性导致充电网络截获交通流量具有随机特性,采用蒙特卡洛模拟方法对其概率特性进行了分析。为提升充电网络在任何情况下的充电服务能力,所提模型以充电网络截获交通流量最小值最大为优化目标之一。为提升充电服务效率,模型另一个优化目标为平均充电行驶距离最短。此外,模型考虑了充电行驶距离机会约束及充电站建设数目约束,采用非支配遗传算法对所提模型进行求解,获得Pareto最优解集。最后,以25节点交通网络为例进行了仿真实验,验证了所提方法的有效性。并基于仿真结果,分析了机会约束置信度与充电站数目对规划结果的影响。

基于BP神经网络和树莓派的自主驾驶车设计

随着传感器技术和人工智能技术的快速发展,无人驾驶车研究已成为当前机器人领域的研究热点.无人驾驶车利用树莓派作为主控核心设计,以CMOS摄像头作为道路和红绿灯图像采集模块,以直流减速电机和L298N芯片作为驱动模块,根据道路情况利用BP神经网络算法实现车道线的识别,并通过AdaBoost级联分类器对道路红绿灯进行判别,从而实现道路和红绿灯的自动识别和自主驾驶.

针对临时道路的端到端自动驾驶模型研究

近年来,基于深度学习的自动驾驶模型逐渐成为无人驾驶领域的研究热点,常规的自动驾驶模型多采用多级模块串联的方式构建,分别完成感知、规划、循迹等功能,存在耦合性高抗风险能力差的问题。文中提出一种针对临时道路的无人驾驶车辆自动驾驶端到端模型,该模型采用三路视觉传感器图像为输入,以GCViT作为主干网络进行图像特征提取,通过Transformer网络和GRU网络输出局部规划路径,采用PID算法输出转角信息,实现无人驾驶车辆自动循迹。实验结果表明,端到端模型的单帧轨迹规划耗时约80 ms,平均轨迹偏差为0.689 m,满足实时性要求的同时,可完成无人驾驶车辆在临时道路环境下的循迹任务。

现代化产业体系区域协同发展及驱动因素研究

本文在构建现代化产业体系发展评价指标体系的基础上,使用熵权法测算中国30个省(区、市)2012—2021年现代化产业体系发展水平指数,借助修正的引力模型和社会网络分析法测算现代化产业体系区域协同发展水平,采用二次指派程序(QAP)考察现代化产业体系区域协同发展的驱动因素。研究发现,样本考察期内,东部及中部地区现代化产业体系发展水平较高,西部及东北地区发展水平较低;省份间空间关联较弱,区域协同发展程度较低;块模型分析表明,净溢出板块现代化产业体系发展协同性最好;总体而言,内部驱动因素中的产业绿色化、产业数字化、产业基础高级化以及外部驱动因素中的政府创新支持度、人口流动对现代化产业体系区域协同发展促进作用较强。

融合工况预测的燃料电池汽车里程自适应等效氢耗最小控制策略

为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.

知识网络视角下科学、技术、产业间创新驱动关系识别方法研究

开展科学、技术、产业之间创新驱动关系研究,对于实现科学发现、技术创新与产业的深度有效融合与发展具有重要意义。本文从知识网络视角展开科学、技术、产业间创新驱动关系识别方法研究。首先,通过构建时效知识网络,利用社区网络结构熵来表征知识网络结构特征;其次,利用网络结构特征信息间的传递熵探究创新过程中科学、技术、产业三个系统相互驱动的关系;再其次,采用互信息探测主要驱动关系下知识传递路径的变化特点;最后,以再生医学(干细胞)领域作为实证对象,实证研究发现不同时间阶段,科学、技术、产业之间的相互驱动关系会发生转变,三者知识传递路径上知识内容前后继承关系也不同,科学驱动技术过程中的知识传递路径继承性特征持续增强,而技术驱动科学过程中的知识传递路径继承性呈现不稳定、非连续性特征。此外,通过多种方式论证了本文方法的科学有效性,可以用于其他创新领域科学、技术、产业间创新驱动关系的识别。

基于定子电流和电磁转矩双信号融合的齿轮故障智能诊断

在电机驱动的齿轮传动系统中,电机本体具有传感器的特性,因此可以通过电机的定子电流、电磁转矩信号来进行齿轮故障分析,由于受转速和负载转矩的影响,使得故障诊断结果的准确率较低。针对此问题,提出一种基于双信号融合与反向传播神经网络相结合的齿轮故障诊断方法。对电机齿轮传动系统一体化建模,进行电机齿轮传动系统联合仿真。对齿轮的不同故障进行模拟,得到电机侧定子电流和电磁转矩的故障信号,采用双树复小波变换来分析齿轮故障频段信号,提取故障特征量,建立了丰富的齿轮故障样本库。搭建反向传播神经网络并提出改进的自适应学习率算法,实现了对齿轮断齿、磨损故障的精确分类。为了验证所提方法的有效性,搭建齿轮故障试验平台,对相应齿轮故障进行诊断。结果表明,所提方法能够在不同转速和负载转矩条件下准确辨识齿轮的故障类型,相较于只采用定子电流和电磁转矩中一种信号对齿轮进行故障诊断,该方法准确率更高。

基于生成对抗网络的驾驶行为风险监测方法

针对真实驾驶场景下驾驶行为风险难以准确判断的问题,提出一种基于生成对抗网络的生成序列评估框架,旨在通过车辆行驶状态数据与驾驶场景信息匹配度评估来提高驾驶行为风险判断的准确性。构建真实驾驶场景数据匹配序列框架,利用生成对抗网络增加不同驾驶场景的数据量,提出一个驾驶员个性化情景感知样本数据集,对比分析真实数据和生成数据,并验证生成对抗网络检索与生成框架在匹配车辆行驶状态数据与驾驶场景信息方面的有效性和准确性。采用无监督学习生成评估框架,结合自回归模型中的监督训练控制策略来解决数据扩增问题,并通过迭代更新样本序列进行策略集成以保持模型鲁棒性。实验结果表明,相较于现有方法,所提研究框架在识别危险驾驶状态方面具有明显优势,为车辆行驶状态数据与驾驶场景信息的匹配评估提供了一种新的视角。

基于改进SegNet网络的障碍物检测算法研究

为了提高自动驾驶车辆的多类障碍物检测的精度,提出一种改进的SegNet神经网络算法。该算法在SegNet网络的基础上结合残差网络和多尺度融合算法,提高分类的准确性。对网络训练策略进行改进,采用自设置对比度归一化算法、学习率调整算法和类平衡算法提高网络的鲁棒性和收敛速度。通过在不同场景下进行实验,结果表明,相较于SegNet神经网络,改进后的SegNet神经网络的像素平均精度(PPA)从85%提高至97%;平均交并比(MIOU)从76%提升至90%。

基于动态轨迹规划的自动驾驶车辆协同换道方法

传统的多车协同缺乏对目标队列和换道车辆信息的有效利用,为考虑动态信息变化对换道过程的影响,本文提出基于动态轨迹规划的自动驾驶车辆协同换道控制方法。首先,针对自动驾驶环境下单车进入车辆队列的研究场景,提出基于实时动态信息的协同换道控制框架,在考虑换道车辆与目标队列车辆的合作以及换道行为给目标队列带来影响的基础上,构建非换道期间和换道期间的纵向协同控制模型;之后,在换道车辆发出换道请求并满足换道触发条件后,考虑队列纵向协同目标,根据纵向速度变化动态规划每一时刻的期望轨迹,提出基于正弦曲线的动态换道轨迹规划方法,得到安全和可靠的轨迹曲线,并采用模型预测控制的轨迹跟踪控制算法,实现实时轨迹跟踪;最后,通过搭建Prescan-Simulink联合仿真平台,设计多组不同速度工况下的仿真实验,以及设置传统基于前车—跟随策略的控制算法与本文的控制策略进行对比,综合分析换道触发时间、队列稳定时间和速度波动幅度这3项指标,验证本文控制策略的有效性和可行性。仿真结果表明:本文所设计的协同换道控制策略和传统方法相比,队列的平均稳定时间缩短了34%,队列的速度波动幅度保持稳定,并在不同相对速度的工况下,均能够实现车辆安全和高效地换道。

中国绿色创新效率空间关联网络特征及其驱动因素研究

运用基于序列DEA的SE-U-SBM模型测度我国30个省份2007—2019年绿色创新效率,利用修正的引力模型和社会网络分析方法解构了我国省际绿色创新效率的空间关联特征,并借助QAP方法探讨了绿色创新效率空间关联网络的驱动因素。研究结果显示:(1)我国省际绿色创新效率上升趋势明显,呈现东部>中部>西部的空间分布格局。(2)中国绿色创新效率的空间关联呈现出复杂的多线程空间网络关联关系,省际绿色创新效率的关联性不断加强,空间关联网络稳定性进一步增强,东部省份大多属于净溢出板块,中西部省份为相对受益板块。(3)地理距离、城镇化水平差异、人力资本差异、财政分权差异、相近的R&D投入强度和资源禀赋差异是影响我国绿色创新效率空间关联网络形成与发展的重要驱动因素,对绿色创新效率空间关联网络具有显著的促进作用。应着力推动要素市场化改革,破除区域市场分割和行政壁垒,加强区域政策协调性,实现绿色创新效率协同提升。

苏南水网地区水域景观破碎化时空演变特征及驱动因子研究——以吴江区为例

以苏州吴江区为对象,选取1990、2000、2010、2020年土地利用数据,利用Fragstats4.2对1990-2020年水域景观破碎化演化特征进行定量分析,并借助地理探测器模型探讨水域景观破碎化时空特征的驱动因子。结果表明:(1)从景观水平破碎化特征分析来看,研究期内吴江区水域景观破碎化程度先增大后减缓:1990-2000年水域景观受到人工建设干扰,空间分布离散;2000-2020年水域景观破碎化程度降低、整体空间格局趋向整合。从类型水平破碎化特征分析,河流、湖泊及内陆滩涂在1990-2000年破碎化程度日益加剧,斑块空间分布离散,2000-2020年水域斑块连接性逐渐增强;水库坑塘斑块类型分布在1990-2010年破碎程度降低,2010年后破碎化程度上升。(2)吴江区水域景观破碎化受到自然、社会等多元因素影响,各因子对水域景观破碎化时空分异的影响明显不同,且各驱动因子间存在显著交互增强效应,其中人类活动强度因子影响最为显著。研究结果可为探明水域景观破碎化形成机理提供思路,对苏南水网地区生态环境保护和可持续发展具有参考意义。

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。

造纸机分布传动可编程控制器PCC系统的应用

PCC可编程控制器以其强大的数据处理能力、高运算速度和可靠网络连接等优势,在在造纸工业中得到广泛应用,充分发挥其优势有助于推进造纸机的智能化发展、提升造纸机的技术水平。对此,简述了PCC系统控制原理,设计了以PCC B&R 2005为主控制器、操作面板为人机界面、PROFIBUS现场总线为通信方式的造纸机分布传动控制系统,对系统中主要硬件选型与配置、系统通信方式、下位机软件设计等进行了详细说明,并基于组态王与PCC进行造纸机分布传动上位机监控界面的设计,以期提高造纸机分布传动控制系统的控制精度、实时性和稳定性。

基于主要驱动因子筛选法和深度学习算法的浙江省动态需水量预测

收集了浙江省2000—2020年各用水行业需水量数据,采用基于Spearman秩相关分析的主要驱动因子筛选法筛选了影响各行业需水量的主要驱动因子,进而构造了改进的长短时记忆(LSTM)神经网络需水量预测模型,对各行业需水量进行动态滚动预测,并将改进LSTM模型的预测结果与传统单变量LSTM预测模型、卷积神经网络模型、支持向量回归模型的预测结果进行了对比。结果表明,基于主要驱动因子筛选法改进的LSTM模型能实时动态滚动预测各行业每年需水量,且预测结果精度高于其他3种模型。

晋城市不同区域洪涝驱动要素分析

兼顾城市不同空间特征的内涝问题,是提升城市防洪排涝能力的关键.本文以晋城市主城区为例,针对不同开发程度的管网密集区与管网稀疏区2类下垫面,构建SWMM-ICM-WCA2D模型,模拟不同降雨情景下管网排水与地表淹没状态,分析城市内涝驱动要素.结果表明:管网密集区的内涝积水主要受降雨强度、管网排水能力和地形特征的影响,主城区现状管网设计标准较低,5 a一遇降雨条件下排水容量已趋于饱和;管网稀疏区高程≤751 m的淹没区水深较大,其余高程大的区域积水深度较小而流速较大;不同降雨情景下,管网指标与淹没要素间均表现出较强的相关性,特别在高水深(>1 m)时的联系更为密切,相关系数>0.78.