多元化服务 支撑新能源汽车产业创新发展——访中山大学智能工程学院副院长谭晓军教授

《广东科技》:请您介绍,中山大学在推动广东省新能源汽车产业创新发展的过程中扮演了怎样的角色?谭晓军:新能源汽车产业技术的发展,属于前沿学术方向,对国家战略、区域经济和社会发展都有着重要的意义。作为广东省“双一流”建设的排头兵,中山大学坚持面向学术前沿、国家重大战略需求、国家和区域经济社会发展,在广东省新能源汽车产业创新发展中发挥四个方面的作用:第一,做好政府的智囊团。中山大学协助广东省政府以及各地市政府制订新能源汽车产业的“十二五”“十三五”产业规划,牵头进行《广东省新能源汽车发展技术路线图》的编制工作,协助广东省科学技术厅编制新能源汽车重大专项指南。

新工科背景下交通工程导论课程体系创新探索

在新工科背景下,交通工程导论课程在交通工程专业课程体系中发挥着十分重要的作用。以新工科建设为契机,针对该课程原有的教学问题,结合专业培养方案,对课程体系进行重塑,提出了以“一科切入、多元融合”和“一核、三层、四翼”为核心的创新课程体系,旨在促进多学科交叉、多课程融合,为交通工程专业结构化教学体系的进一步完善提供借鉴和参考。

面向新工科人才培养的“工程数学”创新教学方法探索

“工程数学”不仅是数学专业的基础课程,也是自动化、计算机、通信工程、智能科学与技术等专业的核心基础课程。在新工科背景下,社会发展和技术进步对人才培养模式及课程教学均提出了新的要求。因此,为了进一步提高“工程数学”课程的教学质量和学习效果,教学改革势在必行。从教学理念的转换、教学内容的优化、教学方法的创新三个角度出发,探索更为先进的“工程数学”课程的课堂教学方法,并提出相应的改革对策,以期适应新工科人才培养要求,提升学生的理论学习与实践应用能力。

面向车辆个体出行检测的卡口布设优化模型

针对高清卡口检测器可以获取出行者个体级别的细粒度信息但难以实现路网全覆盖的问题,从缺失轨迹重构角度出发,研究了面向车辆个体出行检测的卡口布设优化方法。考虑相邻两次卡口检测序列间的缺失情况,提出缺失轨迹一次重构、二次重构方法。基于一次重构原理,创建流量捕获率、轨迹覆盖率以衡量卡口布设方案对路面交通信息的检测规模;基于二次重构原理,创建缺失轨迹离散度以衡量轨迹重构可靠度。以流量捕获率、轨迹覆盖率作为约束条件,以最大化缺失轨迹离散度作为卡口布设优化目标,构建了面向车辆个体出行检测的卡口布设优化模型,并采用粒子群算法求解。以广州市海珠区某区域路网为例,分全新布设和新增布设两种情况进行算例分析,结果表明:在全新布设场景中,优化后的卡口布设方案相流量捕获率提升了6.20%,轨迹覆盖率提升了2.76%,缺失轨迹离散度提升了139%,在车辆个体出行轨迹检测及重构方面比当前方案获得了更优的效果;在新增布设场景中,依次对新增的1-6个卡口进行优化求解,得到了新增位置和优化结果。

基于模型偏差学习的交通信号自适应优化方法

城市交通信号配时优化是保证交通系统整体运行效率的前提条件。传统基于模型的信号控制方法往往基于历史统计数据,并且底层交通流模型不可避免地存在模型偏差,影响控制方案的科学性及其实际应用效果。考虑模型与数据融合驱动,提出一种基于模型偏差学习的交通信号控制自适应优化方法,以最小化路网行程时间为目标,建立信号控制最优化模型。首先,针对交通流预测模型的模型偏差,引入偏差函数表示预测模型与实际交通流状态间的误差;其次,建立基于径向基函数(RBF)神经网络的偏差函数,结合实际交通流数据对模型偏差进行学习,提高偏差函数的拟合效果;在此基础上,提出考虑模型偏差信息的自适应优化方法,以提高信号控制方法的控制性能。以小型测试路网与实际路网为例进行算例分析,基于SUMO仿真对本文提出的模型偏差学习方法进行验证,考虑不同交通流量条件,与固定配时、模型预测控制进行比较,分析其控制性能指标。结果表明,模型与数据融合驱动的信号控制自适应优化方法能有效提高预测模型的准确性,降低路网行程时间,与基于模型的控制和模型预测控制方法相比路网累积行程时间平均减少了38.3%和25.6%,提升了路网的实际运行效果。最后在宣城实际路网的仿真验证了方法的有效性。

液压圆柱滑阀K-K型节流槽流量面积参数模型

针对K-K型节流槽流量系数复杂时变及结构参数强耦合的特征,采用流量面积参数模型(FAPM),开展了液压圆柱滑阀K-K型节流槽阀口流量压降特性研究。首先,推导出K-K型节流槽阀口面积的数学模型,并将其等效为3个单阶K型节流槽阀口面积的组合形式;其次,基于计算流体动力学(CFD)和响应面模型(RSM),建立了极限饱和流量下K-K型节流槽的FAPM模型;最后,通过对FAPM模型的分析,得到组合型节流槽阀芯结构与流量压降的映射关系。研究结果表明:当入口体积流量大于7.31 L/min时,满足极限流量饱和条件,此时流量系数与入口体积流量无关;当入口体积流量分别为20、30、50 L/min时,FAPM模型预测的K-K型节流槽阀口压降与CFD仿真值的平均误差均控制在7%以内。该模型完成了对K-K型节流槽阀芯结构的近似表达,并可应用于其他类型的组合型节流槽。

广东不同区域汽车新能源化的减碳潜力及成本预测

汽车新能源化被认为是减少交通运输行业碳排放的有效政策,实施不同政策的碳减排效果及减排成本值得关注。本文在分析广东省各区域发展现状基础上,基于各车型存活和淘汰规律,搭建自下而上的汽车碳排放预测模型,通过耦合汽车保有量预测模型以及碳减排技术成本核算模型,分区域和分阶段研究广东省不同力度汽车新能源化情景的减碳潜力及短期成本。结果表明:在现有政策情景下,广东省将在2060年前实现车队大规模新能源化,更激进的新能源化政策将有望使此进程提前10年;广东省在现有政策力度下,能够在2030年前实现汽车碳达峰目标,峰值约为1亿t;珠三角(不含广深)地区和非珠三角地区将是减碳重点区域,私家车、其他乘用车以及出租车将是减碳重点车型;短期成本分析显示,相较于基准情景,各情景均呈现短期累计减碳总成本以及单位减碳成本广州和深圳低,珠三角(不含广深)和非珠三角高的特点。

基于非线性建模与拟合的永磁同步电机转子初始位置精确估计方法

针对永磁同步电机转子初始位置估计的精度与收敛速度受限问题,提出一种基于高频信号注入的非线性建模与拟合实现的初始位置估计方法。首先,建立初始位置与高频信号响应的关联模型,表明高频响应可用于直接计算初始位置,但直接计算结果在大部分转子位置易受测量噪声的影响。为此,提出基于多项式模型建立位置估计非线性模型,选取合适的模型参数,利用少量测试点拟合该模型,即可实现初始位置的快速精确估计,有效提高了估计精度与系统抗干扰能力。实验与仿真结果表明,相比现有方法,提出的方法易于实现,无需复杂滤波器与观测器设计,仅需要选取少量测试点即可快速估计精确转子初始位置,在保证估计精度的同时改进了传统估计方法收敛速度慢问题。

基于并行短时面部特征的驾驶人疲劳检测方法研究

为实现更快速、准确的疲劳预警,提出了一种基于并行短时面部特征的驾驶人疲劳检测方法。基于加入了MicroNet模块、CA注意力机制、Wise-IoU损失函数的YOLOv7-MCW目标检测网络提取驾驶人面部的短时面部特征,再使用并行Informer时序预测网络整合YOLOv7-MCW目标检测网络得到的面部时空信息,对驾驶人疲劳状态进行检测与预警。结果表明:在领域内公开数据集UTA-RLDD和NTHU-DDD上,YOLOv7-MCW-Informer模型的准确率分别为97.50%和94.48%,单帧检测时间降低至28 ms,证明该模型具有良好的实时疲劳检测性能。

环境工程“新工科智慧教学”模式设计与探索

在新工科和双一流建设背景下,在以互联网为核心的智能时代,探索现代信息技术与环境工程新工科教育的深度融合,是深化高等工程教育改革的关键。文章以培养复合型环境工程人才为目标,以解决复杂环境污染问题、全面推进生态文明建设为导向,从调动学生自主学习兴趣出发,设计并探讨了环境工程“新工科智慧教学”的新模式。将虚拟仿真、虚拟现实、增强现实、大数据等新兴技术融入到环境工程专业课堂、实验与实践教学中,结合多元化的教学手段与方法,建设智慧课堂。同时,设计“课堂-实验-实习-工厂-仿真”一体化云端智慧教学新模式,打造“教学、科研、培训、开发”一体化智能教育平台,从而激发学生的学习兴趣,全面提升学生的学习能力和解决实际问题的能力,实现实验、实践教学资源的共享。

基于自适应局部交替遗传算法的线缆绝缘厚度检测

针对传统线缆绝缘厚度测量方法存在效率低和准确度差的问题,提出一种基于自适应局部交替遗传算法(ALA-GA)的绝缘厚度检测方法;该方法利用ALA-GA算法在试件图像的内外边缘交替搜索从而获得最优绝缘厚度位置;该算法引入试件先验结构知识,根据试件截面边缘曲率特征自适应选取初始种群,从而保证初始种群基因的优质性和多样性;将交叉和变异操作置前,对于试件截面内外边缘局部交替地自适应改变交叉和变异的方式,从而提高遗传算法的求解速度;为了不丢失任一边缘的优质基因,对交叉、变异后得到的新种群和原种群共同执行后置选择操作;每获得一个最优检测位置,剔除该位置附近的其余解,如此迭代执行ALA-GA算法以获得精确的绝缘厚度检测结果;对比实验以及能力验证表明,基于ALA-GA方法的时间代价为0.6~0.7 s,最薄点测量误差为0.001 2~0.001 5 mm,平均测量误差为0.001 3~0.001 7 mm,测量重复性为0.001 8~0.002 1 mm,均优于现有先进方法,且对不规整线缆泛化能力良好。

自适应迭代学习控制的发展现状与展望

本文在不同问题框架下阐述了自适应迭代学习控制方法的研究现状,并介绍了该领域未来的一些研究方向.首先,简要概述了自适应迭代学习控制的分析方法与控制器结构;其次,从系统的结构特征和运行特征两个角度,讨论了近年来自适应迭代学习控制领域的研究热点,包括非参数型不确定性、输入不确定性、状态受限、状态不可测、非重复运动等关键问题.针对每一类问题,指出了自适应迭代学习控制器的设计和分析特点;然后,探讨了数据驱动自适应迭代学习控制的设计方法;最后,提出了自适应迭代学习控制领域的一些开放性的、具有挑战性的关键问题,亟待进一步研究和探索.

无接触式猪体体尺测量技术研究进展

随着视觉传感器和计算机视觉等领域的科技进步,无接触式猪体体尺检测相关的硬件设备和技术方法都发生了巨大的变化。视觉感知升级为三维立体视角,相应的设备也从黑白相机更新为深度设备。设备类型通常决定了基本的实施方案和技术方法,然而目前该领域的研究大多聚焦具体的算法细节,难以满足实际的工程需求。本文以视觉传感器类型为核心,概述了无接触式猪体体尺测量方面不同的工程部署方法,总结了设备使用方法、采集数据的环境条件和方式等,同时对猪体体尺测量的5个三维点云技术任务进行分析,并归纳了目前研究的优缺点、提升空间以及与实际工程应用相结合的方案,最后展望了深度学习与三维点云技术相结合的研究难点。通过对比发现,深度设备和三维点云技术是未来工程应用的方向,基于深度学习的点云分割、点云补全、关键点检测等技术具有良好的应用前景,为无接触式猪体体尺测量技术的后续研究提供了参考。

基于结构方程的校园电动自行车危险骑行行为分析

为提高校园交通安全性,探究校园环境下大学生电动自行车危险骑行行为的影响因素。根据预调研结果,在计划行为理论(TPB)模型的基础上新增“环境管制态度”变量,编制调查问卷,构建基于拓展计划行为理论的结构方程模型(SEM);通过相关性分析和模型路径检验,对264份有效样本数据开展实证研究。结果表明:校园环境中,学生的日均骑行时长、骑行事故率、充电冲突率与危险骑行行为存在正相关性;行为态度、主观规范、知觉行为控制对安全行为意向有一定影响;对危险骑行行为的抑制作用最强的是安全行为意向,其次是环境管制态度,知觉行为控制对危险骑行行为呈现了与以往研究不同的促进作用。研究结果可为校园危险骑行行为的有效管控提供参考。

基于非冲突合流策略的交叉口灵活信号控制方法

汽车行业智能化和网联化的发展使车辆轨迹能够实现精细化控制,为改进城市交叉口交通信号控制方法提供了新思路。本文提出一种基于非冲突合流策略的灵活信号控制方法,将同时容纳直行和左转来车的合流相位定义为非冲突相位,在双环相位结构基础上融入合流策略,形成一种具备12个动作空间的双环合流信号相位结构。在优化相位结构基础上,进一步提出改进的强化学习算法求解信号配时,以车辆到达情况为输入,当前状态下车辆等待时间最小为目标,充分考虑双环结构下相位切换的实际规律,学习当前状态下的最优相位控制策略。在SUMO(Simulation of Urban Mobility)仿真中根据算例需求生成场景数据,对比传统双环结构和双环合流相位结构在感应控制和改进强化学习算法下的不同控制策略的性能指标,分析网联车渗透率对控制效果的影响。结果显示:基于非冲突合流策略和改进强化学习算法能够在提升相位切换灵活性的基础上生成更加符合现实规律的相位配时方案;在不同交通流量条件,尤其是高流量和交通量分布不均衡的场景下,相较于双环相位结构和感应控制方法降低约37%的车均延误,提升了信号控制方案实际运行效果。

考虑能量和温度特征的锂离子电池早期寿命预测

锂离子电池长期充放电循环周期后会出现容量退化,性能下降,对储能系统构成潜在的危害。为此,本工作提出了考虑能量和温度特征的锂离子电池早期寿命预测混合模型,用以解决当前研究中对温度和能量特征以及深度学习提取出的特征重要性研究不足的问题。首先,为了充分挖掘温度数据中的有效信息,利用电压、电流和温度数据间接计算提取电池的容量、能量和温度信号能量曲线,选取前100个周期的曲线数据构建对应的二维特征。其次,针对卷积神经网络无法对所提取特征图进行筛选的问题,提出了一种基于卷积神经网络和卷积块注意力机制的特征提取架构,利用注意力机制识别各特征图的重要程度,进而实现从特征到早期寿命的映射。在MIT锂离子电池退化数据集上展开实验,对所提出的特征和方法进行效果验证。研究结果表明,相较于基础的卷积神经网络,所提出的混合模型取得了更优的预测效果,平均均方根误差为97.43。此外,对比一系列不同特征作为输入的实验可以发现所提出的温度信号能量特征性能较好,同时多特征融合技术能够实现更优的预测性能。最后,在更少周期数据应用的场景下,模型至少需要70个周期的数据才能保持较好的预测性能和较高的稳定性。

基于时空特征共享的多源交通数据修复

本文提出了一种基于多维度特征共享的多层稀疏张量分解模型(MFS-MSTD)。该模型在CP(CANDECOMP/PARAFAC)分解的基础上,对时空因子矩阵施加低秩正则化;并采用共享低秩因子矩阵的机制表达多源交通数据之间的互补性,在非随机缺失或路段级缺失的场景下完成了因子矩阵的梯度更新。实例验证表明:在速度数据非随机缺失场景下,MFS-MSTD在RMSE、MAE和MAPE三个误差指标上相较于基线方法平均降低17%、21%和18%;在流量数据非随机缺失场景下,RMSE、MAE和MAPE平均降低52%、54%和33%。面对更复杂的路段级缺失场景,MFS-MSTD的修复性能优于TGMC-S和MTNTF两个基线模型,能很好地拟合出未观测路段的交通流量变化。

基于球面沃罗诺伊的颗粒表面离散与重构方法

提出了一种基于球面沃罗诺伊、球谐函数及计算机断层扫描的岩土颗粒表面离散与重构方法。该方法在球坐标参数空间采样的基础上,采用带权重的加权球面质心沃罗诺伊对采样点进行自适应分布,并给出了两种表面重构的加权公式:基于径向距离加权和基于曲率加权。该方法适用于如二次曲面或球谐函数等隐式函数描述的颗粒表面的网格化离散,以及通过计算机断层等方法得到的颗粒原始表面的优化重构。其优点是:可以重构得到任意数量节点的表面网格;提供了一种控制表面网格节点分布密度的灵活方法。对重构后的颗粒进行形状参数分析和离散元模拟,分析并验证了该方法应用于颗粒表面离散与重构的有效性与准确性,其可以简化复杂的表面网格、减少颗粒表面节点,同时保证形状参数的误差在较小的范围,显著减少离散元模拟的时间成本,而不影响最终模拟结果。

基于OBE理念的新工科专业课程大纲设计——以虚拟与增强现实为例

针对传统课程大纲存在的一些问题,提出基于OBE理念的新工科专业课程大纲设计思路,以新工科课程虚拟与增强现实为例,从课程基本信息、课程目标、课程内容、课程评价方式和学生反馈5个方面详细介绍OBE理念指导下新工科专业课程大纲的设计过程,旨在为其他新工科专业课程提供可参考的课程大纲设计范例,推动新工科专业的工程教育专业认证工作。

基于呼吸疲劳节点的驾驶员疲劳状态判别

为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(Karolinska sleepiness scale, KSS)对疲劳程度进行主观自评量化。其次,把单位时间内眼睛闭合百分比(percentage of eyelid closure over the pupil over time, PERCLOS)作为参考,与主观自评反馈结合,对驾驶员呼吸疲劳节点进行标定。最后,基于呼吸疲劳节点利用随机树算法(random tree, RT)获得轻/重度呼吸疲劳变化节点的判别模型。结果表明:该模型能更加及时、准确地判别出驾驶员的疲劳状态;基于随机树算法获得的筛选条件对轻度呼吸疲劳变化节点识别的准确性要高于重度呼吸疲劳变化节点;轻/重度呼吸疲劳变化节点的平均识别误差分别为3.50 min和3.66 min,预测准确率分别为92.09%和92.03%。