基于中国剩余定理的UWSNs贪婪转发的地理路由

利用节点位置信息转发数据包的地理路由广泛应用于水下传感网络。为此,提出新的贪婪转发地理路由。CRT-GF路由引用基于中国剩余定理的分组机制。在CRT-GF路由中,如果存在两个或2个以上的数据包转发节点,就利用CRT将源消息划分为分组,从而降低源节点转发消息的尺寸。同时,CRT-GF路由通过深度调整实现拓扑控制,进而处理地理路由中出现的孤立节点问题。实验数据表明,提出的CRT-GF路由可有效地提高数据包传递率,并降低端到端传输时延以及能耗。     

无线多媒体Mesh网络容量感知路由优化研究

为了实现无线多媒体在高负载率业务下的资源预测和QoS优化,首先利用概率预测的容量感知模型探测MAC层的重传信息,动态感知无线链路的状态,实现高负载业务下的统计的信道容量概率预测.其次,利用跨层设计技术,基于链路状态和节点干扰的容量预测模型,提出一种基于位置的容量感知路由优化算法LCAR,实现统计的QoS网络资源预留以及分组转发,提高网络资源利用率.仿真结果表明,与现有的QoS路由优化方法相比,提出的算法可以降低无线网络的重传次数平均1～2次,提高无线网络的分组转发效率10％,平均改善网络的吞吐容量10％.     

基于特征提取的车道线快速检测方法研究

车道线检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对自动驾驶车辆当前道路可行驶区域检测精度不高、环境适应性差及实时性差的问题，提出了一种基于特征提取的快速检测车道线的方法。在图像预处理阶段，首先读取视频图像，把每一帧RGB图像转为灰度图，通过Canny算子对图像的边缘轮廓进行提取，然后绘制车道线的掩码区域，并与边缘检测结果图结合，对感兴趣区域（ROI），也就是对车道线所划分的汽车当前可行驶区域进行提取。最后进行概率霍夫变换和最小二乘拟合，并将得到的直线绘制到原图像中，最终对每一帧处理后的图像进行输出。该算法在多种边缘检测方法中选用Canny算法，并针对人为选取双阈值的复杂性问题，提出了自适应调节、选取阈值的方法；运用改进的概率霍夫变换对车道线进行检测，并进行离群值的过滤，有效提高了检测精度和速度。结果表明：该算法处理每一帧图像的时长为13.9 ms，且平均准确率达到97.6%，具有较好的实时性和准确性。     

基于点集优化和干扰点模糊化的车道线识别

提出了一种抗干扰车道线识别方法，通过对车道线点集的优化，能够去除道路上行驶的其他车辆造成的干扰。优化过程主要包括点集元素的预挑选、干扰点的去除以及有效点的补充。在干扰点去除的过程中，针对车辆边界很难精确定位的问题，对干扰点集进行了模糊化处理，引入隶属度函数对点集中元素的干扰程度进行描述。多工况试验证明，车道线识别方法能够稳定地对车道线进行识别，准确地提取车道线参数，并且算法体现出了对车辆干扰的良好抵抗能力。     

一种基于能量约束的传感器网络动态数据融合算法

本文针对传感器网络具有能量约束、低速率冗余数据、网络拓扑易变的特点，提出了一种基于能量约束的动态数据融合算法。该算法首先利用不确定测度进行传感器的动态聚类分组，然后再对每一组通过能量约束选择关键点，通过各组的关键点构成一个连通的数据融合路径，完成传感器网络的数据融合，减少传输到目的节点的信息。实验结果证实，该算法在保证能量消耗少、网络拓扑结构可变的条件下，具有较好的实效性和鲁棒性。     

基于遗传模拟退火算法的大件公路运输路径选择优化

针对大件公路运输路径选择优化难题,以最小化运输成本为目标,在考虑带配送时间窗、客户服务时限、车辆超载惩罚、车辆载重限制、车辆容积限制的基础上,构建了大件公路运输路径选择优化模型,并提出改进遗传模拟退火算法对此类问题进行优化.该算法首先基于满足车辆容积和承载量的两层编码方式产生多个初始种群,然后各种群之间通过相互竞争实现优秀个体的迁移共享,最终搜索到最优解.最后,通过实例仿真验证了该算法解决此类特殊运输问题的有效性,并通过与其他算法进行比较,证明了该算法的先进性,为大件公路运输路径选择问题提供了新的解决思路.     

基于混合模拟退火算法求解电表配送车辆路径问题

为了使电能表集中配送业务中的车辆路径选择最优化,提出一种混合模拟退火算法。针对单相电能表集中检定后的配送需求,综合考虑各车型的固定成本、可变配送成本和配送里程,以总成本最小为目标,建立了具有固定车辆数的多车型车辆路径优化模型。基于多车型路径划分算法生成初始可行解,通过引入基于概率的多算子邻域搜索,采用禁忌搜索中的禁忌表对模拟退火算法进行改进,给出求解算法。以计量中心配送业务为实例,验证了模型的实用性和算法的有效性。     

基于ASP的网络化制造平台资源优化配置的方法研究

针对网络化制造服务平台实现制造资源的共享和技术资源的优势互补的优点 ,分析了网络化制造模式下车间设备资源的特点 ,提出了一种改进的层次分析法用于实现资源优化与配置 ,阐述了该算法在基于网络化制造服务平台中如何实现资源优化选择 ,并用实例说明了该算法的有效性、方便性和实用性     

多异构网重叠区域能耗均衡的协作路由研究

随着无线传感网络WSNs(wireless sensor networks)的广泛应用,同一区域被多个WSNs重叠覆盖已成普通现象。在这种情况下,可通过多个WSNs间协作传输数据包,提高多个WSNs的寿命。为此,对多异构网重叠区域能耗均衡的协作路由进行研究,提出基于路由寿命的协作路由RLCR(routing lifetime-based cooperative routing)算法,均衡了各异构网的能耗,提高了它们的网络寿命。RLCR算法引入了能够多信道转发数据包的共享节点,它们能够与任何WSN通信。同时依据按需路由协议AODV(adhoc on-demand distance vector)建立路由表,并依据路由寿命选择路由,尽可能地延长各网络寿命。仿真结果表明,与基于EBCR算法相比,RLCR算法提高了网络寿命和时延性能。     

基于机器视觉的智能车辆鲁棒车道线识别方法

针对目前传统车道线识别算法在复杂道路环境中识别困难的问题,提出了一种基于机器视觉的智能车辆鲁棒车道线识别方法。为消除噪声干扰以及提高特征检测效率,设计了一种自适应道路感兴趣区域(ROI)计算方法,针对不同情况的车道可自适应地将车道区域与非车道区域分离。对待检测目标采用改进划分角度的检测算子进行车道线特征检测,同时对车道图像有针对性地采用多色域阈值处理,以提高算法的环境适应性。对转换视角后的车道线采用DBSCAN聚类及NURBS曲线进行拟合,并利用随机抽样一致法优化车道线模型以滤除误匹配。实验结果表明,该算法可有效识别出各种道路工况下的车道线。     

无人驾驶车辆路径跟踪控制预瞄距离自适应优化

基于道路信息,使用驾驶员预瞄模型产生执行器输入是无人驾驶车辆在路径跟踪中使用的主要方法之一,但对于车速较高与转弯半径小等工况,模型误差会导致较差的驾驶舒适性,车辆甚至失去稳定性。为提高无人驾驶车辆路径的跟踪精度,同时兼顾转向频度和车辆稳定性,提出基于粒子群多目标优化（Particle swarm optimization,PSO）算法的预瞄距离自适应驾驶员模型,并将之应用于路径跟踪控制。首先,基于单点预瞄偏差模型,采用滑模变结构设计转向控制器;其次,以路径跟踪精度、转向频度和车辆稳定性为综合性能指标,设计了PSO优化算法,实现了驾驶员模型预瞄距离的自适应寻优。最后,在搭建的CarSim-Simulink联合仿真平台与台架试验上,对所提出的预瞄距离自适应驾驶员预瞄模型进行了仿真和硬件在环试验验证。结果表明,经优化后的预瞄距离能够适应不同车速和道路曲率,驾驶员预瞄模型能兼顾路径跟踪精度、转向频度和车辆稳定性等需求。预瞄距离自适应驾驶员模型结合道路与车速信息,增大对路况与车况适应性,为无人驾驶车辆路径跟踪控制提供可靠的输入。     

关于精确平均点度随机网络仿真模型的研究

为提高仿真模型的可信度，提出了一种随机网络生成算法。研究内容包括：随机节点的区域性分布，中心节点、OVERLAY功能节点的选择，实验推演新的概率连通公式，增加点度分类约束策略及随机网络快速连通策略等。在算法基础上建立了具有精确平均点度的随机网络仿真模型。对该随机网络仿真模型的性能做了一定的阐述、模拟和分析，表明该模型是通用性的、可定制的。与现有算法相比，该算法收敛性好，并能线性逼近所模拟的实际网络。     

基于 EM 估计的多模型车载组合导航算法

针对行车过程中车载全球卫星导航系统受遮挡产生多径效应、可见星数量少等影响,造成的定位精度差的问题,提出了 一种基于期望最大化(EM)的交互式多模型车载组合导航算法。 本文采用了混合高斯分布模型描述 GNSS 多径效应误差分布, 提出了基于 EM 的 SINS / GNSS 子系统组合导航信息融合方法,实现多径效应偏置误差的估计。 建立了基于零速约束的 SINS / OD 组合导航模型,同时利用交互式多模型算法实现了在 GNSS 信号丢失情况下的导航模型交互融合,提高了车载组合导航系 统精度。 车载实验结果表明在 GNSS 多径效应及信息丢失条件下,本文所提出算法能有效提高导航精度,多径效应的混合高斯 模型偏置为 10 m 条件下,偏置估计误差小于 0. 5 m,水平最大定位误差为 2 m,比传统交互式多模型算法定位误差降低 84. 62% 。     

基于随机动态规划的混合动力履带车辆能量管理策略

混合动力履带车辆采用发动机—发电机组和电池组混合供电,必须设计满足车辆动力性和燃油经济性约束的能量管理策略。针对串联式混合动力履带车辆,提出一种基于随机动态规划的能量管理策略设计方法。以实车行驶试验数据为目标工况,将驾驶员功率需求抽象为随车速变化的马尔科夫过程。建立发动机—发电机组、电池组以及直流母线功率平衡动态模型。以目标工况中燃油消耗及电池最终荷电状态的偏差作为车辆的优化控制成本函数,建立车辆能量管理最优控制问题。采用策略迭代法求解以发动机转速、电池组荷电状态、车速和驾驶员功率需求为输入、发动机电子节气门为输出的最优控制策略。所得控制策略通过基于前向车辆模型的仿真以及行驶试验验证。结果表明,相对于原发动机多点控制策略,所得最优控制在满足目标工况同时,燃油经济性明显提高。     

电动轮汽车差速助力转向系统路感优化

根据电动轮汽车差速助力转向系统工作原理,提出转向路感、转向灵敏度、转向稳定性的概念及量化公式;在传统模拟退火(SA)算法基础上,以转向路感为优化目标,转向稳定性和转向灵敏度为约束条件,设计自适应模拟退火(ASA)算法,对系统参数进行优化设计。仿真结果表明:基于ASA算法的电动轮汽车差速助力转向路感优化,可在保证系统具有较好的转向稳定性和转向灵敏度基础上,有效提高系统的转向路感。研究结果可为电动轮汽车差速助力转向的设计和优化提供理论基础。     

基于期望横摆角速度的视觉导航智能车辆横向控制

针对采用传统位置偏差控制方法的车道保持系统横向控制精度不高以及鲁棒性差等问题,提出一种跟踪期望横摆角速度的车辆横向控制方法。在车辆当前行驶位置和道路预瞄点之间实时规划逼近目标路径的虚拟路径,同时分析当前时刻车辆以无偏差形式沿此虚拟路径行驶时决定车辆行驶位置的横摆角速度及速度之间的关系。结合车辆道路相对位置及车身状态信息,设计期望横摆角速度生成器。基于7自由度非线性车辆动力学模型,设计滑模控制器跟踪期望横摆角速度,使得车辆稳定地跟踪目标路径。根据车道线宽度和边缘点数量统计进行边缘检测,能有效识别模糊车道边缘和抑制噪声,并通过对消失点的检测来有效去除非车道线的干扰。仿真及试验结果表明,与传统的位置偏差控制方法相比,期望横摆角速度法不仅能提高车辆横向控制的精确性且跟随偏差随车辆速度及道路曲率的变化波动范围小,具有很好的鲁棒性和自适应性。     

考虑碳排放与收益的随机并行拆卸线平衡优化

针对废旧产品回收过程中,需有选择对综合收益高的零部件进行拆卸的问题。选择最小工作站数,平滑度,碳排放量,拆卸收益作为优化目标,并对相应目标进行量化分析,提出一种随机并行拆卸线平衡优化方法。在构建随机并行拆卸线基本解集的基础上,为避免Pareto解集逐渐趋同的问题,提出一种基于环形拓扑结构的花授粉算法(Ring topology flower pollination algorithm, Ring-FPA),实现了对Pareto解集的决策处理,获得考虑碳排放与收益的随机并行拆卸线平衡最优解。以手机和笔记本电脑并行拆卸线平衡优化为例,选择NSGA-Ⅱ、FPA,以及AFSA算法进行对比,对所提方法的可行性和有效性进行了验证。     

Direct adaptive neural control of antilock braking systems incorporated with passive suspension dynamics

A direct adaptive neural network-based feedback linearization (NNFBL) slip control scheme for an antilock braking system (ABS) is presented. The NNFBL slip controller is developed to minimise the vehicle braking distance and to simultaneously improve its overall ride comfort and road handling. The comprehensive vehicle model incorporates the passive suspension dynamics, the dynamics of the electro-mechanical based braking system and air drag and wheel bearing friction. A feedforward, multilayer perceptron (MLP) neural network (NN) model that is well suited for control by discrete input-output linearization (NNIOL) is selected to represent the ABS with passive suspension. The NN model was trained using Levenberg-Marquardt optimization algorithm. The controlled signal was further boosted using a genetic algorithm generated gain. The effectiveness of the proposed controller is demonstrated by simulation results, in the presence of deterministic road disturbance input to the suspension and varying road conditions. The results are superior with respect to braking distance minimization and also to reference slip tracking, especially on the dry asphalt road.     

基于随机有限元的可靠度计算

基于随机有限元 ,研究了复杂机械零件的可靠度计算。根据随机有限元算法 ,编写了计算机程序 ,求出了变形、应力的均值和方差。应力、强度概率密度函数确定可采用应力 -强度干涉模型 ,用公式或数值积分求可靠度。应力、强度概率密度函数不确定 ,用 Monte- Carlo法。基于极限状态方程 ,研究了优化方法求可靠度 ,采用了遗传算法。考虑模糊因素对复杂机械零件可靠性影响 ,给出了模糊可靠度计算公式。随机有限元使复杂机械零件可靠性预测成为可能     

基于虚拟激励法的三维随机路面仿真

通过改进的虚拟激励法原理,在现有二维路面谱的基础上,从空间路面频率谱出发,将之拓展到三维空间内的路面谱,给出模拟随机路面谱的方法。同时,为了给虚拟样机仿真分析提供较为复杂三维仿真路面环境,基于单点FFT路面不平度时域模型,建立了三维FFT随机路面数学模型,并实现了其在Matlab中的仿真;依据改进的虚拟激励法理论,建立了生成三维路面文件的通用模型,包括节点的生成和单元生成算法,并导入Adams形成所需的三维路面仿真环境。应用上述方法生成C级路面.对所选择的车辆样机进行了行驶平顺性仿真,与GB/T 13441—92标准对比分析得到了该车行驶平顺舒适性的合理时间。