车辆仿生结构气动特性分析与优化

以Ahmed车辆为研究对象,采用CFD数值模拟的方法,研究非光滑棱纹仿生结构对车辆空气动力学特性的影响。对不同行驶速度下原车尾涡速度矢量分布以及升阻力系数的仿真计算,并根据风洞试验结果验证数值模拟的有效性。在原车尾部设计非光滑棱纹仿生结构,以阻力系数和升力系数为优化设计目标函数,以仿生结构的几何尺寸,空间布置尺寸,以及行驶车速作为设计变量,建立Kriging近似模型,并采用多目标遗传算法进行带有棱纹仿生结构的Ahmed车辆模型优化分析。经CFD验证,优化后的带有棱纹仿生结构的Ahmed车辆模型阻力系数降幅约为5%,升力系数降幅约为29.35%,能够起到显著的减阻增稳效果。计算结果也表明,建立的Kriging近似模型的误差为2%左右,可信度较高。     

梯度向量直方图的行人检测

行人是道路交通的参与者也是受害者,计算机视觉的行人检测,由于其在车辆辅助驾驶系统中的重要应用价值,成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。为了快速准确地对行人进行检测,提出了一种梯度向量直方图的行人检测方法。该方法使用高斯平滑进行图像预处理,然后利用直方图相似性,选择一些具有强分辨能力的特征来表征行人,最后用(Haar)特征分类器,从目标和背景中获得的经过筛选的特征。实验结果表明,该方法对行人检测是快速且有效的。     

基于Winger谱时频熵在齿轮故障诊断中的应用

为了充分挖掘Winger时频谱有效信息,研究提出一种基于Winger分布和信息熵理论相结合的柴油机故障诊断方法。首先运用Winger分布分析得到原始信号的时频分布,然后基于信息熵理论建立Winger谱时频熵,得到反映故障状态特征的特征参数,通过识别变速箱齿轮的磨损程度为例,通过Winger谱熵的大小判断齿轮的磨损程度。通过实验分析,证明此方法的有效性,为变速箱预知维修提供了一定的理论依据。     

基于Winger-SVD的轴承故障诊断方法

提出了一种基于振动信号Winger分布和奇异值分解相结合的轴承故障诊断方法。首先将振动信号进行Winger分布分析;然后将得到的Winger谱矩阵进行奇异值分解,得到反映机械故障状态特征的特征序列;最后将振动信号的Winger谱奇异值作为特征向量,使用支持向量机进行故障诊断。