程春阳[1]2002年在《汽车相互运动状态监控系统研究》文中指出本文从理论和原理上针对在直线运动状态下汽车相互运动状态监控系统进行了研究。文中阐述了汽车相互运动状态监控系统的总体方案，使用调频连续波(FMCW)雷达作为探测传感器的基础，并在天线部分作了改进，采用了独立的频率扫描天线。这样做既提高了系统的经济性，简化了结构，又使得系统具有了同时测量目标距离、相对速度和方位角的功能。并且分析了雷达的结构与雷达的测试原理。进行了测控系统电路设计，利用单片机内部监视定时器(WatchDog)提高了系统软件的可靠性。本文根据雷达探测系统得到的目标距离、相对速度和方位角等信息，建立了监控系统防碰撞数学模型，与其他模型相比该模型能够最大限度地避免错误警报的发出，并且分析了各种信息在系统中的处理过程。对汽车在刹车减速过程中刹车力与减速度的关系以及车轮的制动模型作了初步研究，建立了动力学模型。并针对防碰撞判断模型中的部分内容进行了仿真，得到了各种因素与安全距离之间的关系。本系统能够在认为有危险存在时，向驾驶员发出警报，并根据分析结果自动地控制车辆的运行。 本文所做工作对今后开展类似汽车相互运动状态监控系统的研究与实验具有很好的参考与借鉴作用。
《中国公路学报》编辑部[2]2016年在《中国交通工程学术研究综述·2016》文中进行了进一步梳理为了促进中国交通工程学科的发展,从交通流理论、交通规划、道路交通安全、交通控制与智能交通系统、交通管理、交通设计、交通服务设施与机电设施、地面公共交通、城市停车交通、交通大数据、交通评价11个方面,系统梳理了国内外交通工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。交通流理论方面综述了交通流基本图模型、微观交通流理论及仿真、中观交通流理论及仿真、宏观交通流理论、网络交通流理论;交通规划方面综述了交通与土地利用、交通与可持续发展、交通出行行为特征、交通调查方法、交通需求预测等;道路交通安全方面综述了交通安全规划、设施安全、交通安全管理、交通行为、车辆主动安全、交通安全技术标准与规范等;交通控制与智能交通系统方面综述了交通信号控制、通道控制、交通控制与交通分配、车路协同系统、智能车辆系统等;交通管理方面综述了交通执法与秩序管理、交通系统管理、交通需求管理、非常态交通管理;交通设计方面综述了交通网络设计、节点交通设计、城市路段交通设计、公共汽车交通设计、交通语言设计等;地面公共交通方面综述了公交行业监管与服务评价、公交线网规划与优化、公交运营管理及智能化技术、新型公交系统;城市停车交通方面综述了停车需求、停车设施规划与设计、停车管理与政策、停车智能化与信息化;交通大数据方面综述了手机数据、公交IC卡、GPS轨迹及车牌识别、社交媒体数据在交通系统分析,特别是在个体出行行为特征中的研究;交通评价方面分析了交通建设项目社会经济影响评价、交通影响评价。
马建, 孙守增, 芮海田, 王磊, 马勇[3]2018年在《中国筑路机械学术研究综述·2018》文中指出为了促进中国筑路机械学科的发展,从土石方机械、压实机械、路面机械、桥梁机械、隧道机械及养护机械6个方面,系统梳理了国内外筑路机械领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。土石方机械方面综述了推土机、挖掘机、装载机、平地机技术等;压实机械方面综述了静压、轮胎、圆周振动、垂直振动、振荡压路机、冲击压路机、智能压实技术及设备等;路面机械方面综述了沥青混凝土搅拌设备、沥青混凝土摊铺机、水泥混凝土搅拌设备、水泥混凝土摊铺设备、稳定土拌和设备等;桥梁机械方面综述了架桥机、移动模架造桥机等;隧道机械方面综述了喷锚机械、盾构机等;养护机械方面综述了清扫设备、除冰融雪设备、检测设备、铣刨机、再生设备、封层车、水泥路面修补设备、喷锚机械等。该综述可为筑路机械学科的学术研究提供新的视角和基础资料。
李埃荣[4]2007年在《基于多传感器数据融合的驾驶状态监控研究》文中研究指明交通事故防治一直是交通安全工作的重点，随着经济的快速增长，在汽车拥有量不断增长的环境下，交通事故所造成的后果也随之更加严重。国内外专家在分析造成交通事故的原因时，比较一致的看法是，在“人”、“车”、“路”这叁大原因中，人为因素是其中的最主要原因。为了保证汽车安全行驶，提高机动车安全性能，开发并完善针对驾驶员驾驶状态和机动车工况进行较为全面的智能监控和预警防范系统汽车的安全监测与控制系统迫在眉睫。而以往的事故防范系统的研究只局限于将传感器的信息送给独立的处理系统，20世纪90年代，当信息处理技术从单个传感器处理变为多个传感器处理时，传感器信息融合技术成为传感器技术发展的一个方面，多传感器信息融合技术成为近年来研究的热点。本文从多传感器信息融合技术理论出发，采集反映驾驶状态的是否疲劳驾驶、方向盘转角大小、紧张程度、车速度四类信息。能准确有效地通过多传感器融合信号对驾驶员的驾驶状态做出实施监控，在司机处于紧张状态或疲劳驾驶情况下，对驾驶员做出提示、警告，必要时实施限速制动。本文是笔者导师2006年申请的山西省科技产业化环境建设计划项目《机动车驾驶状态智能监控装置》的子模块，同时也是笔者的国家发明专利“疲劳驾驶状态监控装置及方法”(ZL：200610012623.6)在硬件方面的改进本文首先从国内外有关汽车主动安全及被动安全方面研究入手，并比较和借鉴国内外各种先进及有效的安全防范措施，将多传感器信息融合技术应用到驾驶员状态监控中。并深入细致地对多传感器信息融合技术进行研究，结合多传感器信息融合在不同层次，不同级别的融合方法，将证据理论应用到驾驶员状态监控的信息融合决策中。分析汽车电子电源的特点及车载电子产品的选用原则，针对系统选用传感器特性，设计了系统采用的电源模块。深入研究CCD传感器的工作原理，并比较CCD传感器和CMOS传感器的优缺点，最后选用NEC公司线阵CCD图像传感器用于驾驶员是否疲劳的监测；深入研究加速度传感器的工作原理，并比较各种不同类型的加速度传感器，最后选用上海朗尚科贸有限公司LAM-TD-360单轴传感器用于方向盘转角的监测；深入研究压电式传感器的工作原理和人体脉搏的微弱型号的特点，最后选用合肥华科电子技术研究所HK-2000系列的HK-2000A集成化脉搏传感器用于驾驶员紧张状态监测；深入研究了霍尔式轮速传感器以及自动防抱死制动系统的工作原理，对各种车用转速测量霍尔元件进行了技术分析和实验研究，选用的了Micronus公司的320A霍尔式轮速传感器，并进行了试验研究。将多传感器信息融合方法的证据理论应用到驾驶员状态监控的多传感器信息融合实例中来，并通过MATLAB计算证明其在该监控系统的有效性。
付皓[5]2008年在《汽车电子稳定性系统质心侧偏角估计与控制策略研究》文中提出汽车电子稳定性控制(ESC)作为一项主动安全技术,能够主动抑制汽车的过度转向或不足转向趋势,全面提高汽车行驶时的操纵稳定性和安全性。本文结合国家863计划项目“电子稳定系统(ESP)集成开发及电动转向系统(EPS)一体化控制技术”,以提高稳定性控制系统自主开发能力为目标,以某国产A0级轿车为研究对象,就稳定性控制的系统建模、质心侧偏角估计、控制策略研究、试验平台建设、实车试验等方面开展研究。首先,论文建立了用于稳定性控制仿真研究的九自由度非线性车辆动力学模型。其次,以车辆侧向动力学为基础,分析了横摆角速度和质心侧偏角对于车辆稳定性的表征关系。针对质心侧偏角难以直接测量的问题,提出了基于扩展卡尔曼滤波的质心侧偏角估计方法。采用分层模块化思想设计了稳定性控制策略的总体结构以及各子模块的算法,通过多种工况的仿真试验对控制策略的有效性进行验证。最后建立了稳定性控制系统车载试验平台,为稳定性控制系统开发和试验研究提供了试验条件。本文的研究为进行稳定性控制系统的自主开发提供了重要基础。
唐亮[6]2012年在《信息化条件下营运车辆安全监管关键技术研究》文中研究表明道路交通安全事故已成为威胁人类公共安全的最严重问题之一，引起世界各国的广泛关注。在道路交通事故中，营运车辆运行范围广，时间长，货物众多，客流量和物流量巨大，营运车辆的安全在道路交通安全中占据较大比例。随着营运车辆急剧增长，现有人工监管方式缺乏对营运车辆安全规律的把握，已难以适应现代交通安全精细化管理的需要。由于交通安全监管系统本质是实时性高、协调性强的复杂系统，严重制约了对影响交通安全的关键因素（如超速、追尾等）的机理和规律的有效认知。目前，信息化与智能化已成为交通安全监管系统现代化的主要发展方向，通过提高营运车辆安全监管系统在感知、通信和控制之间的互联互通互操作能力，为认知交通安全监管的机理及规律提供了新的途径，同时，现代交通理论的发展也为上述问题的解决提供了新的契机。因此，深入研究信息化条件下营运车辆安全监管的技术及其关键支撑理论，以科学的方法准确认知超速、追尾等交通安全现象，以先进的技术支撑营运车辆安全监管系统的发展，对于交通部门实施具有针对性的主动监管提供科学支持，具有重要的理论和实际意义。本文主要围绕基于信息化条件下的营运车辆安全监管技术及其关键支撑理论展开研究。首先构建了信息化环境下的营运车辆安全监管体系，为营运车辆主动管控和参与者联动提供支撑。同时，重点围绕信息化环境下车辆运营安全体系评价技术、车辆超速规律和追尾机理方面亟待解决的关键问题，进行了深入系统的研究，以期从理论和工程应用两个角度突破，从而为科学评价、针对性地实施主动的营运车辆安全监管提供支撑手段和理论依据。主要工作包括以下几个方面：①在营运车辆安全监管体系方面，提出了一种具有信息反馈机制的安全监管体系框架，并在其指导下构建了基于GPS的“两客一危”监控系统。针对交通管理部门、运输企业、司乘人员和应急救援部门在营运车辆监管中缺乏有效信息交互和协同联动机制的问题，首先，从数据驱动的角度出发，应用反馈控制思想，构建包含对象层、监管层、控制层和反馈层的道路交通安全监管体系框架。其次，以交通安全监管体系框架作为宏观指引，构建了一个典型的“两客一危”监控系统，并在重庆市典型高速公路进行部署应用，结果证明了其适用性，体现了该营运车辆安全监管体系具有重要工程应用价值。②在营运车辆的安全评价方面，提出了一种基于熵权理论的运营车辆安全评价方法。综合考虑了影响营运车辆的运营安全评价因素，基于熵的理论确定各因素的权值，然后运用模糊综合评判模型进行综合评价，得出其安全等级。通过把熵权法与模糊综合评价法结合，有效降低了人为因素对权重的影响。将该方法应用于重庆地区“两客一危”车辆运营安全分析，结果表明方法简单易行，评判结果具有科学性和合理性。③在提取营运车辆运行特征方面，提出了一种基于DM技术的运营车辆超速规律分析方法。针对目前难以有效掌握运营车辆超速行驶的规律，基于车载GPS实时监控数据，提出了将数据挖掘技术应用于运营车辆超速规律的分析方法，同时给出了一种基于地图匹配的数据预处理方法，对具有空间属性的数据进行预处理，并建立了四维数据仓库模型。在此基础上利用基于FP-树的关联规则挖掘算法及趋势分析方法，进行了初步的模式挖掘，得到了与决策有关的多种超速规律，为运管部门实施运营车辆的超速监管提供了有效支持和决策依据。④针对营运车辆追尾问题，基于前后车作用关系，揭示了营运车辆追尾机理，并提出了基于多前车信息和基于前后车信息综合利用的车辆追尾抑制方法。针对有效抑制和预防营运车辆追尾技术手段比较单一、车辆追尾机理成果还研究不够深入、以及预警系统采集信息种类、范围及依据的研究缺乏等问题，从前后车作用关系的全新角度，揭示了营运车辆追尾机理。在此基础上分别提出了利用多前车信息和前后车信息来抑制营运车辆追尾的措施，并采用数值仿真验证上述途径的有效性。具体为：提出了基于多前车信息作用下的车辆运动模型-MAVD模型，其结果表明，通过充分利用多前车信息，可以扩大本车稳定裕量，从而抑制本车与前车追尾；提出了考虑前后车辆综合效应的车辆运行刻画建模——BL&OVD模型，研究结果表明通过前后车信息的综合与协同，能最大限度扩大车队稳定区域，从而抑制前后车追尾发生，且只需要采集前方两辆车的信息和后方一辆跟随车的信息就可以保持车辆运行在最佳状态，以保证追尾发生概率最低。综上所述，本文充分融合信息技术和交通理论，构建了一套营运车辆安全监管体系，研究了基于熵权理论的运营车辆安全评价方法，提出了一种基于DM技术的运营车辆超速规律分析算法，探索了基于前后车大范围信息利用的营运车辆追尾机理分析和抑制方法，理论分析和实际应用验证了本文工作的有效性。
佚名[7]2011年在《自动化技术、计算机技术》文中研究说明TP112011011954一般成本环境下分散式多工厂资源调度/陈胜峰,蔚承建(南京工业大学信息科学与工程学院)//信息与控制.―2010,39(5).―640～645.研究多工厂一般成本结构特征,即工厂含有固定成本和单位成本,提出了一种分散式多工厂资源调度方法,该方法使用基于连续双向拍卖市场机制的ZI2策略。ZI2策略是一种包含价格和数量的二维报价策略,agent采用该策略在给定价格范围内随机提交报价。模拟实验结果验证了ZI2策略可以实现较高的调度效率,整体平均效率达到90%。图2表8参10
杜文辽[8]2013年在《状态监控与智能诊断关键技术研究及其在汽车起重机主泵中的应用》文中进行了进一步梳理设备在服役期内的安全性、可靠性越来越受到业界的重视。起重机广泛应用于众多基础建设项目，工作环境恶劣复杂，是事故率最高的特种机械设备之一。设备关键部件发生故障，就可能破坏整台设备甚至影响整个生产过程，不仅造成巨大的经济损失，甚至可能导致灾难性的人员伤亡事故。实时监控设备运行状态、及时对其故障进行诊断是避免非计划停机和保障起重机安全生产的重要措施。基于数据驱动的状态监控与智能诊断是当前研究的一个热点，同时也面临着一系列理论和技术上的挑战：复杂噪声环境下有用信号的提取；设备运行状态有效特征的提取；基于实时在线智能故障诊断模型的建立；以及针对故障样本稀缺和故障模式不完备情况下智能诊断模型的建立等。本文研究复杂工作环境下工程机械状态监控与故障诊断的共性关键理论方法与技术，并应用于大型汽车起重机主泵。主要内容包括：（1）小波去噪是信号处理领域中的重要方法，如何确定小波分解层数是一个关键问题。本文针对加性高斯白噪声的情况，提出了基于blockbootstrap进行白化检验确定小波分解层数的新方法。主要包含叁个步骤：首先对信号进行小波分解，利用延迟自相关量考察小波系数的相关性；其次，根据每层系数相关性的程度，采用block bootstrap过程或者bootstrap过程对原始的小波系数进行采样产生新的bootstrap样本；最后，由于有用信号和噪声在小波空间上不同的传播特性，对获得的小波系数样本进行白化检验，继而确定合适的分解层数。实验表明，该方法对白噪声污染信号能够获得合适的分解层数和良好的去噪效果。（2）小波阈值的选取是小波去噪的另一个关键因素。本文提出了一个基于Advanced False Discovery Rate （AFDR）的多假设检验方法确定小波阈值的新方法，该方法基于对真的原假设数目的估计，选择合适的step wise过程（step-up，step-down，step-up-down）。AFDR过程与标准的FDR过程相比，有两个主要特点：通过减少比较的次数，提高了多假设检验的效率；提高了检验的势。对应的的自适应小波去噪方法主要包含两个步骤，第一，模型在小波域得到更紧凑的表示，第二，根据小波系数本身的特点，选择最合适的FDR过程。仿真数据和实际实验表明，算法能够灵活调整显着性水平的大小并有效去噪，本方法滤波效果与其它经典的滤波技术相比，具有一定的优势。（3）基于小波leaders多重分形分析提出了振动信号特征提取新方法。在本文算法中，由尺度指数、多重分形谱和log累积量构成多重分形特征对设备不同故障状态和故障程度进行诊断，并对各分形特征及其组合的分类性能进行评估。8个小波包能量特征也被引入到特征集合，实验在轴承11组故障数据集上表明，能够获得较为理想的分类效果。同时表明，多重分形特征结合小波包能量特征的分类性能优于多重分形特征或小波包能量特征或时域统计特征，也优于时域统计特征与小波包能量特征或多重分形特征的组合特征。利用距离评价准则，对组合特征进行选择，冗余特征的去除，使分类性能进一步得到提高。（4）提出了基于粒子群相关向量机（Relevance Vector Machines withParticle Swarm Optimization，PSO-RVM）的智能诊断方法，其中粒子群算法用于优化相关向量机核函数的参数，各二值相关向量机按二叉树的组织形式构成系统的诊断模型。实验表明该方法所得模型需要的相关向量个数很少，而且能够得到比较高的诊断精度，适合对实时性要求高的在线诊断系统。另外，针对机械运行最初阶段，往往只有正常状态的样本，到一定阶段后故障样本才逐渐增多，常规故障诊断模型无法进行有效的训练这一问题，本文提出了一个基于蚁群支持向量数据描述(SupportVector Data Description with Ant Colony Optimization，ANT-SVDD)新异类检测和Davies Bouldin指数（Davies Bouldin Index，DBI）K均值聚类方法结合的机械故障诊断框架。首先对正常状态样本建立SVDD模型，并利用蚁群算法对SVDD模型参数进行优化。当拒绝样本数目累积到设定的阈值时，对这些样本利用K均值聚类方法进行处理，获得能够进行标记的类别，其中，K均值聚类的类型数目由Davies Bouldin指数辅助确定。最后，对这些标记出的各类样本，分别建立SVDD模型进行训练，由这些SVDD分类器按照二叉树形式组成对系统状态的完整诊断模型。实验验证了所提算法的有效性。（5）提出了汽车起重机智能维护总体框架设计和数据库系统设计，并利用本文所提出的状态监控和故障诊断关键技术，进行汽车起重机主泵基于小波预处理技术的状态监控分析和基于PSO-RVM、ANT-SVDD聚类的智能诊断研究。信号消噪前后的包络谱表明，利用所提出的预处理技术，可以明显改善信号质量，提高状态监控的准确性。针对汽车起重机柱塞泵6种状态，包括正常，轴承内圈故障，滚动体故障，柱塞故障，配流盘故障，斜盘故障，建立PSO-RVM诊断模型，并与后向传播神经网络（Back-Propagation Artificial Neural Network，BP-ANN）,蚁群优化神经网络（Ant Colony Optimization Artificial Neural Network，ANT-ANN）,相关向量机方法（Relevance Vector Machines，RVM），粒子群支持向量机（Support Vector Machines with Particle Swarm Optimization，PSO-SVM）进行比较。诊断结果表明，PSO-RVM比BP-ANN、ANT-ANN、RVM具有更高的识别精度，与PSO-SVM识别精度相当，分别达到99.17%和99.58%，但是所需相关向量的数目远小于支持向量的个数，每个二分类RVM的相关向量数目是对应SVM的支持向量数目的1/12－1/3。进一步验证了PSO-RVM更适合在线实时监控。利用主泵相同的数据，首先对主泵正常状态建立ANT-SVDD模型，然后对异常样本根据DB指数进行聚类，将由新发现类型样本建立的ANT-SVDD分类器组合进系统诊断模型，实现了主泵新增故障类的智能诊断。
陈端平[9]2016年在《轮式移动机器人监控系统研究与开发》文中研究指明伴随智能制造和智慧工厂的发展,移动机器人作为适应柔性制造和智能仓储的重要组成部分,近年来得到国家和企业的高度重视并取得了长足的发展。轮式移动机器人是一种自动导引车(Automated Guided Vehicle,简称AGV),能够降低劳动强度、提高生产生产效率及智能化水平,是移动机器人工业应用的突出代表。机器人实时监控管理系统是生产管理信息化和可视化的重要组成部分,也是生产自动化和无人化工厂的关键技术。基于监控系统的功能和市场需求分析,对轮式移动机器人监控系统展开研究,具有很好的现实意义。本文在概述移动机器人上下位机系统组成及工作原理的基础上,采用分层与模块化的设计理念,设计了AGV车载控制器及通讯模块软硬件。在分析监控系统功能和市场需求的基础上,提出了移动机器人系统开发的总体方案。基于Markov过程建立监控系统软硬件结合的可靠性模型,并通过对系统状态转移方程进行拉氏反变换,求解系统可靠性模型,得到监控系统可靠度。为了提高AGV系统的抗干扰能力,设计软硬件抗干扰措施。基于具有跨平台特性的Qt开发环境,采用多线程和模块化设计原则,使用C++编程语言设计出具有良好人机界面的移动机器人监控系统。本文设计了移动机器人监控系统的DXF接口模块,实现与第叁方CAD软件间的数据交换;采用Qt支持的轻量级数据库实现数据共享和存储等功能;实现基于ModBus协议串口转无线的远程控制和数据传输功能。此外,还开发了运动控制、电子地图编辑、数据采集及曲线显示等功能模块。经过现场实时运行,监控系统各功能模块运行稳定可靠,达到了设计要求,同时该监控系统具有跨平台、易扩展及通用性好等优点,在移动机器人监控领域有较好的应用价值。
参考文献：
[1]. 汽车相互运动状态监控系统研究[D]. 程春阳. 南京理工大学. 2002
[2]. 中国交通工程学术研究综述·2016[J]. 《中国公路学报》编辑部. 中国公路学报. 2016
[3]. 中国筑路机械学术研究综述·2018[J]. 马建, 孙守增, 芮海田, 王磊, 马勇. 中国公路学报. 2018
[4]. 基于多传感器数据融合的驾驶状态监控研究[D]. 李埃荣. 太原理工大学. 2007
[5]. 汽车电子稳定性系统质心侧偏角估计与控制策略研究[D]. 付皓. 吉林大学. 2008
[6]. 信息化条件下营运车辆安全监管关键技术研究[D]. 唐亮. 重庆大学. 2012
[7]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2011
[8]. 状态监控与智能诊断关键技术研究及其在汽车起重机主泵中的应用[D]. 杜文辽. 上海交通大学. 2013
[9]. 轮式移动机器人监控系统研究与开发[D]. 陈端平. 华南理工大学. 2016