车辆网络（共10篇）
车辆网络 篇1
1 前言
2003年剑桥大学学者Smith[1]基于机电相似理论创造性地提出了一种无接地约束的与电容完全相似的理想元件——惯容器, 其出现解决了电子网络与机械网络不完美对应的问题。
本文通过建立机械阻抗形式表示的ISD悬架结构的1/4车辆模型, 来推导振动响应量的传递函数, 采用正实综合的方法寻找以舒适性为导向的新型悬架结构, 然后采用量子遗传算法对得到的ISD悬架结构进行参数优化, 并进行仿真分析。
2 悬架系统模型
1/4车辆模型如图1所示, 弹簧ks为已知部分, 未知结构部分用一正实控制器K (s) (速度阻抗) 表示, sm、um分别为簧上质量和簧下质量, ks、kt分别为已知弹簧刚度和轮胎刚度, zs、uz、zr分别表示簧上质量位移、簧下质量位移和路面位移, F代表悬架未知结构部分产生的作用在簧上质量和簧下质量的等大反向的力。
其动力学方程为
3 正实鲁棒控制器
用一正实控制器K (s) 来表示悬架未知部分。对于线性定常系统, 无源性即正实性, 正实引理建立了频域框架下系统的正实性条件和时域里状态空间相应正实性条件的等价关系[2]。利用正实引理, 将求解悬架结构的问题转化为求解正实鲁棒控制器的问题。
基于LMI的正实H2控制问题即设计一个控制器K (s) , 使之具有以下状态空间实现形式:
式中:kx为控制器的状态向量, yk表示控制器输出, uk表示控制器输入, kA、kB、kC、kD为待确定的正实控制器参数矩阵。
利用遗传算法和LMI算法结合求解, 在给定的范围内初始化控制器, 对于给定的控制器样本, BMI退化为LMI, 可利用LMI方法直接求解。
4 正实综合
性能指标采用文献[3]中采用的性能指标, 车身加速度对路面输入的均方根值可表示为:
簧载质量为sm=317.5kg, 非簧载质量为mu=45.4kg, 悬架弹簧刚度为ks= (10-40) k N/m, 轮胎刚度为kt=192k N/m, 假设车辆以速度v=25m/s驶过路面不平度系数为0G=6.4xm3/cycle的地面。利用LMI列写矩阵不等式约束并确定目标函数, 用遗传算法求解二阶控制器。取ks=18000N/m, 求得二阶控制器为:
根据三种元件的速度阻抗以及阻抗的串并联特性, 进行物理实现, 如图2 (a) 。元件参数值见表1, 因2c值比较小, 可以忽略, 从而得到如图2 (b) 的结构。
5 动态仿真
优化后的ISD悬架系统如图3所示。1Z为两级间公共端点位移, 路面输入模型采用积分白噪声的时域表达式, 其输入方程为:
式中: (tw) —均值为零的Gauss白噪声。
设汽车以v=20m/s速度行驶在0G=5×m3/cycle的路面上, 优化后的各元件相关参数:惯容器惯容系数为339.1kg, 悬架刚度为22k N/m, 悬架阻尼系数为1.5k N·s/m, 系统输出功率谱响应如图4所示。
对比仿真结果:相比于传统被动悬架系统, 含液力可调式惯容器的悬架系统在小幅度牺牲悬架动载荷增加的基础上其性能得到了提升和改善。其中, 车身加速度功率谱密度降低了13.8%;轮胎动载荷功率谱密度降低了10.1%。
6 结论
与传统悬架系统相比, 通过网络综合的方法得到的ISD悬架系统能够明显改善车辆低频段的乘坐舒适性和行驶安全性。
参考文献
[1]SMITH M C, WANG Fucheng.Performance Benefits in Passive Vehicle Suspensions Employing Inerters[C]//42nd IEEE Conference on Decision and Control, Maui, Hawaii USA, 2003:2258-2263.
[2]刘芳, 雷霆, 方勃.整星隔振器的无源控制设计[J].力学季刊, 2009 (30) .
[3]Christakis Papageorgiou and Malcolm C.Smith.Positive real synthesis using matrix inequalities for mechanical networks:application to vehicle suspension[C]//43rd IEEE Conferece on Decision and Control, 2004:5455-5460.
[4]CHEN Michael Z Q, Papageorgiou Christos, Scheibe Frank, et al.The Missing Mechanical Circuit Element[J].IEEE Circuits and Systems Magazine, 2009, 9 (1) :10-26.
[5]SMITH M C.Synthesis of Mechanical Networks:The Inerter[J].IEEE Transactions on Automatic Control, 2002, 47 (10) :1648-1662.
[6]Shen Y, Chen L, Yang X, et al.Improved design of dynamic vibration absorber by using the inerter and its application in vehicle suspension[J].Journal of Sound and Vibration, 2016 (361) :148-158.
车辆网络 篇2
车辆年检(个人)所需资料：
1.行驶证原件
2.交强险副本
3.身份证复印件
4.车辆
车辆年检(单位)所需资料：
1.行驶证原件
2.交强险副本;
3.代理人身份证复印件
4.车辆
最佳时间
机动车在年审日前的3个月，都可接受检测申请年审。最好提前两个月或1个多月，别等到距离年检到期只剩不几天才想起受检。其次，每月10日前，检测站业务量相对偏少，是过线免排队的良机，中旬开始车子增多，下旬是扎堆期
年检结果
注意事项
车辆年检
车辆年检
车的外表不能有改装。
1.加包围
2.车身颜色
3.玻璃太阳膜防爆膜颜色不能过深(一米以外能看清车内物品;主要指包面车、货车，5座以下的小车没关系)
4.面包车和货车都要有尾部扩大号
5.弹簧弓片的片数不能增减
6.面包车座不能多或者少，要有灭火器
7.厢式货车车厢不能改装(不能开侧门，不能开顶，不能加尾板)
8.轮胎大小不能有改动、同轴轮胎的花纹要一致
9.车辆有未处理的交通违章，或车辆被法院查封的，不可以年审
拓展阅读：车辆年检常见问题
1.机动车多久检一次?
国家规定，机动车必须定期通过尾气检测、汽车外观、车灯、刹车、底盘等检测合格，并以无违章记录的情况下，发放检验合格标志。所有年检日期按行驶证上登记的日期为准，机动车从注册登记之日起，按照下列期限进行安全技术检验，一般统称为“年检”或“年审”。
小型、微型非营运载客汽车6年内，每2年检测一次，超过6年每年检一次，超过15年的，每6个月检验1次。
营运载客汽车5年以内每年检验1次;超过5年的，每6个月检验1次。
载货汽车和大型、中型非营运载客汽车10年以内每年检验1次;超过10年的，每6个月检验1次。
进口车辆跟其它车型一样，在任意检测场都可以定期检验。
2.车辆能异地年检吗?
车辆可以异地年检。异地委托年检的程序要求车主必须首先向原注册地提出申请，之后才能进行年审，而且每年都得到原车辆注册地车管所提出申请。
如果在车辆使用地有未处理的违章行为，必须提前处理完毕。
办理委托异地年审需要提交机动车行驶证、有效期内的交强险保险单副本原件，委托他人代办的还需要提交代理人身份证明。再由所属车管分所开具委托异地年审的证明，就可以去车辆使用地进行车辆年审。
如果车主由于工作生活等原因，将长期离开一个城市生活在另一个城市，建议给办理“车辆外迁”手续。
3.年检过期还可以检车吗?
机动车登记管理规定，车辆未按照规定期限进行安全技术检验的，由公安交通管理部门处警告或者200元以下罚款。也就是说，过期未检车是违法行为，但检车线工作人员告诉记者，在没被交警逮住前，没有发生事故前，抓紧补检就没问题。该工作人员表示，脱检属于非法驾驶，如果发生意外，保险公司是不赔的，所以各位车主还是要保证正常年检。
4.检车前有哪些项目需要自检?
机动车年检中刹车、手刹、灯光亮度这三项是否决项，意味着只要有一项不合格，全车即为不合格。为此，从以下几个方面下手：
轮胎气压检查：把轮胎气压尽量调到车辆标定气压(看说明书，千万别听轮胎修理部)，四个轮胎气压一致。
路试刹车：急刹时不能有甩头或甩尾的情况。如果新换了刹车片或刹车盘，一定要跑过500公里以上再去检车。另外刹车片尽量左右同时换，避免刹车力量不均匀。
手刹的调整：找个熟悉的修车店，把手刹调到3个牙，即使“咔咔咔”三响，手刹几乎不动了。特别注意，检车合格后，再调回正常状态，否则会费手刹。
灯光的调节：灯光亮度要正常，把灯罩擦干净。找个夜间，大灯打远光，距离车灯5米的距离，一般要照在人的腰带位置稍下点。左右和上下偏移不是否决项目，属于建议调整。
检车前尽量保持车容整洁，轮胎上没有泥污，特别是灯罩干净。
按照以上提示去做的有车一族，您基本可以高效的完成检车了。
5、年检时要注意什么
1、年检时会检测车尾气检测是否合格，也就是氧传感器和三元催化器。而它们最佳工作温度是400到800摄氏度，所以建议车主们在进行尾气上线检测时，在外检区提前发动车辆进行预热。会增加通过率!
2、年检验车之前，车主要提前清洗车身，事先对车辆车身、发动机舱、底盘的进行清洗能给检测人员提供方便，也有利于通过年检。
3、车管所会对车辆的灯光进行检查。如果被检查出车辆的灯光过暗或者过强则会被视为不合格，不得通过年检。建议在年检前恢复原车大灯的状态，以通过检测。
4、车辆的制动性能是车辆安全性的一个最重要的指标之一，在年检时是一项必须要检查的项目。所以，刹车油以及刹车皮是需要重点关注的两个地方。
6.小客车“6年免检”实为“6年免上线检验”
机动车“6年免检”不是“不检”而是“6年免上线检验”。机动车所有人或使用人要按照行驶证规定的期限到交管部门窗口领取检验合格标志，否则就要被处罚呦!
道路交通安全法及其实施条例根据车辆用途、类型、使用年限等特点，设定了不同的检验周期，小型私家车6年内每2年检验1次，6至15年每年检验1次，15年以后每半年检验1次。
4月29日，公安部和国家质监总局联合下发了《关于加强和改进机动车检验工作的意见》，推出了严格资质管理、规范检验行为、改进便民服务、强化监督管理四大项18个小项措施，其中“改进便民服务”包含了进一步扩大新车免检范围、试行非营运轿车等车辆6年内免检、推行机动车异地检验等6个小项的便民服务措施。
根据《意见》，自209月1日起，试行6年以内的非营运轿车和其他小型、微型载客汽车(面包车、7座及7座以上车辆除外)免检制度，每2年需要定期检验时，车主提供交通事故强制责任保险凭证、车船税纳税或者免征证明后，处理完交通违法、交通事故后，可直接向公安交管部门申请领取检验标志，无需到检验机构进行安全技术检验。
“需要提醒大家注意的是，检验周期是法定的，此次私家小汽车检验周期没有发生变化，仅是试行对6年内新车免予上线检测。因此，车主还是要每2年申领一次检验标志。”
《意见》还规定，如果在此期间车辆发生过造成人员伤亡的交通事故，仍需按原规定参加检验;对于交通安全责任大、易引发群死群伤的交通事故的面包车和7座(含)以上车辆，暂不纳入免检范围。
注册登记6年以内的非营运轿车和其他小型、微型载客汽车(面包车、7坐及7坐以上车辆除外)到北京市公安局公安交通管理局车辆管理所、分所及(部分)区、县交通支大队车管站、执法站申请机动车检验合格标志。
7.车辆年检标志丢失，如何补办
在机动车安全技术检验合格和交通事故责任强制保险有效期内，机动车检验合格标志因故损坏或者丢失、灭失的，机动车所有人应当携带机动车行驶证前往本市任意车管分所
车辆网络 篇3
摘 要：伴随信息技术的飞速发展，无线技术、传感器技术的发展，使得无线传感器技术有了低成本、低功耗、多功能的特性。随着科学技术的不断发展，当今社会的交通网络日趋完善，有关车辆管理的问题也愈发突显，此时基于传感器网络的车辆管理系统也应运而生。车辆识别信息是交通规划和管理部门重要的信息来源。基于传感器网络的车辆管理系统，对于有效地管理交通提供了更多可执行性以及效率性，对交通管理技术的发展产生了重大的影响与意义。
关键词：传感器网路；车辆管理；系统
1 基于传感器网络的车辆识别技术简述
无线传感器网络系统一般包括传感器节点和汇聚节点。节点大量部署于被感知对象内部或附件中。这些节点通过自身组织的方式构成无线网络，以协作的方式实时感知、采集和处理网络覆盖区的信息，通过多跳的方式经由汇聚节点链路将整个区域的信息传送到远程控制管理中心。正是由于以上途径，使得无线传感器网络具有资源有限、网络规模大、覆盖面积广、拓扑结构相对稳定、感知数据冗余度强、干扰更强等特点。
由于每种车辆的物理参数（如长宽高、颜色等）皆不相同，则需做好有关车辆类型的分类。车辆识别将车辆划归为实现分好的类别，采集多个车辆参宿作为样本，根据事先划分好的车辆类别，将隶属于同一类别的车辆信息进行汇总。其中车辆的分类精度是评价一个车辆识别系统的重要评价指标。生活中，通常根据不同的交通应用采用不同的车辆分类方案，现较流行的分类方案是美国联邦公路局（FHWA）的车辆分类方式，其分类的侧重点是车辆的车轴数。
2 时下的车辆识别技术存在的问题
2.1 受到环境与光线的影响大
目前使用的车辆识别方法大多为应用图像技术、感应技术等方式进行车辆的分类，其中基于图像识别技术识别率可达90%以上，但是上述方法仍存在局限性，比如环境以及光线的影响，同时，车辆上喷涂的漆料也会对于车辆识别产生影响。
2.2 造价高、覆盖面积小
目前的车辆识别系统的安装成本以及维护费用很高，且耗能较大，会造成不必要的浪费，同时由于其不具有较高的灵活性，因此其覆盖面积小，不利于大范围使用以及大规模部署。
2.3 大型车辆对结果的影响
在交通管理以及研究中，譬如卡车、大型货车这种大型车辆也会对于结果产生影响。大型车辆体型大且速度低，对于公路的容量检测、环境评估会产生影响，同时会对车辆的分类统计精度也会产生或多或少的影响。
3 用于车辆识别的信号分析及车辆分类
3.1 用于车辆识别的磁信号分析
第一，磁场信号的方向性特征。由于地球的磁场在不同的地理位置具有不同的倾角和幅度，但是这仅限于大的范围而言，在很小的范围内，在同一行驶方向上的两个相邻的磁阻传感器节点测量的车辆信号特征基本上是相同的。根据计算，在磁力线与地面所成角度为65°左右时，车辆在同一地点的不同行驶方向所测量到的磁场特征差距较小，进一步从理论上说，利用无线节点测量的磁场信号进行车辆分类是可行的。
第二，磁场信号的偏移特征。将磁阻传感器节点安置车辆底部的不同部位，所测量的磁场强度不同。从理论上讲，解决该问题的方法是在测量车道上放置一排节点，将各个节点的测量数据进行结果对比分析，找到数据中相关性最大的数据，便可以作为最终测量数据进行识别。
第三，车辆的磁场特征。每种车辆都有其固定的相关特征，不同类型车辆的磁场信号特征也不尽相同。前文提及，车辆识别技术是通过磁阻传感器测量的车辆特征信号，与每个节点内存储的每种车辆特定的信号进行比对，其中关联性最大即实际测量数据。在此操作之前，应先制定车辆识别算法来获得每种车辆信息的模型。
3.2 车辆分类
利用相关算法，可将原始车辆的磁场信号转换为具有较小矢量大小的车辆特征信号，再根据前面提到的方法利用车辆的特定磁场信号进行车辆分类。每种类型的车辆对应的一系列车辆的特征信号集，计算所测得的车辆特征信号和节点内存储的车辆特定的特征信号进行比对，比较二者的相关性，相关性最大的车辆特征信号对应的车辆类型就是该车辆的类型。进行车辆识别的时候可使用最邻近法这一算法，它可以更好地提高车辆识别环节的效率与准确性。
4 基于传感器网络的路况信息监测
交通管理方面，实时监测恶劣天气与道路上的情况也是至关总要的。实时监测积水、积雪、结冰、能见度低等天气情况，以及道路损坏、桥梁损坏等突发情况，将路况信息快速传送给驾驶员，确保驾驶员的行车安全。由于监控道路的路况参数变化较为一致，可将用于道路情况的参数监测传感器安放在各个节点上，或使用专门具有能量供应的节点用于道路状况的参数监测。其中传感器可以选择温度传感器、湿度传感器、光强度传感器、加速度传感器相结合，全方位进行各项参数的监测。路况监测节点安放在路面上，用来监测道路积水、结冰情况。
同时，对于车辆的监测可使用声音传感器，搭配前文提到的磁阻传感器，二者合一，既可以监测当前路况的车流量，又可以进行车辆分类操作，更大程度提高效率。
5 传感器网络的优化
在计算机互联网、科学家合作网、产品生产关系网和电力网络等诸多领域，都会产生小世界现象，许多实际的复杂网络既不完全规则又不完全随机，而是介于这二者之间，既有类似规则网络的较大集聚系数，又具有类似随机网络的较小平均路径长度。无线网络传感器也是如此。网络编码可以实现数据发送对拓扑结构容错性，通信代价比传统的多路径容错低，但无线传感器网络本身由于体积、计算能力、存储空间的限制，无法使用高复杂度的编码算法策略，未来网络编码对于无线传感器网络的容错问题的研究工作则是尽量减小编码算法的计算复杂度，根据实际情况设计攻略，付诸实践。
6 结语
在实际设计相关无线传感器网络系统时首先应了解其他方法的优劣性，总结其实用性与局限性，其次进行新的系统设计。交通管理在一定程度上是国家发展的重中之重，有关基于无线传感器网络的车辆分类系统以及对于路况的实时监测，可提高交通运输部门的工作效率性以及精准性。此外，合理地使用优化算法，优化网络编码技术，使所接收到的车辆特征信号更精确、更及时。从而使得整个系统的效率逐渐提高。
参考文献：
[1]崔逊学，赵湛，王成.无线传感器网络的领域应用与设计技术[M].北京：国防工业出版社，2009.
[2]徐力.无线传感器网络的安全和优化[M].北京：电子工业出版社，2010.
作者简介：姬婷（1995—），女，河北泊头人，沈阳理工大学本科在读。
侯凯（1996—），男，辽宁葫芦岛人，沈阳理工大学本科在读。
车辆网络 篇4
关键词：课程平台,设计,车辆流体
一、引言
随着现代计算机信息技术的不断发展, 提高高等院校的教学质量和水平, 让教学工作扩大使用范围, 不受时空限制, 充分利用教学资源。利用网络发展技术、数据库技术等计算机网络相关的信息技术和手段, 已广泛地被高校师生掌握。网络课程教学特点:
1.内容体现科学、严谨, 覆盖面广, 跟踪学术技术发展的前沿, 反映科学技术最新的动态。
2.课程设计平台多样化。网络课程设计内容以动态形式体现出来, 文本、图片和Power Point的讲稿是多媒体化的综合体现。文本、图片、动画、声音、视频等呈现手段得到广泛综合运用。
3.注重网络教学的方法与特点。网络课程平台的建设一定要认真地进行教学设计, 注意学生学习的自主性、学习时间的灵活性等特点, 注意主目录和子目录的导航系统的设计, 使学生能准确进入当前的位置, 同时能快速、方便地进入下一个学习内容。[1,2,3]
《车辆流体传动与控制》课程是车辆工程专业核心课程, 是一门系统性强、难度大、理论性强的课程, 为了提高教学效果, 提高学生的自主学习性, 我们研究开发了本课程的网络教学系统, 以适应教育的现代化[1,2,3,4]。
二、网络课程设计
网络系统以教学平台为基础, 每个系统之间实现相互连接, 整个系统都实现了教与学的交互过程, 教师可以利用这个平台提供的授课服务, 同时可以进行修改教学资源、答疑和测试考核等工作, 学生利用网络平台, 在此平台上查阅本课程的学习资源, 提出疑问、答题和测试等。课程设计内容的基本结构框架如图1:
整个系统包括六大模块, 网络平台框架结构平台主要由教学管理平台、教学内容平台、考核平台、设计平台和多媒体展示平台等部分组成。设计平台展示了各个相关系统的设计过程, 是对教学的更高要求, 也是对教学内容的升华。每个平台通过三级目录的形式提供快速浏览功能, 所谓三级目录就是:建立章、节、小节的三级目录树, 这样就将整个教材系统有层次地展现给学生。
最终的设计平台, 实际就是一个顶部和嵌套的左侧框架式网页, 顶部为标题框架, 左侧区域为导航框架, 右侧是各部分内容的展示区。框架的基本结构图2:
三、教学管理平台
教学管理主要包括计划管理、教学目标管理、教学过程管理、质量管理、教师管理、教学档案管理等。其中设计平台主要包括:课程简介、课程设置、教学大纲、教学日历和教材等内容。其中的每一部分在网页左侧的导航区都对应有一个超级连接, 点击超级连接各部分的详细内容会在右侧进行展示。
四、课程教学内容平台
本结构框架的主要内容主要是由课程的基础理论、应用及设计等三部分组成。超级连接方式和管理系统一样, 网页左侧主要是导航区, 每部分内容都有一个超级连接, 在页面右侧进行展示详细内容。同样, 课程考核平台、课程多媒体平台、课程设计平台以同样的页面显示器连接过程。
五、课程设计平台
设计平台建设主要内容包括两大部分, 由发动机和底盘组成。其中发动机部分主要包含了发动机的两大机构和五大系统。底盘部分主要包括悬架系统、转向系统和制动系统等。发动机部分设计效果图和视频, 本部分设计平台进行了例举分析内容。
设计平台是展示与课程相关系统的主要设计过程。包括设计所需的基本理论、方案、设计参数的确定及计算、设计步骤等内容。以空气悬架的设计为例对设计平台的应用进行详细介绍。单击设计平台下的“悬架系统”超级连接, 进入空气悬架的设计。从展示图中可以看出空气悬架的设计主要包括空气悬架简介及设计方案的选择, 设计参数的确定及计算和绘制CAD图三部分组成。
六、结论
本文简单介绍了《车辆流体传动与控制》网络课程设计与建设整个过程, 并介绍了平台设计主要研究内容。本网络系统设计整体结构良好, 界面清新, 内容科学严谨, 教学功能较齐全, 表现手段体现了综合型、立体型, 多媒体应用比较适宜。并结合《车辆流体传动与控制》这一课程完成了网络平台的建设。平台以网页为表现形式, 在设计时结合课程的特点, 采用框架式网页的整体布局, 左侧索引右侧显示, 达到了预期效果。
参考文献
[1]陈庚.谈网络课程建设的进展和不足[J].实践探索, 2004, (2) :51-54.
[2]昌灏, 林兴发.高校精品课程网络化建设中存在的问题与对策[D].武汉:湖北工业大学经济与政法学院, 2007.
[3]袁松鹤.现代远程教育网络课程建设的内容框架研究[J].广东广播电视大学学报, 2010, (6) :13-18.
车辆网络 篇5
号：29 要素号：6.2.4 车辆报废记录
序号
车牌号
报废原因
报废部门
报废时间
此项由公司填写
临近报废车辆维修记录 车辆编号
报废日期
管理部门 安全生产部 管理责任人 部长 维修部门
维修时间
维修人
维修主要内容 1 检测发动机、清洗油路、调试油泵 2 尾气检测、更换空气滤芯 3 检查灯光、检修电路 4 调试刹车，四轮保养 5 电压稳定测试、电池测试 完成情况 1 发动机无异常、油路畅通，运行良好 2 排放符合标准 3 所以灯光发光正常，亮度够 4 刹车情况良好 5 电池工作正常 管理部门验收情况
验收意见：车辆各方面功能检测正常，符合标准，允许上路运输。
备注
车辆网络 篇6
关键词：地铁车辆,辅助系统,供电网络
地铁作为城市交通中最快速最便捷的交通方式, 在很大程度上缓解了日益增加的城市交通压力, 是城市重点建设的交通工具。负责地铁日常电力提供的便是地铁车辆辅助系统, 而地铁辅助系统又有两种不同的供电系统, 分为内部供电系统和外部供电系统。
1 地铁车辆辅助系统供电网络的简述
地铁车辆辅助系统供电网络采用分散式供电和集中式供电两种供电方式。分散供电采用城市电网中的变电所和中压输电线为地铁车辆辅助系统进行供电, 该供电方式需要城市电网中的变电所拥有不同地区的电源提供的双向电源, 具体方式参照图1。集中供电方式则使用地铁实际用电量、线路长度来搭建的专用变电所提供电源, 实现集中供电, 具体方式参照图2。
地铁车辆辅助系统的设计需要满足以下条件:
1.1供电的输入要求
电源的输入需要多个电源接入口, 需要在列车的车头位置安放多个地铁车辆专用电源插座, 并确保车辆电源电路形成联锁和互缩, 包括受流器、接触网等。
1.2设计容量要求
在地铁车辆辅助系统设计时, 要保证设计总容量高于可能最高负载量的1.4倍。系统中的逆变器能够在其中任意一个出现故障时, 在确保自身的负载量的情况下, 代替故障逆变器的工作, 确保地铁继续运行;对系统中的直流电源也同样, 需要在确保地铁正常运行的情况下, 在总容量的基础上保证剩余容量来应对突发情况。
1.3电源系统要求
地铁交通在日常运行过程中, 可能会出现各种各样的突发情况, 其中就包括运行过程中的电压突变问题。这就需要地铁车辆辅助系统的电源系统能够满足快速适应电压突变情况, 对过载电压进行稳定负载或中断超过负载量的电压。系统中的电源系统达到要求, 才能保证地铁运行过程中安全稳定, 在电压突变情况发生时最大程度上保证车辆运行。
1.4抗干扰和应急处理要求
在辅助系统供电网络的运行过程中, 经常会受到电磁干扰, 降低供电质量。因此供电网络需要具有抗电磁干扰的功能, 最大程度避免电磁干扰, 保证供电量达到要求。另外在电源中安置蓄电池, 也能降低电磁干扰, 是供电系统对电磁干扰的应急方法之一。
2 两种供电网络的区别
集中供电网络的地铁布线少, 布置的工作难度相对来说较低, 是因为该供电网络集成了逆变器和充电机, 整体系统设备轻巧, 因此维护成本低, 能源使用度低。分散供电网络则可以最大程度上保证列车正常运行, 在任意逆变器发生故障时保证系统工作。
2.1 设备比较
结合实际情况, 分散供电方式需要的设备分别为:6台容量90KV的逆变器、2台容量为30KV的充电机以及4台扩展供电装置, 分散供电方式提供的功率为480~540KVA。集中供电方式需要的设备为:2台大功率辅助电源、1台扩展供电装置, 提供的功率为180~230KVA。
2.2 技术比较
分散供电方式注重供电效率, 对电磁波的抗干扰能力强, 对有效值闭环和恒频恒压的支持采用了三相输出基波技术, 有效消除低次谐波。技术参数包括:噪声70db以下的DC1500V输入电压, 畸变率小于5%。集中供电方式的供电量不及分散供电方式, 但使用二电平电压型逆变电路, 有效减少了运行噪音。
2.3 电源分配
分散供电方式和集中供电方式的冗余均通过配备的扩展供电装置完成, 区别在于分散供电方式通过网络, 对两车或单元车的扩展供电进行控制;集中供电方式通过网络, 对两台电源间的扩展电源进行控制。
3 总结
地铁作为城市交通中最快速最便捷的交通方式, 在很大程度上缓解了日益增加的城市交通压力, 是城市重点建设的交通工具。负责地铁日常电力提供的便是地铁车辆辅助系统, 而地铁车辆辅助系统供电网络采用分散式供电和集中式供电两种供电方式, 两种方式各具特色, 应该结合地铁交通的实际情况, 合理使用两种不同的供电方式, 以达到地铁交通的最高效率运行。社会发展至今, 市民出行已经离不开地铁这个高效快捷的交通工具, 对地铁交通进行合理安排, 不断完善地铁车辆辅助系统, 是接下来的地铁发展、城市发展的关键所在。
参考文献
[1]康亚庆.地铁车辆辅助系统两种供电网络的分析[J].现代城市轨道交通, 2009, (4) :27-28+31.
[2]丁亦丰.地铁车辆辅助系统的两种供电网络研究[J].住宅与房地产, 2015, S1:146.
[3]高昆峰.地铁车辆辅助系统两种供电网络的解析[J].住宅与房地产, 2015, 22:60.
车辆网络 篇7
现有的车辆比对方法主要提取车辆的图像特征进行比对。文献[1]用SIFT特征点匹配算法作车辆图像比对,该方法在车辆外形具有较大差异的情况下能够获得良好的车辆比对效果,但其忽略特征点的位置信息,因此难以区分外形略微相似的车辆图像。文献[2]对车辆散热网的隔栅纹理方向、车灯Hu矩的相似性进行车辆比对,该方法利用了不同车型的局部差异性获得了一定的车辆比对效果,但是只提取有限的局部特征,难以在车型种类增多时获得理想的效果。文献[3]车标识别的基础上,通过车灯的不变矩距离进行车型识别,进而根据车型识别结果作车型比对,该方法的比对效果受限于车灯的定位精确度以及车型识别的准确性。在图像特征提取方面,深度卷积神经网络(Convolutional Neural Network,CNN)具有很强的特征提取能力,但传统的CNN网络结构[4,5,6]行分块,直接使用整张原始图像训练网络,最终训练得到的CNN网络模型难以兼顾各局部区域独特的纹理特性,无法获取具有更高区分度的图像特征。
本文针对现有的车辆比对方法未能有效提取车脸各区域独特图像特征的问题,提出基于多分支卷积神经网络(Multi-branch Convolutinal Neural Network,MB-CNN)的车辆图像比对方法。车辆图像比对系统框图如图1所示。
首先,使用现有成熟的车牌定位技术获取车牌位置,并由车牌的位置截取车头图像,即车脸;其次,根据车脸各个区域的纹理丰富度对车脸进行分块;再次,使用MB-CNN提取车脸图像的深度特征;最后,使用车脸的深度特征的相似度进行车脸比对。实验表明,本文提出的车辆比对方法获得了良好的比对准确率。
1 车脸定位与分块
为了获取稳定且具有良好区分度的车辆图像样本,本文首先依据车牌位置获取车脸图像,其次根据车脸区域的纹理丰富度对车脸进行分块。
1.1 基于车牌定位的车脸提取
我国现有的车牌颜色主要分为蓝底白字、黄底黑字、黑底白字和白底黑字4种类型,车牌的字符间隔均匀且边缘梯度变化较大,形成了特殊的纹理特征,利用车牌特有的颜色特征与纹理特征,可以实现车牌的准确定位[7,8]。本文使用颜色和纹理相结合的车牌定位算法,获取车牌的中心位置与车牌宽度。获取车牌位置信息后,根据车牌图像与车脸图像的旋转角度、尺寸比例的几何关系变化一致性,本文提出基于车牌定位的车脸提取方法,该方法在车辆偏转、尺寸不同的情况下,依然能准确获取车脸图像,具体方法如下:
以车牌中心为坐标原点,分别向左右各1.75倍车牌宽度、向上1.5倍车牌宽度、向下0.5倍车牌宽度进行区域扩展,位于扩展区域内的图像即为车脸图像,此外,为避免车牌纹理对车脸图像特征的干扰,将车牌区域像素值全部置零。车脸定位结果如图2所示,假设图中车牌水平宽度w=1,则右上角A点坐标为(1.75,1.5),右下角B点坐标为(1.75,-0.5)。
1.2 基于纹理富集区域的车脸分块
通过对大量车脸图像样本的观察与分析,发现车脸图像的纹理具有一定的聚集性,通常集中在车灯、车标、散热网等车脸部件区域,而且不同部件区域的纹理有不同的特点。
为了更有针对性地从不同区域提取特征,本文提出基于纹理富集区域的车脸分块方法,该方法首先使用Sobel算子[9]分别获取每张车脸样本的纹理图,其次计算所有车型的车脸纹理图的平均图,得到平均车脸纹理图,最后根据平均车脸纹理图的纹理富集区域确定车脸分块准则。单张车脸纹理图与平均车脸纹理图如图3所示。
由图3a可以看到,单张车脸纹理图反映了该车脸纹理的位置信息,亮度高的区域具有丰富的纹理信息。而由图3b可知,平均纹理图反映了不同区域所含纹理的丰富程度,亮度高的区域是多数车脸纹理的聚集区域,属于纹理富集区域。此外,平均纹理图的纹理富集区域与大多数车辆的车灯、车标、散热网等车脸部件的域相吻合,而且各车脸部件具有不同的纹理特性。由此可知,不同的纹理富集区域具有不同的纹理特性。因此,根据纹理富集区域对车脸图像进行分块,可以确保得到的每块图像都包含丰富的纹理信息,而且每块图像具有独特的纹理特性。
本文根据车脸平均纹理图的纹理富集区域将车脸图像分成9块,车脸分块结果如图4所示。
2 MB-CNN特征提取模型
在车脸图像中,各区域图像的纹理特点各不相同,例如散热网区域以直线纹理为主,车灯区域则以弧形纹理为主。为了更有针对性地提取车脸各区域的图像特征,本文对传统的CNN模型进行改造,提出MB-CNN模型,其基本单元有卷积层、池化层和全连接层。与传统CNN模型的区别在于,MB-CNN模型包含多个独立的CNN分支模块,每个分支由多个卷积层、池化层、全连接层组成,各分支单独处理某一区域的图像,能够更好地提取各区域独特的局部图像特征。同时,MB-CNN模型还使用一个独立的CNN分支处理整张车脸图像,以此兼顾车脸图像的整体特征。MB-CNN模型的结构示意图如图5所示。
MB-CNN模型中,各输入图像块由基于纹理富集区域的车脸分块方法得到。多层全连接层对各CNN分支提取的特征进行融合,其输出向量即是车辆比对所用的深度特征。
MB-CNN模型各分支中,CNN_0提取整体特征,CNN_1~CNN_9提取各区域独特的局部特征,各个CNN分支的具体结构及参数见表1,其中,卷积核n×w×h表示该层有n个尺寸为w×h的卷积核。
经过特征提取器的处理,从车脸图像中提取得到1个1 024维的整体特征向量,9个1 024维的局部特征向量。得到整体特征与局部特征后,将所有特征向量顺序连接成一个10 240维的特征向量,并使用多层全连接层对特征进行融合与优化。
鉴于全连接层每个节点都与下一层任意节点相连接,具有很强的特征融合能力,本文使用3层全接层对各CNN分支提取的图像特征进行融合,各层的全连接节点数分别是4 096,1 024,n,其中n由训练样本中车辆类别的数量决定,本文使用320类车型进行训练,因此取n=320。
经过多层全连接层的处理,图像特征得到进一步提炼,文献[10]通过实验证明倒数第二层全连接层的输出数据具有最好的表现能力,且维度固定,不受训练样本类别数量的影响,更适合作为目标比对的特征。因此,本文取倒数第二层全连接层的输出数据作为深度特征,其特征维数为1 024。多层全连接层网络结构如图6所示。
3 基于深度特征的车辆比对
进行比对的两张车脸图像经过MB-CNN处理后,分别得到相应的深度特征,该深度特征是车脸图像信息的高度概括,具有很强的表示能力。因此,在车辆比对阶段,首先计算比对车脸图像的深度特征的相似度,然后通过比较相似度与预设阈值的大小来判断输入的比对车辆是否属于同一种车型。本文选择使用余弦距离计算深度特征的相似度ω,计算方法如式(1)所示
其中:xi,yi分别是两车脸深度特征X,Y的第i个元素,由于深度特征在全连接层中经过Re Lu激活函数的运算,每个元素都为非负数,因此,ω∈[0,1]。
在车脸比对阶段,需要设定一个相似度的阈值θ,当ω≥θ时,表明输入比对的两张车脸图片相似度较高,属于同一类车型,反之,当ω<θ时,表明输入比对的两张车脸图片相似度较低,属于不同车型。显然,相似度阈值θ的取值直接影响了车脸比对的准确率。经试验测试,相似度阈值θ=0.51可获得最高的车辆比对准确率。
4 实验结果与分析
为了训练得到具备较强特征提取能力的深度模型,本文选取40 000张由交通卡口监控系统获取的车辆图像作为训练样本,其中包含常见的72种品牌、320类车型。经过车脸定位后,将车脸图像尺寸统一缩放至100×175。部分训练样本如图7所示。实验平台的配置为Intel i3四核3.4 GHz处理器、12 Gbyte内存、GTX980Ti显卡以及Ubuntu 14.04操作系统,并使用基于C++编程语言的Caffe工具包。经过大量车脸样本的反复训练后,得到具有较强特征提取能力的MB-CNN模型。
在车脸比对实验中,随机选取5 000对相同类型的车脸图像与5 000对不同类型的车脸图像构成比对样本,部分样本如图8所示。比对车脸图像时,分别使用深度模型提取2张车脸图像的深度特征,并将使用余弦距离计算特征之间的相似度ω,当ω≥θ则判定输入图像属于同一类车型,反之,当ω<θ则判定输入图像属于不同车型。不同的相似度阈值对应不同的车辆比对结果,比对结果如图9所示,其中,当相似度阈值θ=0.51时,车脸比对获得最高的准确率为98.93%,可见,基于MB-CNN模型的车辆比对方法能够有效提取车脸特征并准确判别2张车脸图像是否属于同一类车型。
为比较本文提出的基于MB-CNN模型的车脸比对方法的有效性,实验选择本文的MB-CNN与具有较强目标识别能力的CNN结构作比较,包括Alex Net[4],VGG-D[5],Goog Le Net[6]。首先,使用相同的车脸训练样本训练各个网络;然后,将获取的车脸图像输入预先训练好的网络,并取网络的倒数第二层全连接层的输出作为特征向量;最后,使用余弦距离计算相似度。车辆比对实验结果如表2所示,其中准确率取所有相似度阈值对应的最高准确率。
由表2可知,本文提出的基于深度特征的车脸比对方法获得了最高的比对准确率,达到98.93%,高于其他方法。原因在于本文提出的MB-CNN模型通过深度卷积神经网络单独提取车脸图像各个区域的深度特征,并对车脸图像的整体特征与各区域局部特征进行有效融合,使得最终提取得到的特征区分度更高、针对性更强。
5 结束语
基于多分支卷积神经网络的车辆比对方法通过车牌定位获取车脸图像后,使用多个CNN模块单独提取车脸图像各个区域的深度特征,并用全连接神经网络融合特征,获取表达能力更强的车脸图像特征。
结合车牌与车辆图像登记信息,当使用某车牌的车辆与该车牌登记车辆的特征相似度低于预设阈值时,则判定其为套牌车辆。该方法可应用到智能交通系统中,具有较高的工程实用价值。
摘要：为了更有针对性地从车辆图像的不同区域提取出独特的图像特征,提出基于多分支卷积神经网络的车辆图像比对方法。首先,根据车牌定位结果获取比对车辆的车脸图像,并根据车脸图像的纹理丰富度将车脸图像划分为多个图像块;其次,使用多分支卷积神经网络分别提取各车脸图像块的深度特征;最后,通过计算车脸图像深度特征的相似度判定比对的车辆图像是否属于同种车型。实验表明,提出的方法能够提取有效的车辆图像各区域的深度特征,获得良好的车辆比对准确率,可用于套牌车辆识别。
关键词：卷积神经网络,车辆比对,深度特征,套牌车辆识别
参考文献
[1]汪峥嵘.基于车牌识别及车辆特征点匹配的套牌车识别[D].苏州:苏州大学,2013.
[2]笪东旭.基于车脸识别的套牌车检测方法研究[D].西安:西安电子科技大学,2013.
[3]王枚,王国宏,于元港,等.新车型识别方法及其在套牌车辆鉴别中的应用[J].计算机工程与应用,2009,45(17):211-214.
[4]KRIZHEVSKY A,SUTSKEVER I,HINTON G E.Image Net classification with deep convolutional neural networks[J].Advances in neural information processing systems,2012,25(2):1106-1114.
[5]SIMONYAN K,ZISSERMAN A.Very deep convolutional networks for large-scale image recognition[C]//Proc.International Conference on Learning Representations.San Diego:IEEE,2015:1-14.
[6]SZEGEDY C,LIU W,JIA Y,et al.Going deeper with convolutions[C]//Proc.2015 IEEE Conference on Computer Vision and Pattern Recognition.Boston:IEEE,2015:1-9.
[7]苗姣姣,徐望明.HSV空间和形态学处理相结合的车牌定位方法[J].电视技术,2015,39(5):146-149.
[8]李耀,程勇,曹雪虹.一种复杂环境中的车牌定位算法[J].电视技术,2015,39(12):104-106.
[9]梁娟,侯海虹.基于改进Sobel模板的灰色关联分析边缘检测算法[J].电视技术,2012,36(9):22-23.
车辆网络 篇8
节能是无线传感器网络传感节点管理的核心设计要求之一, 节能的技术手段主要是使节点尽可能长地处于低功耗状态或者使用尽量低的发射功率。节点休眠/唤醒调度机制大致可以分为2类[1]:节点确定性休眠和节点随机休眠。这两种节点休眠/唤醒调度机制的原则是保持无线传感器网络的连通性, 适用于较大规模的传感器网络。针对单个传感器节点, 可以使用动态功率管理和动态电压调节算法, 其基本思想是避免把功率浪费在任何处在未使用状态的电路上[2,3]。
智能车辆检测仪传感网络由地磁传感节点、中转节点组成, 其中地磁传感节点采用电池供电, 与中转节点采用无线方式进行数据传输, 中转节点采用有线电源供电, 因此地磁传感节点的使用寿命是整个检测网络的关键, 研究地磁传感节点的低功耗实现方法对延长车辆检测仪网络的使用寿命、提高交通道路监测系统的智能水平具有重要的理论和实践意义。
智能车辆检测仪网络概述
智能车辆检测仪网络结构
智能车辆检测仪网络安装在各交通干支上, 中转节点根据地磁传感节点获得的信息进行车流量统计、车速计算、道路占有率计算等。网络结构如图1所示, 在每个车道上安装地磁传感节点, 将中转节点安装在路旁的路灯杆上。地磁传感节点采用地磁传感器作为敏感元件, 对车辆经过传感节点引起的地磁场变化进行采集记录, 并通过无线方式将采集到的数据传给中转节点, 各个地磁传感节点仅与中转节点进行通信, 相互之间不进行通信。中转节点对地磁节点传来的数据进行分析处理后经过有线方式传给地面综合控制中心。
地磁传感网络节点功能结构
地磁传感节点功能组成如图2所示, 由地磁传感器电桥、信号处理电路、各模块电源管理单元、微处理器单元、射频模块组成, 微处理器单元自身含有10位AD转换电路, 将采集到的信号进行AD转换后通过无线传输单元发送给中转节点。
地磁传感节点低功耗设计
传感节点采用ATmega128L作为微处理器, 采用Chipcon公司 (编者注:2008年被TI公司收购) 的CC2420作为射频发送模块, 采用HMC1001磁阻电桥作为地磁传感元件, CC2420发送时的电流为25mA, 接收时的电流为28mA, 电流消耗主要在CC2420、磁阻电桥、信号处理电路上, 要减小传感节点功耗, 需要在下列方向上进行努力:
(1) 通过减少磁阻电桥的供电时间和供电电压来减少磁阻电桥消耗的功率。
(2) 通过缩短射频工作模块的工作时间、特别是射频模块的接收工作时间来减小CC2420上消耗的功率。
电桥电压动态控制
本文研制的车辆检测仪为磁阻电桥, 电桥的电压直接影响着电桥的功耗。为减小电桥的功耗, 电桥采用PWM进行供电, 采样电路同时对电桥不平衡电压和电桥电压进行采样并进行AD转换, 转换后的输出电压Dout可以表示为:
式中:UB—电桥电压, 单位伏特 (V) ;
Kb—电桥不平衡系数;
KA—放大器增益;
UA0—放大器零点偏移电压, 单位为伏特 (V) ;
ST—灵敏度, 单位m V/V/Gauss;
H—被测磁场, 单位Gauss;
, 为AD转换系数, 单位1/V;
Fs—AD转换器的满量程读数;
VREF—AD转换器的参考电压。
电桥电压经过分压器分压后进入AD转换进行采样, 采样得到的读数DB:
式中:KD—分压器增益。
由式 (1) 和式 (2) 联合, 得:
式中, ST, Kb, UA0, KA, KD为与温度有关的常数, 事先通过传感器标定确定各个参数的数值。被测磁场H可以由下式进行计算。
为减少微处理器的运算量, 降低功耗, 将式 (4) 中的常数项与温度以二维表格的形式存储在ROM中, 供微处理器在计算过程中查表使用。
数据采样控制
本文设计的车辆检测仪的最高检测车辆速度v最快允许120km/h, 车长l约4m, 因此, 一辆车经过传感器的最短时间约为0.12s。
采样频率过快, 相同时间内采集到的数据量大, 数据的处理和存贮就占用大量的存储空间和处理器资源, 导致处理器的功耗增加;采样频率太慢, 导致采集到的波形信号不完整, 无法恢复出正确的波形。在车辆检测仪中经过试验发现, 采样频率在100Hz即可以有效的采集到完整的车辆信号波形, 电桥电压与采样点控制如图3所示。
节点传输控制
CC2420小于射频模块接收时的电流, 因此, 在传感节点与中心节点的传输协议中, 尽量减少射频模块的工作时间, 特别是减少射频模块的接收时间。为了进一步降低功耗, 在传感节点中省略了温度传感器, 将温度传感器设置在中心节点中, 当温度改变达到阈值ΔT时, 由中心节点将温度值传送给传感节点, 传感节点根据中心节点传来的温度值进行查表计算。传感节点与中心节点的传输帧制定如表1。
中心节点与传感节点间共有4种传输帧, 中心节点发送的传输帧是通知帧和接收应答帧, 传感节点发送的是通知帧应答帧和上传数据帧。
传感节点工作状态
传感节点采用状态机机制, 共有5种工作状态, 各种工作状态及转换条件如图4所示。在初始化状态, 微处理器完成各功能模块的初始化, 并完成环境磁场的自学习过程, 设定采样定时器各项参数后进入休眠状态, 在休眠状态下, 有2种状态可由系统唤醒, 一种是采样定时器定时中断, 一种是接收到了中心节点发来的通知帧。传感节点在“接收发送通知帧”后, 根据通知帧中的“下次传送时间”设置发送定时器。发送定时器定时中断产生后由休眠状态进入上传数据状态。在上传数据状态, 采用重传机制, 直到“发送时隙时间到”后回到休眠状态。在休眠状态, “接收发送通知帧”状态和“上传数据状态”不可能同时发生, 但二者均有可能与“采样状态”同时发生。同时发生时, 采样定时器中断优先级最高, 在采样状态进行时, 发送定时器继续计时, 从而保证各个传感节点按照中心节点分配的时隙进行数据上传, 避免了各传感节点间的数据冲突, 减少了数据冲突引起的重传, 从而降低了功耗。
低功耗实验对比
为对车辆检测仪传感节点的低功耗设计方法进行验证, 进行了2组对比实验, 在每组实验中, 安排4个传感节点, 1个中心节点, 传感器节点采用7.2V直流电源进行供电, 电桥电压、射频单元、放大电路均采用3.0V电压进行供电。2组传感节点均采用中心节点分配时隙的方式进行数据传输, 采样频率150Hz, 传感节点每次传输时间设为1S, 在第一组实验中, 电桥电压为恒定电压供电, 将图4中的休眠状态变为空闲状态。第二组实验中电桥电压为PWM供电, 采用图4中的状态转换方案。
对比发现:每组传感器中各个传感节点之间的功耗无明显差别, 但第二组实验中的传感节点的功耗为第一组实验中的3%, 功耗显著降低。结果表明:本文研究的低功耗设计方法是有效可行的。
结语
采用动态电压管理的方法减少地磁传感节点各部分电路的功耗, 同时根据射频收发芯片接收功耗大于发送功耗的特点, 制定基于时分传输的无线传输协议, 提高无线传输单元的传输效率, 尽量减少无线传输单元的接收时间来降低地磁传感节点进行数据传输时的功耗。对比实验表明, 本文设计的地磁传感节点功耗降低了80%, 电池寿命可达到2年, 研究的低功耗技术有效降低了传感网络节点的功耗。
参考文献
[1]石高涛, 廖明宏.大规模传感器网络随机睡眠调度节能机制[J].计算机研究与发展.2006, 43 (4) :579-585
[2]Sinha A, Chandrakasan A, Mic C.Dynamic Power Management in wireless sensor networks[J], IEEE Design&Test of computers, 2001, 18 (2) :62-74
[3]Pering T, Burd T, Brodersen R, dynamic voltage scaling and the design of a low-power microprocessor system[C].in proceeding of power driven microarchitecture workshop aat ISCA98, Barcelona, Spain, 1998
[4]胡四泉, 王俊峰.无线传感器网络的智能低功耗侦听协议[J].通信学报, 2009, 30 (9) :95-101.
车辆网络 篇9
1 人工神经网络的由来
人工神经网络理论起源于20世纪50年代,它可以反映人类大脑功能的多个基本特性。作为一种并行分布式处理系统,可以接近任意非线性函数,具有自动知识获得、联想记忆、自适应性、良好的容错性和推广能力。基于人工神经网络的特性,在处理车辆工程中的非线性辨识、非线性智能控制等问题受到了人们的广泛关注。随着智能车辆的飞速发展,为了满足无人驾驶技术、智能悬架控制技术的发展需求,人工神经网络在车辆工程中的应用也日新月异。
2 人工神经网络在智能车辆中的应用
2.1 神经网络辨识器
四轮车辆的车身具有3个运动模态,分别为垂向运动模态、侧倾运动模态及俯仰运动模态。这些运动模态的时域辨识能使悬架系统,特别是主动悬架系统面向主要运动模态。运用适当的控制策略可提高悬架的性能,且仅需消耗较少的能量。近年来,运动模态能量方法被用来辨识车身的运动模态。然而,这种方法需要测量整车状态及路面输入,这在现实中很难做到。曾有人提出了一种使用神经网络辨识车辆运动模态的方法,即通过一个10自由度整车动力学模型的各种激励输入,验证了被训练的神经网络的有效性。
2.2 神经网络与模糊控制的结合
自1965年Zadeh提出模糊集合论以来,模糊控制无论是在理论方面,还是在应用方面都有较快的发展。目前,将两种或多种控制方法相结合的复合控制方法往往能起到更好的控制效果。其中,由于模糊控制与神经网络存在互补性,所以,其成为了复合控制的研究热点。
以往,有人建立了1/4车辆悬架模型,提出了车辆半主动悬架系统模糊控制器。为了调节阻尼系数值,利用Matlab工具箱建立了车辆半主动悬架及模糊控制器仿真模型;有人曾提出了一种适用于驾驶员座椅的新型神经模糊控制器,采用了遗传算法获得最优模糊系统,并以3自由度车辆座椅模型为研究对象,在不同路况激励下进行了仿真。仿真结果表明,神经模糊控制器具有较好的控制性能,能提高驾驶员的乘坐舒适性。
2.3 神经网络与传统PID控制的结合
PID控制器(比例-积分-微分控制器)是一个在工业控制应用中常见的反馈回路部件,由比例单元、积分单元和微分单元组成。PID控制器简单易懂,使用中不需精确的系统模型等先决条件,因此,成为了应用最为广泛的控制器。近年来,神经网络与PID的结合成为了研究热点。
主动悬架系统的性能包括悬架的限位行程、乘坐舒适性、抓地力和功耗。此外,悬架参数的鲁棒性是影响高度非线性电控悬架效果的重要问题之一。因此,曾有人提出了一种基于输入/输出反馈线性化的主动悬架动态神经网络非线性控制方法。通过仿真,结果证明了该控制器的鲁棒性和有效性。此外,还有人提出了适用于公交车悬架系统的一种神经网络比例控制器。仿真结果表明,利用该控制器设计的悬架控制系统能够适用于各种不确定的路况,能明显提升乘坐舒适性。
3 人工神经网络在智能车辆中的应用
根据上述分析可知,随着智能车辆的快速发展,人工神经网络在智能车辆领域将呈现出跨学科融合、应用方式多样化等特点。跨学科融合与多学科渗透是指神经网络与模糊控制、传统PID控制等理论的高度融合与相互渗透,应用方式多样化是指在智能车辆控制中,人工神经网络既可以用来设计辨识器,又可以用来设计智能控制器。
摘要：人工神经网络是一门新兴理论,近年来,其在智能车辆中得到了广泛应用。分析了人工神经网络的由来及其在智能车辆领域的研究动态,探讨了人工神经网络在智能车辆中的具体应用,指出了今后人工神经网络在智能车辆中的发展方向。
关键词：车辆工程,智能控制,人工神经网络,运动模态
参考文献
[1]Nong Zhang.Real-time identification of vehicle motion-modes using neural networks.Mechanical Systems and Signal Processing,2015(05).
[2]M.Zapateiro,N.Luo,H.R.Karimi,J.Veh.Vibration control of suspension systems using a proposed neural network.AASRI Procedia,2013(04).
[3]Le Thanh Danh,Kyoung Kwan Ahn.Active pneumatic vibration isolation system using negative stiffness structures for a vehicle seat.Mechanical Systems and Signal Processing,2015(09).
[4]Jimoh O.Pedroa,Muhammed Dangora,Olurotimi A.Intelligent feedback linearization control of nonlinear electrohydraulic suspension systems using particle swarm optimization.Applied Soft Computing,2014(24).
车辆网络 篇10
1 文献综述
近年来,国内外有关物流业低碳化的研究大体可分定性和定量两方面。定性研究的主要思路是针对性地提出一系列对策措施来促进低碳物流的实现,如Silva等[4]216提倡应用一些绿色再生技术用来减轻交通运输业对能源和环境的负面影响,周叶等[5]验证了可通过使用新能源或环保低耗的运输工具以及优化运输作业管理的方式来大力发展低碳运输。定量工作则大多集中在对运输配送环节的碳排放量控制和对整个运输网络的优化设计,其中在碳排放量计算方面,碳足迹是一个重要的计量指标。Amekudzi等[6]提出运用一个碳足迹框架模型来衡量交通运输和其他基础设施系统对区域环境可持续发展的影响。Sundarakani等[7]对整个供应链的碳足迹进行建模,尤其包括对运输阶段碳排放的计算。Kannan等[8]讨论最小化碳足迹对逆向物流运作的影响。
另一分支的定量研究是有关运输网络如何实现最佳设计,这是物流优化管理中的一个经典问题,近些年在低碳理念倡导下有不少文献将减少碳排放作为决策目标。如Wang等[9]基于对物流总成本和环境影响的权衡,构建了一个多目标物流网络选定址和运输优化模型;Pan等[10]指出通过供应链网络整合可有效降低碳排放量,讨论了碳排放与运输成本间的关系;Elhedhli等[11]375-377采用一个凹函数来度量碳排放量和车辆重量之间的关系,且通过仿真验证了考虑碳排放成本会改变物流网络的传统最优配置。Abdallah等[12]建立了一个混合整数规划模型,以实现低碳采购下整个物流网络碳排量最小时的选址和运输配置方案;李进等[13]考虑包括能耗费用和碳交易费用在内的总成本最小为决策目标,对配送路径优化问题设计改良的TSP模型;Zhang等[14]探讨区域物流网络中对物流基础设施实施投资或补助的联合优化选择,以达到减少碳排放量的目的。
以上关于物流行业如何实现运输低碳化的文献,或是侧重于定性讨论低碳物流的实现策略和途径,或是探讨怎样准确衡量和评估物流过程的碳排放,亦或是强调从运营优化角度如何布局运输网络以有效减少碳排放等,很少研究涉及通过改善物流企业运输组织合作模式的形式来提高载运工具的车载率,进而达到节能降耗减排的效果。事实上,由于不同物流运输企业间缺乏合作而造成运载工具不合适,“去时满载、回时空车”等浪费现象非常严重,直接导致企业不必要的能源消耗和居高不下的运输成本。鉴于此,在低碳经济环境下如何实现物流企业在运输服务中的车辆资源合作,怎样对含不同车辆资源的物流企业运输网络进行合理优化再配置,均是低碳运输模式中至关重要但尚未解决的重要问题,直接影响社会经济的可持续发展。
本文构造结构对应的两个网络用来反映相关物流企业间可以进行运输合作的逻辑关联,将不同企业间的车辆资源共享合作问题转化成由这两个网络相互作用所构成的超网络均衡问题。首先对基于低碳理念的物流企业运输合作超网络进行定量建模,分析车辆资源共享合作时各物流服务企业的最优决策行为,将优化问题转化成等价的变分不等式进行求解;最后以A和B两整车物流公司为实际案例,来讨论不同物流运输企业实施车辆共享合作的可行性和有效性,深入分析这两物流企业在实施合作运输的共同配送决策时一些关键因素的影响,为更好地促进低碳社会建设提供有益思考。
2 不同物流企业车辆资源合作的超网络模型构建
2.1 建模背景
模型考虑两个规模较大的物流运输企业A和B,它们都具有全国范围的物流服务网络,例如上海安吉和同方环球、德邦物流和远成物流。这类网络覆盖点较全的物流企业通常会承担某品牌产品在整个供应链上的所有运输工作,包括从上游生产商完成对产品制造后,将产品出厂并送往下游各区域零售商。本文关注两物流企业可以采取车辆资源合作服务的现实场景是:A物流运输企业服务的生产商与B物流运输企业服务的零售商恰好位于同一区域(此处的同一区域不仅仅局限于同一行政区划内,可更广泛地指那些由于运输网络简单或距离短而致使运输成本相较整个物流运营网络可忽略不计的多个不同行政区域),且A物流运输企业面对的零售商也与B企业服务的生产商在同一区域内。如此起迄点重叠且流向相反的两个物流运输网络,为两企业车辆资源的共享合作提供切实可行性(见图1):当A物流企业运输车辆从所服务的生产商出发将产品送达零售商时,卸空货物的车不必立即空车返回,可借给有运输需求的B企业完成由其生产商将货物运至零售商的服务过程。同理,若B企业车辆配送货物从生产商至零售商处后,其空置车辆资源也可在A企业有运输需求时被合作共享而帮助A实现由生产商到零售商的物流运输。
采用图1的两层级超网络结构来刻画不同物流运输企业间车辆资源的合作互助。图1左部描述的是物流企业A将产品从生产商i送至零售商j处,不仅采用企业A自身lij和hij数量的两种类型车辆(将作为载运工具的运输车辆按载重量大小大致分为轻型和重型,分别用l和h加以区分)实现物流服务,也可借助B企业闲置lbij和hbij数量的两种类型车辆进行合作运输。需要注意的是,为刻画A服务的生产商i与B服务的零售商i'位于同区域、以及A服务的零售商j与B服务的生产商j'处同一区域这一特征,在以下建模符号表达中不区分i和i'、j和j',统一用i和j来指代。故图1右部表示物流企业B将产品从生产商j送至零售商i处的运输网络,其中属于B企业自身的两种类型车辆数分别为lji和hji,而与A企业实现共享合作的轻(重)车辆数分别为laji和haji。图1中实线有向箭头表示各物流企业自身车辆服务的生产商与零售商间各类型运输车辆数,虚线则意味着不同物流企业间运输车辆资源的相互共享合作关系。
2.2 模型假设
模型的构建基于以下假设条件:
(1)两物流企业均是低碳经济规制下的理性决策人,在追求自身运营总利润最大化的同时将碳排放数量控制到最小。
(2)为方便分析,暂仅考虑一种简单的车辆资源合作形式———租赁。两物流企业在运输时可根据收益、成本和环境等因素来综合决策使用多少自家拥有的车辆以及选择向合作企业租赁多少闲置的车辆。
(3)两物流企业各自拥有的轻(重)型车辆属于同质化、可替代、无差别的标准车型,以保证车辆资源合作模式的可行性和顺畅性。
(4)有关车辆的运营成本不仅包括运输过程所消耗的燃油、机油和轮胎费,也包含车辆的各类保养、修理和折旧费等,这些费用连同碳排放所致成本一律由车辆所有权方予以支付。
(5)车辆资源合作所涉各类运营收益、成本和碳排放量相关函数均是连续可微的凸函数。
2.3 模型符号
将模型中部分基本符号含义列于表1,其他函数表达在模型构建时做相应解释说明。值得一提的是,在收益、成本和碳排放量等相关函数设置时特将A、B作为符号的上标标记,用来清楚分辨是由A或B企业所承担的。
2.4 模型构建
2.4.1 A企业运输服务的最优决策
考虑A企业实施运输服务所获收益及所致的各项成本,可列出A企业所获利润的最优决策目标,见式(1)。
其中收益来自两方面:一方面是使用自身车辆完成i至j运输所获收益V1A(lij,hij)、另一方面是闲置车辆帮B完成j至i运输所获收益V2A(αl·laji,αh·haji)。成本由三部分组成:使用自身车辆完成i至j运输所耗运营成本C1A(lij,hij);闲置车辆帮B完成j至i运输所耗运营成本C2A(laji,haji);租赁B闲置车辆完成i至j运输所需付的租赁成本C3A(βl·lbij,βh·hbij)。约束条件除了对各车辆数量的非负限制外,还有对A租赁给B完成运输的闲置车辆数的约束。
由假设条件(1),A企业还需对运输服务中所引致的碳排放量进行控制,碳排放量主要有两方面来源:使用自身车辆完成i至j运输所致的碳排放量E1A(lij,hij)和闲置车辆帮B完成j至i运输所致的碳排放量E2A(αl·laji,αh·haji)。A企业控制碳排放量的目标函数如下:
通过碳税的方式将碳排放量转换成碳成本来衡量,将其作为一项成本支出纳入总利润函数进行优化,故可建立A企业实施运输服务时的广义优化目标:。
由假设条件(5),利用拉格朗日乘子λj和ηj,把式(1)中两个不等式约束条件代入目标函数,将A企业优化决策转化成求解最优(l*ij,h*ij,ljia*,hjia*,lijb*,hijb*,λj*,ηj*),使满足变分不等式[15]79,[16]35:
2.4.2 B企业运输服务的最优决策
同理,考虑B企业实施运输服务所获收益及所致的各项成本,可列出B企业所获利润的最优决策目标,见式(4)。其中收益仍来自两方面:一方面是使用自身车辆完成j至i运输所获收益V1B(lji,hji);另一方面是闲置车辆帮A完成i至j运输所获收益V2B(βl·lbij,βh·hbij)。成本仍由三部分组成:使用自身车辆完成j至i运输所耗运营成本C1B(lji,hji);闲置车辆帮A完成i至j运输所耗运营成本C2B(lbij,hbij);租赁A闲置车辆完成j至i运输所需付的租赁成本C3B(αl·laji,αh·haji)。约束条件中同样包含对各车辆数量的非负约束以及对B租赁给A车辆数的限制。
由假设条件(1),B企业也仍需对运输服务中所引致的碳排放量进行控制,碳排放量也主要来自两方面过程:使用自身车辆完成j至i运输所致的碳排放量E1B(lji,hji)和闲置车辆帮A完成i至j运输所致的碳排放量E2B(βl·lbij,βh·hbij)。B企业控制碳排放量的目标函数如下:
同样采用碳税的方式将碳排放量转换成碳成本来衡量,将其作为一项成本支出纳入总利润函数进行优化,得到B企业实施运输服务时的广义优化目标:。
仍由假设条件(5),利用拉格朗日乘子γi和Ф,把式(4)中不等式约束条件代入目标函数,将B企业优化决策转化成求解最优,使其满足变分不等式[1580,16]:
2.4.3 A、B两企业车辆资源合作的超网络最优决策
低碳经济理念下两物流企业车辆资源合作配置超网络的优化状态,是指存在一组最优的
3 案例分析及参数仿真
以SHAJ(A企业)和TFGL(B企业)为例,讨论这两整车物流企业为降低空载率、实现低碳化运输可采取车辆资源合作的共同配送模式,并通过仿真分析探讨关键参数对共同配送最优决策的影响。
3.1 案例背景
SHAJ是上海汽车工业销售有限公司(SAISC)和Apollo管理公司下属CEVA物流(原TNT)于2002年共同出资成立的一家以整车物流运输和仓储为主营业务的合资公司。主营业务以整车物流为主,其客户有上海大众、上海通用、上汽荣威等,主要物流流向是将长江三角洲经济圈产出的汽车输送到全国各地,拥有9座VDC(包括安亭总库)和15座较大的VSC整车仓储中心,具有较完善物流网络。
TFGL是由中国第一汽车集团公司、广州汽车集团股份有限公司、丰田汽车株式会社出资成立的一家以整车物流运输和仓储为主营业务的合资公司。其客户主要是天津一汽丰田和广州丰田等丰田合资公司,主要物流流向是从天津和广州向全国范围输送车辆,在天津和广州各设有1个大型VDC用于全国范围内各自品牌车辆的第一级中转,另在成都和长春设有2个VSC负责各自服务地区的整车配送服务。
这两整车物流企业目前共存的一个问题是:车辆空载率偏高(SHAJ空载率约为18%、TFGL约20%),单程运输却需支付往返价格,导致两企业运营成本一直难以有效降低。相较而言,大多发达国家的整车运输空载率平均在8.8%左右,好的物流企业甚至能够达到4.3%[4]217。故亟需探索合适的运营改革来降低两企业空载率,以有效控制成本和增加利润。
SHAJ从上海出发至全国各地的运输量非常大(以图2中上海—天津、上海—广州的黑色载货流为例),这些运输车辆在到达目的地后必然需要回到上海,返回若不能找到合适的运输需求便会造成回程物流资源的浪费(图2中黑色虚线)。TFGL的客户丰田在中国仅天津和广东这两个区域建有主机厂,未在长三角附近设主机厂,致使从天津和广东发往长三角附近(以上海为例)的运输车辆在回程时也需设法解决空载率的问题(见图2中灰色载货和空车流)。如此,SHAJ和TFGL这两整车物流企业为降低空载率而实施车辆资源合作的汽车共同配送是可以采取的运营改进模式(形成如图2带标记的黑色和灰色虚线示意的超网络对流形式):SHAJ从位于长三角的主机厂/VDC将汽车运输至天津或广州的VSC后,可将空车租赁给TFGL使用,帮助其实现从天津或广州主机厂/VDC运输丰田汽车至长三角区域;同理,TFGL从天津或广州主机厂/VDC运输丰田汽车抵达长三角后,也可将闲置车辆租赁给SHAJ以助其完成由长三角主机厂/VDC到天津或广州VSC的汽车运输。
3.2 仿真求解
基于此案例背景,为便于分析,考虑简单的汽车物流运输网络(事实上,物流企业服务生产商/零售商的个数均可不受限制地被扩展至多个情形,即本文所构模型能够支持复杂的运输服务场景)。I=1表示SHAJ服务的上海主机厂或主机厂附近的VDC、J=2是SHAJ设在天津的VSC和广东省东莞的VSC;I'=1是TFGL在上海的零售商、J'=2分别是TFGL在天津和广州的主机厂或VDC。图2中不带标记的黑色实/虚线和灰色实/虚线条分别代表SHAJ与TF-GL目前在上海、天津和广州三地各自的整车物流运输网络,而黑、灰实线结合带标记的黑、灰虚线则共同构成两物流企业在三地可实施车辆资源合作的超网络。如前述,将SHAJ视为物流企业A、TFGL为物流企业B,把超网络结构相关函数设置列于表2,决策变量车辆数的单位为“百辆”。另设碳税率(此税率值的设置参考目前国家发改委所讨论的碳税范围[17]),不同企业对不同类型车辆利用率分别为αl=0.5,αh=0.2,βl=0.2,βh=0.5。
把所设仿真函数表达式代入车辆资源合作的超网络优化式(3)和(6),应用MATLAB R2010b实施变分不等式中常用的投影梯度算法[15]80对所构超网络模型进行求解,输入变量初始值设为1,令收敛精度为0.000 1。花费约3秒、历经5 944步迭代实现收敛,得模型最优解为:(l*ij=1.45,h*ij=1.42,l*ji=1.37,h*ji=1.36,lijb*=0.66,hijb*=0.58,ljia*=0.67,hjia*=0.6。将此最优解实现时A和B合作运输的广义优化目标之和,与两企业不采取车辆资源合作时情形相比较,发现只有当A和B空车返回总成本高于一定阈值时,这两整车物流企业采取车辆资源合作的共同配送模式具有明显获利和碳排放控制优势,此时两者才有积极性实施车辆资源的共享合作,否则倾向选择不合作。
3.3 参数分析
(1)碳税变化的影响。在[0,0.1]区间改变碳税的值,观察使用不同企业不同类型车辆数的变化情况,如图3所示。从图3(a)可知,A和B各自使用自身轻(重)型车辆的数量均随着碳税值的增加而明显减少。与之不同的是,图3(b)显示出A和B相互合作租赁对方企业闲置车辆的数量随碳税的增加而增加。其中,T=0时是完全不考虑碳排放污染问题的运输场景,两整车物流企业的车辆合作程度最低,最大倾向选择各企业自身车辆完成运输。
这说明碳税征收力度的加大会在某种程度上大大提升整车物流企业对车辆资源合作的需求,因为碳排放规制的严格迫使各企业不得不想办法解决返程空载的问题,无法再固守于完全使用自身车辆完成运输任务,必须努力通过企业间相互合作来共同控制环境成本,从而使不同企业间车辆资源合作共享关系更显紧密。因此,低碳理念下为实现经济与环境的协调发展,由政府开征合理碳税是值得提倡的一个有效管控手段。
(2)车辆资源合作使用率αl,αh,βl,βh变化的影响。αl,αh分别指A闲置车辆帮B完成运输时轻或重型车的使用率,βl,βh相应表示B提供给A实施共同配送时轻或重型车的使用率,令它们在[0,1]之间变化,观察对选择使用整车物流企业自身车辆或合作企业车辆数量的影响。结果发现,αl,αh的增大使A自身轻(重)车辆数以及租赁给B的轻(重)车辆数均减少(图4(a)是以hjia*为例的变化情况),而B自身车辆及返程租赁给A的车辆数量没有任何改变;βl,βh的变化影响与其类似,增大βl,βh使B自身车辆及租赁给A的车辆数均减少(图4(b)是以lb*ij为例的变化情况),对A自身及提供共同配送的相关车辆数量无影响。
这是因为在此案例中,两整车物流企业车辆资源合作效率的提高,会使SHAJ在天津(广州)返程需租赁给TFGL的车辆数以及TFGL在上海返程需提供给SHAJ实施共同配送的车辆数相应减少,进而间接导致SHAJ从上海出发和TFGL从天津(广州)出发的两企业自身运输车辆数也有一定程度的降低。因此,从低碳环保的角度来看,物流企业间应在采取合适车辆资源共享的共同配送模式基础上提高合作效率,以达到最优的经济和环境效益。
4 结论
现实运输过程中严重的“去时满载、回时空车”现象不仅导致各物流企业高额运输成本,而且显然对环境系统造成高负荷。在倡导低碳经济模式下,通过技术创新和制度创新等多种手段减少温室气体排放,实现经济效益和环境保护的双赢已成为如今企业追求的共同目标。本文基于这一理念,关注不同物流运输企业间资源共享、相互合作的运营模式创新,探讨了面向低碳理念的不同物流企业车辆资源合作优化配置问题。具体地,以运营利润最高和碳排放量最低为决策目标,构建了不同企业车辆资源合作的超网络模型,通过转化成相应的变分不等式形式并实施案例仿真求解和参数分析,得出了一些有益结论:(1)碳税的合理征收能够有效促进物流企业车辆资源合作模式的实施,为低碳经济的实现起积极推动作用。(2)各物流企业之间可合理控制车辆资源合作的效率,以此来调节选择使用企业自身车辆或合作企业车辆进行运输,从而实现整个合作超网络的最优配置决策。
未来研究将探索低碳理念下物流企业车辆资源合作其它创新模式的适用性,也会尝试比较不同情景下各种合作创新模式的实施对经济和环境的影响。还可进一步结合真实物流企业合作运输场景,分析理论研究结果在实际应用中的可行性。
摘要：构造一个以不同类型车辆数量为网络流、面向所服务的“生产商-零售商”两层级车辆资源合作超网络结构,建立各物流企业同时满足运营利润最高和碳排放量最低的多目标优化模型,利用变分不等式理论求解整个超网络达到最优均衡状态时的车辆配置方案。以A和B为例,对两整车物流企业选择车辆资源合作的共同配送模式进行可行性分析,通过数值仿真讨论碳税、车辆合作使用率等参数对物流企业车辆合作优化决策的重要影响。