-
题名基于IPSO-BP的轻型汽油车道路排放预测
被引量：1
- 1
-
-
作者
王志红
严浩
袁雨
刘志恩
-
机构
武汉理工大学现代汽车零部件技术湖北省重点实验室
武汉理工大学现代零部件技术湖北省协同创新中心
-
出处
《北京交通大学学报》
CAS
CSCD
北大核心
2020年第6期103-109,共7页
-
基金
国家重点研发计划(2018YFB0106401)。
-
文摘
结合轻型汽油车RDE测试方法,采用便携式排放测试系统(Portable Emission Measurement System,PEMS),对某国六轻型汽油车在市区、市郊和高速路段上进行排放特性测试;建立双隐含层反向传播神经网络,并加入改进粒子群算法(Improved Particle Swarm Optimization Algorithm,IPSO)对BP结构的初始阈值及权值进行寻优;利用主成分分析对输入参数进行降维,CO与NO x排放预测值为目标输出,用试验数据进行训练及验证.结果表明:所建立的IPSO-BP排放预测模型的泛化能力较好,CO与NO x排放预测值能与试验值高度吻合,其平均相对误差分别为10.58%和13.76%;整体排放水平上,CO与NO x排放因子相对误差分别为4.81%和6.4%,该预测模型对监测轻型汽油车实际道路排放具有一定的工程价值.
-
关键词
RDE测试
便携式排放测试系统
改进粒子群算法
排放预测模型
-
Keywords
RDE test
portable emission measurement system
improved particle swarm optimization algorithm
emission prediction model
-
分类号
U467.1
[机械工程—车辆工程]
-
-
题名基于深度学习的汽车故障知识图谱构建
被引量：11
- 2
-
-
作者
胡杰
李源洁
耿號
耿黄政
郭雄
易红卫
-
机构
武汉理工大学
武汉理工大学
新能源与智能网联车湖北工程技术研究中心
上汽通用五菱汽车股份有限公司
-
出处
《汽车工程》
EI
CSCD
北大核心
2023年第1期52-60,85,共10页
-
文摘
本文将知识图谱引入汽车故障诊断领域,以某公司的售后业务数据为来源,根据文本特点,设计了一种知识图谱构建流程:在传统构建流程的基础上,加入文本预分类和实体重组流程。基于DPCNN模型的文本预分类用于处理目标字段存在信息冗余的问题;基于BERT-BiLSTM-MUL-CRF模型的实体抽取与基于语法规则的实体重组的组合形式可以有效解决文本中的嵌套实体问题和非连续实体问题;采用结合术语相似度和结构相似度的方法完成知识融合;最后,选用Neo4j图数据库进行存储,完成汽车故障知识图谱的构建。
-
关键词
知识图谱
深度学习
实体抽取
-
Keywords
knowledge graph
deep learning
entity extraction
-
分类号
U472
[机械工程—车辆工程]
-
-
题名基于模糊BN和改进证据理论的车辆故障定位方法
- 3
-
-
作者
胡杰
张潇
魏敏
陈林
卿海华
高长斌
-
机构
武汉理工大学
武汉理工大学
新能源与智能网联车湖北工程技术研究中心
上汽通用五菱汽车股份有限公司
-
出处
《汽车工程》
EI
CSCD
北大核心
2023年第10期1975-1983,共9页
-
文摘
为解决车辆售后维修过程中由于车辆部件的关联故障而产生大量杂乱故障码,导致通过分析故障码进行源头故障部件定位困难的问题,本文提出一种基于模糊BN和改进证据理论的车辆故障定位方法。首先,根据历史数据及专家经验构建模糊BN模型并得到其后验概率。其次,将后验概率作为改进证据理论的基本概率赋值输入,提出融合邓熵和Pignistic概率距离的修正系数对证据修正,解决证据不确定性及证据间冲突问题。然后,采用基于矩阵分析的证据合成规则,避免大量证据合成失败情况的同时减少计算量,得到故障定位结果。最后,以ABS系统为例,验证该方法的可行性。本文所提出的方法可为维修人员提供指导进行快速定位故障。
-
关键词
故障码
模糊贝叶斯网络
D-S证据理论
故障定位
-
Keywords
diagnosis trouble code
fuzzy Bayesian network
D-S evidence theory
fault location
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
U472
[机械工程—车辆工程]
-
-
题名自适应区域划分立体匹配算法
被引量：1
- 4
-
-
作者
李涵
黄妙华
-
机构
武汉理工大学现代汽车零部件技术湖北省重点实验室
武汉理工大学现代汽车零部件技术湖北省协同创新中心
武汉理工大学湖北省新能源与智能网联车工程技术研究中心
-
出处
《激光与光电子学进展》
CSCD
北大核心
2023年第10期162-172,共11页
-
基金
国家重点研发计划(2018YFE0105500)。
-
文摘
针对现有立体匹配算法在弱纹理区域及深度不连续区域匹配精度低的问题,提出一种基于自适应区域划分的立体匹配算法。首先,利用十字交叉域算法获取像素点臂长,计算像素变化率完成区域划分。然后,通过绝对差算法,改进Census变换和自适应加权梯度算子计算初始代价卷,利用十字交叉域进行代价聚合,对聚合后图像通过改进引导图滤波优化,使用赢者通吃策略筛选最优视差。最后,利用左右一致性检测、迭代区域投票、视差填充优化和中值滤波得到最终视差图。在Middlebury测试平台上测试结果表明,所提算法平均误差率为4.21%,能够有效提升在弱纹理区域及深度不连续区域的匹配精度。
-
关键词
机器视觉
立体匹配
自适应区域划分
像素变化率
引导图滤波
-
Keywords
machine vision
stereo matching
adaptive area division
pixel change rate
guided filter
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
