首页期刊导航|重庆理工大学学报
期刊信息/Journal information
重庆理工大学学报
重庆理工大学
重庆理工大学学报

重庆理工大学

石晓辉

月刊

1674-8425

023-62769495

400050

重庆市九龙坡区杨家坪

重庆理工大学学报/Journal Journal of Chongqing Institute of Technology北大核心CSTPCD
查看更多>>本刊是中国学术期刊综合评价数据库来源期刊,中国科技核心期刊,重庆市一级期刊,教育部优秀期刊。主要刊登有创造性、探索性、开拓性的学术论文、科研成果报告、重要学术问题的评述和学科前沿的综述。
正式出版
收录年代

    一种基于指纹定位的高精度农田节点定位算法

    臧英凯韩笑陈金超陈雯柏...
    1-8页
    查看更多>>摘要:针对农田无线传感器网络信号易受开放环境影响、节点定位存在区域空缺导致定位精度低的问题,提出一种基于指纹定位的高精度农田节点定位算法.通过采集农田网络信号数据,构建基于信号、坐标双尺度的K-means聚类指纹;针对开放农田环境因素造成的数据波动,利用XGBoost算法建立接收信号强度(RSSI)与节点位置之间的非线性映射模型,通过接收的信号强度指纹匹配粗定位节点位置;根据待测点与粗定位区域距离关系,进一步引入加权几何优化算法二次定位待测点,缩进定位区域实现节点精确定位.实验结果表明:在80%分位处,研究算法定位误差小于1.05m,较对比算法定位精度更高、时效性更强,能够为农田无线传感器网络定位系统提供参考.

    农田无线传感器网络指纹定位XGBoostRSSI

    某越野车发动机舱热管理分析与改进

    王良模张啸天王陶袁刘凯...
    9-16页
    查看更多>>摘要:针对某款越野车发动机舱冷却系统性能不足的问题,采用了一种以三维仿真为主、一维仿真为辅的分析方法,进行了发动机舱热管理分析与改进设计.通过三维仿真,对发动机舱进行了流场与温度场分析,找出了发动机舱内的高温热害部位;通过一维仿真,得到了发动机的出水温度和中冷器热端的出风温度,计算出了相应的ATD值和中冷常数.在此基础上,采用了加装导流板的改进方案,降低了中冷常数.仿真结果显示:发动机舱内中冷器上方区域存在明显的热回流情况,导致中冷常数偏高.加装导流板后,中冷器的进风量有所增加,回流量有所减少,中冷常数从28℃降低到21.31℃.这为该款越野车型的研发提供了技术支持,缩短了研发周期.

    发动机舱热管理三维仿真一维仿真流场与温度场

    FSAE赛车弯道气动特性数值模拟与试验研究

    赖晨光刘丽华冯帅温世豪...
    17-27页
    查看更多>>摘要:为研究FSAE赛车处于弯道工况下的气动特性,建立一简化FSAE模型,使用重叠网格方法对直道和弯道工况分别进行数值仿真.并对八字绕环进行道路试验,与数值仿真进行验证.结果表明:赛车在弯道工况中气动力发生较大变化,气动阻力增加1.5%,气动下压力增加6.5%,赛车在弯道中产生额外气动力矩,导致赛车趋于转向不足.在弯道内外侧,车身压力分布不对称趋势,侧倾角的存在是扩散器与底板下压力增大的主要原因,前轮转角影响了前翼涡流的运动,减小了前翼下压力.在八字绕环试验中测得整车下压力为121.9N,与整车模型数值仿真相比,误差约1.6%.

    FSAE赛车空气动力学CFD弯道

    采用双向LSTM自编码器的驾驶风格谱聚类识别研究

    梁科陈华晟潘明章叶宇...
    28-37页
    查看更多>>摘要:不同驾驶风格的分类对驾驶安全、道路设计和燃油经济性具有深远的影响.考虑到驾驶风格受驾驶员即时操作和前后操作的影响,提出了一种采用双向LSTM自编码器的谱聚类模型对驾驶风格进行识别,以反映驾驶数据时序性对驾驶风格识别的影响.首先利用鲸鱼优化算法对驾驶过程生成的自然驾驶数据进行特征选择,再利用基于双向LSTM的自编码器模型,获得用于谱嵌入的特征值和特征向量,并最终通过谱聚类对驾驶风格进行识别.应用本文中所提出的方法对真实驾驶数据进行比较分析.结果表明:该方法在聚类的精确性优于SOM和LSTM-谱聚类方法.此外,该方法还能在降低数据特征的情况下有效地识别驾驶员的驾驶风格,并反映驾驶员的操作策略.

    驾驶风格识别双向LSTM自编码器谱聚类

    融合GP-NAS改进的端到端车牌识别算法

    王峰唐志瑞邹俊逸王海波...
    38-46页
    查看更多>>摘要:针对当前复杂的路况环境影响导致的车牌识别困难问题,提出了基于GP-NAS改进的端到端车牌识别算法,使用YOLOv5s实现车辆车牌位置的精确定位,采用端到端的LPRNet技术对车牌号进行识别;使用GP-NAS方法对YOLOv5s算法进行改进,对YOLOv5s算法采用轻量化设计,修改YOLOv5s的神经网络结构获得了更优的网络模型;在优化的网络结构中加入了LPRNet,对LPRNet超参数组合进行修改.将改进的YOLOv5s算法与LPRNet网络相结合,设计了一种基于YOLOv5s-LPRNet模型的车牌识别系统.在多次训练后,车牌识别模型大小为(1.22+1.73)MB.实验结果表明:车牌识别精准率达到98%以上,实现了对各类车牌号识别的基本要求,降低了模型尺寸,提高了识别精准率.

    GP-NASYOLOv5LPRNet车牌定位车牌识别

    基于实测载荷谱的三维路面重构方法

    邹喜红周玉婷周雨航肖谕凯...
    47-55页
    查看更多>>摘要:针对三维路面重构时路面不平度难以描述的问题,提出一种利用实测载荷谱反求路面的方法.在建立采集方法和测试系统基础上采集某车实际行驶载荷谱,以3种典型路面下的直线匀速行驶工况为例进行三维路面重构.基于BP神经网络建立路面反求模型,使用车辆7自由度路面输入振动模型在标准等级路面输入下的输出响应,对BP神经网络进行训练和验证.以实测和积分后的载荷谱为输入,反求得到二维路面并进行验证,在此基础上,使用三角网格法对三维路面进行重构.研究结果表明:反求出的路面作为激励输入至7自由度路面输入振动模型中,输出的簧上及簧下加速度与实测相对误差在8%以内,验证了路面反求结果的有效性,为三维路面重构提供了一种切实可行的方法.

    实测载荷谱三维路面重构BP神经网络三角网格法

    侧倾工况下子午线轮胎接地区域非对称特性影响因素研究

    张树培陈义祥周海超张玮...
    56-62页
    查看更多>>摘要:车辆侧倾时轮胎接地特性呈现的非对称性对车辆燃油经济性、轮胎磨损以及轮胎动力学特性都有重要影响.考虑到接地特性高度依赖轮胎接地时印迹的形状和印迹上压力的准确分布,而目前计算轮胎侧倾时接地印迹上压力值的计算模型尚欠精确,以205/55 R16型半钢子午线轮胎为研究对象建立三维有限元模型,对影响准确获取轮胎接地非对称特性即压力分布的因素进行研究,构建侧倾工况下轮胎的二维接地压力模型,对压力分布影响因素及影响规律进行研究,为准确获取侧倾工况下轮胎路面间峰值附着系数的轮胎智能化研究提供参考.

    接地压力侧倾有限元仿真子午线轮胎

    电动轮汽车转向特性的轮胎接地印迹研究

    刘晋霞温明星梁志豪杜现斌...
    63-70页
    查看更多>>摘要:针对电动轮汽车各轮独立驱动与传统前轮偏转转向相结合出现滑移助力及偏转滑移转向机理认识不清的问题,建立电动轮汽车向左转的双轨2自由度模型,计算30、60km/h转向工况各车轮所受载荷基础上,利用ABAQUS建立轮胎-路面有限元模型,仿真计算各电动轮轮胎与路面间印迹,法向与横向应力、应变.结果表明:右侧轮胎印迹比左侧大,后轮胎印迹在横向方向向外有明显扩大;各轮胎法向应力、横向应力、法向应变分别在横、横、纵向方向呈基本对称分布;60km/h相对30km/h转向各轮胎印迹均减小,左、右侧轮胎法向应力分布区域、峰值分别减小、增大,右前轮胎横向应力、应变增大,且横向应力最大值出现在靠近胎肩处,左侧轮胎横向应力、应变均下降.

    电动轮汽车滑移助力偏转滑移轮胎-路面有限元模型

    车载控制力矩陀螺动力学特性研究

    石晓辉王林葛帅帅
    71-80页
    查看更多>>摘要:单框架控制力矩陀螺是两轮汽车姿态调整的核心部件,开展单框架控制力矩陀螺结构固有属性与动力学特性研究是实现其高速化、小型化的重要前提.鉴于此,考虑多材料转子陀螺效应、支撑框架柔性、转子轴承径向刚度等因素,基于有限元法,建立单框架控制力矩陀螺框架-轴承-转子系统耦合Hypermesh-Ansys联合仿真分析模型.在此模型基础上,探究耦合系统模态随惯性转速变化的规律及转子轴承径向刚度对系统临界转速的影响;通过研究单框架控制力矩陀螺转子在特定偏心质量下的系统不平衡响应,验证了临界转速分析的准确性;在转子稳态工况下,研究了耦合系统框架与转子的振动特性.结果表明:耦合系统一阶固有频率随惯性转速升高而降低,系统转子一、二阶临界转速分别在6000r/min与11500r/min附近;得到了临界转速对转子轴承径向刚度变化的敏感程度,给出了耦合系统转子轴承径向刚度合理阈值区间为180~320kN/mm;揭示了在稳态工况下单框架控制力矩陀螺框架与转子的振动情况.研究成果为控制力矩陀螺的工程运用及优化提供参考.

    有限元陀螺效应坎贝尔图临界转速轴心轨迹

    一种相机和激光雷达数据融合的目标检测算法

    申彩英朱思瑶黄兴驰
    81-88页
    查看更多>>摘要:环境感知是无人驾驶汽车的重要研究内容,交通参与者(如汽车、行人、骑行者)是其重点检测的目标.为解决纯点云算法由于点云稀疏性在识别小目标(如行人、骑行者)精度较低的问题,综合激光雷达和图像在目标识别上的优点,提出一种基于多传感器融合的目标检测算法—PointPainting+.以PointPainting算法为基础框架,改进其中语义分割环节即加入条形池化,从而使算法对长条形物体有更好的识别能力.实验显示:改进后的算法相对于PointPil-lars基线算法,针对骑行者检测的平均精确度提高了9.14%,行人检测方面的平均精度提高了9.71%.检测速度能达到43fps,满足实时性要求,有效改善了因点云稀疏性对行人、骑行者等远距离小目标检测不佳的问题.

    无人驾驶汽车环境感知多模态融合机器视觉深度学习