一、遗传算法在传感器优化设计中的应用（论文文献综述）
姜惠文[1]（2021）在《基于数字孪生的车间调度管理系统构建》文中提出近年来制造技术正在向智能化的方向不断发展,而车间生产过程中的调度问题是智能制造的重要研究对象,针对于日益增长的智能化生产需求和车间生产效率要求,更加高效稳定且寻优性能更好的生产调度算法应当被提出。在目前的车间生产管理过程中,物理空间和信息空间缺乏互通,这无法满足智能化生产需求。数字孪生作为一种新的思想,它的出现为实现生产车间有效调度管理提供了新思路。基于上述观点,本文的主要研究内容如下:（1）本文针对蜜蜂进化型遗传算法进行改进,通过设置汉明距离来优化初始化种群,在选择操作中采用分阶段选择策略,在算法中加入种群舍弃算子,并将简化后的模拟退火操作融入到蜜蜂进化型遗传算法,最终提出一种名为融合模拟退火的改进蜜蜂进化型遗传算法。该算法很大程度上提高了传统蜜蜂进化型算法的全局搜索能力,增加了搜索的精度,同时避免了模拟退火算法的低效性,并通过经典的FT06问题和FT10问题进行仿真分析,验证了改进算法在作业车间调度问题中具有更好寻优性能及稳定性。（2）针对当前智能制造背景下车间调度过程的新要求和传统车间管理系统的不足,本文提出了一种基于WEB开发的数字孪生车间调度管理系统架构,并以此架构为基础,融合数字孪生思想和本文提出的新算法设计了车间调度管理系统并对于系统的核心功能模块进行开发测试。系统开发以JavaWeb技术为基础,它的主要功能包括对于车间人员信息的管理维护、调度信息参数的存储及调度方案生成、设备及传感器数据的管理、基于数字孪生的工厂可视化管理以及融入数字孪生思想的在线调度仿真。最终对于系统核心功能模块的测试证明了该管理系统的有效性。
赵昕辉[2]（2021）在《面向高效能的飞翼无人机气动代理模型设计及控制分配》文中指出飞翼无人机采用翼身融合布局,取消了尾翼并将机身设计为一个升力部件,可以降低燃油消耗、提高续航能力、改善气动和隐身性能,是飞行器发展的重要方向之一。然而,飞翼布局的多操纵面构型使得无人机的飞行控制系统变为过驱动系统,从而带来了控制冗余的难题。一种有效的飞行控制系统设计方法是采用“飞行控制律+控制分配律”的级联架构,通过控制分配方法解决操纵面冗余难题。在控制分配律的设计过程中充分考虑分配精度、控制能耗等因素,可以实现高效能的分配结果。本文以多操纵面飞翼布局无人机为对象,研究了高分配精度、低控制能耗且面向多任务阶段的高效能控制分配方法。重点分析了飞翼无人机操纵面的非线性气动特性、多轴控制耦合和交叉耦合特性,研究了 Kriging和Co-Kriging气动代理模型设计中的关键问题。将控制能耗作为重点考虑因素,提出了基于所构建的气动代理模型的非线性控制分配方法、多目标控制分配方法和重构控制分配方法,并将所提出的控制分配方法应用于柔性操纵面飞翼无人机中。论文的主要研究工作如下:（1）针对飞翼无人机的低能耗、高精度的非线性控制分配问题,首先分析了升降副翼和开裂式阻力方向舵的非线性气动操纵特性、多轴控制耦合特性和交叉耦合效应。考虑到上述特性,综合分析比较了多种典型代理模型的非线性近似精度,选用高精度的Kriging模型建立飞翼无人机操纵面的气动代理模型。基于所构建的气动代理模型,将飞翼无人机的非线性控制分配问题转化为一个以分配精度和控制能耗为目标的约束优化问题,提出了基于Kriging气动代理模型的高效能非线性控制分配方法。分析了遗传算法和梯度加速粒子群算法的分配性能,并基于这两种算法提出了一种混合优化算法来求解该控制分配问题。（2）在降低控制能耗的基础上,考虑到飞翼无人机执行任务过程中要经历多种飞行阶段,研究了基于多置信度气动代理模型的高效能多目标控制分配问题。为了提高气动建模精度并降低计算代价,使用Co-Kriging多置信度代理模型对飞翼无人机的操纵面进行建模。设计了一种区间非均匀划分的最优拉丁超立方抽样方法来获得高置信度代理模型的建模初始样本点。提出了基于均方根误差和预测梯度的并行加点策略和面向全局建模精度的多重终止准则。分析了飞翼无人机在不同飞行阶段对分配精度、控制能耗、升力系数和阻力系数的要求,构建了多目标控制分配的数学模型,并提出了综合函数法和分层优化多目标粒子群法来解决该多目标控制分配问题。（3）考虑到复杂的多操纵面配置会增加操纵系统发生故障的概率,基于Krig-ing 控制分配架构对飞翼无人机在典型操纵面故障下的重构控制系统进行设计。分析了操纵系统中操纵面、执行机构和传感器的失效形式,重点对操纵面的损伤、卡阻、松浮和中位偏置等四种典型故障形式进行研究。通过分析操纵面故障对操纵性能的影响,建立了对应故障状态下的失效数学模型。针对不同的操纵面故障形式,对原有的Kriging气动代理模型进行对应故障状态下的修正,并基于修正后的Kriging气动代理模型对飞翼无人机的重构控制系统进行了设计。（4）将柔性操纵面技术应用于飞翼无人机可以进一步提升操纵面的气动性能、降低控制能耗。分析了将变形后缘作为柔性操纵面的可行性,并基于柔性蒙皮技术设计了一种机翼后缘展向变形结构。对比分析了平直机翼柔性操纵面和常规操纵面的转矩可达集,验证了柔性操纵面对气动操纵性能的提升效果。然后将柔性操纵面应用于飞翼无人机中,采用3D面元法对气动特性进行分析,建立了柔性操纵面的Kriging气动代理模型,并基于前述的分配架构初步设计了柔性操纵面飞翼无人机的控制分配算法。通过开环分配性能测试验证了所提出的控制分配方法的有效性。综上所述,本文以分配精度和控制能耗为基本目标,提出了基于气动代理模型的控制分配方法,设计了面向全局近似精度的Kriging和Co-Kriging气动代理模型,对飞翼无人机的非线性控制分配问题、多目标控制分配问题、重构控制和柔性操纵面的控制分配问题展开研究。本文的研究工作能够为飞翼无人机的飞行控制系统设计提供指导,并为其他过驱动系统的控制问题提供解决思路。
王铭基[3]（2021）在《海洋平台冰振危害监测与分析方法研究》文中研究说明寒区海洋平台每年冬季都会受到海冰作用从而发生严重的冰激振动问题。冰振危害的监测与分析方法是保障冰区现役抗冰平台安全作业和降低冰振危害损失的重要研究内容。本文围绕寒区海洋平台结构健康监测问题,针对寒区海洋平台冰振响应监测方法、损伤识别以及冰振风险预测方法开展了研究,主要工作如下:首先针对寒区海洋平台冰振响应监测方法,给出结合冰振响应特点和模态置信度准则（MAC）的传感器优化布置方法,运用动态惯性权重的粒子群算法（PSO）对优化布置问题进行求解。并利用此方法对渤海某升压站平台进行了传感器优化布置,给出了最佳空间布置位置。最后对动态惯性权重的粒子群算法与遗传算法针对相同布置问题的计算时间、达到最优时的迭代次数以及寻优能力做了对比,验证了动态惯性权重的粒子群算法对问题的适用性。而后针对寒区海洋平台长期处于冰振情况下结构可能存在隐性损伤的问题,采用Hilbert-Huang变换方法开展结构损伤识别的研究。首先利用有限元软件ANSYS对冰荷载激励下的渤海某抗冰导管架结构进行瞬态动力学分析,进而对结构冰激振动响应信号进行Hilbert-Huang变换得到结构响应信号的Hilbert能量边际谱,最后通过结构损伤和健康时的Hilbert能量边际谱的变化量构建损伤特征指标,分析对比不同损伤位置、损伤程度下损伤特征指标的损伤识别性能,并讨论了海冰的冰速、冰厚对损伤特征指标的影响以及利用冰振响应识别结构损伤的优越性。最后针对海洋平台冰振风险预测方法,利用冬季海洋平台现场监测到的大量气象、水文、冰振响应等信息,基于冰振危害的分级机制进行多源信息融合,建立了基于遗传算法的BP神经网络海洋平台冰振风险预测优化模型,明显提高了预测模型的预测精度。上述研究工作可以为寒区海洋平台的结构健康监测提供借鉴和参考。
罗超俊[4]（2020）在《改进遗传蚁群耦合算法在路由优化中的设计与应用》文中提出随着信息技术的进步与发展,人们对网络的要求逐渐向多协议、多平台、大规模演变,这就使得如何提高网络的质量与稳定性,成为了研究的热点。路由器作为多个网络连接的中间枢纽,其性能直接影响着网络的状态,因此,如何对路由机制进行合理的优化设计对于提高网络质量与稳定性有着重要的意义。本文通过研究国内外网络路由优化的方法、手段的大量文献资料,分析目前单纯的遗传算法原理、流程、应用及存在的优缺点,针对这些缺陷提出基于个体繁殖策略选择的改进遗传算法;对蚁群算法进行详细的研究分析,总结出蚁群算法存在的缺陷。结合前人已经提出的并行蚁群算法,针对无线自组织网络（Ad Hoc Network）Qo S（Quality of Serviee）路由优化问题,提出基于改进遗传蚁群耦合算法的Ad Hoc网络Qo S路由优化的设计,最后设计出实验来验证改进遗传蚁群耦合算法比单一的改进遗传算法、单一的改进蚁群算法、传统遗传蚁群耦合算法在Qo S路由优化方面具有的优势性。主要内容包括以下:（1）研究梳理传统遗传算法的原理、流程及存在的优缺点,遗传算法的主要缺陷存在于求解过程,其算法的选择策略常常采用轮赌策略,轮赌策略本身是概率问题,因此不能保证每一个具备高适应度个体被保留至下一代,同时会引入“早熟”问题。针对此问题,本文提出了一种改进选择策略的遗传算法。这种方法的核心思想在于,利用个体繁殖次数进行选择,即对于个体而言其繁殖次数与被选中概率正相关,从而克服轮赌选择的缺陷,提高算法的搜索速度。在此基础上设计出改进遗传算法在Ad Hoc网络Qo S路由优化应用方案。最后,网络仿真器（Network Simulator,NS）仿真结果证明:单一改进遗传算法比传统遗传算法在迭代次数、求解成功率、不同停留时间下端到端延迟、数据包投递率均具有较大的改善。（2）对蚁群算法的原理、数学模型、优缺点进行详细的研究,在此基础上采用改进蚁群算法应用于Ad Hoc网络Qo S路由优化应用分析,通过实验证实对于规模较大的Ad Hoc网络Qo S路由复杂问题求解上具有明显的优势,能有效提高收敛速度。然后,对遗传算法与蚁群算法的耦合的机理进行详细的分析与研究,通过大量的文献研究,传统的遗传算法与蚁群算法在搜索、求解时具备不同效率,随着时间的变化,遗传算法与蚁群算法存在收敛速度、求解速度呈现相反的变化趋势,正好利用这一点,将两者进行耦合,这样形成优势互补,可以消除遗传算法与蚁群算法的不足。本文中心思想不是将两者直接耦合,而是将改进的遗传算法与改进蚁群算法（并行蚁群算法）在上述理论思想指导下进行耦合,进一步研究其耦合策略与机制,设计改进遗传蚁群耦合算法在Ad Hod网络Qo S路由优化方案,利用NS工具建立耦合算法中的遗传算法阶段构建与蚁群阶段构建的数学模型,并给出该算法的实现过程与步骤。（3）鉴于Ad Hoc网络Qo S路由问题是一个NP完全（Non-deterministic Polynomial Complete,NP-C）问题,传统的路由算法解决效果往往不佳,于是本文提出采用改进遗传蚁群耦合算法来解决Ad Hoc网络Qo S路由问题。为了证明本文的设想,通过建立Ad Hoc网络Qo S路由网络模型,搭建实验仿真平台,设计三组实验来验证该算法（改进遗传蚁群耦合算法）在Ad Hoc网络Qo S路由中的优化效果。仿真结果表明,对比单一改进遗传算法、单一改进蚁群算法、传统遗传蚁群耦合算法,改进遗传蚁群耦合算法:1)求解迭代次数降低到21.89,求解成功率上提升到97.8。这说明该算法无论在求解迭代次数还是求解成功率都具备更大的优势。2)不同停留时间下改进遗传蚁群耦合路由算法端到端时延迟最低、节点不同移动速度下数据包投递率最高。
刘奕[5]（2020）在《5G网络技术对提升4G网络性能的研究》文中进行了进一步梳理随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
黄笑犬[6]（2020）在《基于传感器优化布置与集成学习的大跨桥梁损伤识别研究》文中指出桥梁在长期服役中,结构由于环境腐蚀、车辆超载及交通流量增加等因素影响,可能发生一定的损伤累积,如不能及时发现和修复将影响其正常运营功能,因此,建立桥梁健康监测系统,及时对结构状态进行安全评估变得尤为重要。其中,用于数据采集的传感器子系统及数据分析的损伤识别预警系统是健康监测的核心组成部分,然而对于健康监测在线实时产生大规模数据的大跨径桥梁而言,利用有限数量传感器的监测数据进行深度挖掘结构损伤信息的研究甚少。为了尽可能地获取桥梁整体的健康状况信息,如何优化传感器数量和位置并且利用有限数量传感器采集的海量监测数据进行桥梁健康状况的判断与评估仍是一直以来的热点与难点。本文以内蒙古乌海黄河特大桥主桥—矮塔斜拉桥为依托工程,主要围绕大跨桥梁健康监测传感器优化布置与集成学习的损伤识别方法展开研究,主要研究工作如下:（1）针对传感器优化布置问题,提出了一套适用于解决大跨桥梁传感器布置中自由度数目庞大、目标函数解域指数爆炸、极值集中问题的新型优化算法-自适应退火混沌遗传算法,并利用两组基准函数极值优化和经典TSP组合优化问题对该算法进行了有效性测试。（2）建立矮塔斜拉桥有限元模型并进行动力模态分析,依据位移模态特征,利用新型优化算法对主梁加速度传感器数目和位置进行优化,提出了具体的主梁传感器布置方案;为了便于实际工程应用,结合依托工程的算法参数灵敏度分析,利用MATLAB开发了适用于大跨桥梁的加速度传感器优化布置软件。（3）对矮塔斜拉桥主梁划分为若干子区域,并通过刚度折减模拟不同程度损伤的发生,以移动车辆荷载为桥梁外部激励荷载建立移动车辆荷载模型,利用布置传感器数据构造损伤指标并分析其有效性,进而建立损伤样本集。（4）引入机器学习领域较为主流的集成学习算法（如随机森林、XGBoost等）,探究了集成学习在损伤识别上的研究思路,提出了一套基于多传感器特征与集成学习的大跨桥梁损伤识别方法,并应用于矮塔斜拉桥的损伤区域识别。研究结果表明,本文所提出的新型优化算法相比传统遗传算法具有较好的全局寻优特性、快速的收敛特性和较高的稳健性,能够较好地解决大跨桥梁传感器优化布置问题;利用优化布置传感器监测数据构造的小波包能量指标具有较强的敏感性,由此确立了多传感器特征向量作为损伤区域识别的融合特征指标;结合多传感器特征与集成学习算法对依托工程的全桥子区域进行损伤定位并获得了80%以上的识别准确率,识别效果较优,在大跨桥梁健康监测系统在线实时监测和损伤预警上具有良好的应用前景,而集成学习方法较为新颖,仍需进一步探究其在损伤识别领域的应用。
殷红[7]（2019）在《工程结构的传感器优化布置及模态分析》文中研究说明近十几年来,我国已经修建了大批的重大工程。随着经济的发展和科技的进步,规模更大的复杂工程结构还将陆续问世。随着工程结构服役役龄的增加及诸多因素的影响,其服役能力逐渐降低。许多大型结构增设健康监测系统,以监测结构的服役安全状况。合理的传感器布置是结构健康监测的前提,最优的传感器布置方案可降低传感器数量,提高响应信息的覆盖率和灵敏度。根据响应可有效识别结构的模态参数。以模态分析结果进行结构有限元模型修正,进而对结构的动力学分析、状态评估、损伤诊断等诸多工程问题提供科学依据。基于以上背景,论文开展以下研究:（1）提出引入Lévy flight和萤火虫行为的鱼群算法（Fish Swarm Algorithm with Lévy Flight and Firefly Behavior,LFFSA）。将萤火虫个体的移动策略引入鱼群的聚群和觅食两种行为模式,并将Lévy flight的搜索策略引入鱼群的寻优路径。此外,采取一种基于动态参数的非线性变视野和变步长的策略限定鱼群的搜索范围,增强步长因子的自适应性。通过9个测试函数对人工鱼群算法（Artificial Fish-Swarm Algorithm,AFSA）、萤火虫算法（Firefly Algorithm,FA）、带有Lévy flight的萤火虫算法（Firefly Algorithm with Lévy flight,LFA）、拥有吸引度定义的鱼群算法（Fish-Swarm Algorithm with Firefly Behavior,FFSA）和Lévy flight和萤火虫行为的鱼群算法（LFFSA）等5种算法的寻优性能进行了收敛精度的与时间复杂度的计算和测试比较。结果表明,提出的LFFSA算法较其他算法有更好的全局搜索能力和寻优精度。（2）分别提出基于松弛序列法和LFFSA算法的传感器优化布置方法。首先将松弛思想融入传感器优化布置的序列优化方法,提出了传感器优化布置的松弛序列法。其次,将提出的LFFSA群智能优化算法应用到传感器优化布置中。两种方法均选取模态保证准则（Modal Assurance Criteria,MAC）矩阵的最大非对角元素为目标函数。最后,以平面桁架结构和三维桥梁结构模型为例,将以上两种方法与传统的积累序列法进行比较研究。结果表明,提出的松弛序列法和LFFSA法两种方法的传感器布置效果均优于传统的累计序列法,且基于LFFSA算法的传感器优化布置方法在取得了最好的传感器布置效果。（3）提出基于变分模态分解（Variational Mode Decomposition,VMD）和随机子空间法（Stochastic Subspace Identification,SSI）相结合的VMD-SSI模态参数识别方法。构建模态重复比率作为模态分解层数K的评价准则,利用SSI法减小了VMD参数识别中的曲线拟合误差,提高了模态参数识别的精度。最后利用统计理论分别检验VMD-SSI法识别的模态频率、模态阻尼和模态振型,验证该方法的有效性。（4）初步研究基于模态参数识别的模型修正方法。采用代理模型方法建立结构参数与模态参数之间的模型,将模型修正的问题就转化为有约束的非线性规划问题,采用布谷鸟智能优化算法进行优化,得到修正后的结构参数,并对结构参数的修正效果进行验证。利用Kriging模型、径向基函数、支持向量机和多项式响应面4种代理模型对一平面桁架结构进行模型修正。桁架结构模型修正实例表明Kriging模型和响应面模型分别具有较高的精度和效率。
李正心[8]（2019）在《振动信号重采样与转速软测量技术研究》文中指出振动信号常用来反映机械运行过程中的状态信息,振动信号准确有效的采集对机械设备状态监测和故障诊断有重要的意义。高频率采集的振动信号包含丰富的频率成分,时域分辨率高,广泛应用于工程实际中,但是时域分辨率提升的同时将导致频域分辨率的下降。由于时域和频域对采样频率需求的不同,为了解决时域分辨率和频域分辨率互相矛盾的问题,本文设计了一种基于分段线性插值的振动信号重采样方法,通过模拟信号和实验信号的验证,表明该方法在结构简洁性、计算速度和频谱准确度方面具有一定的优势。在重采样过程中镜像和频谱混叠问题是不可忽视的,解决方法是通过低通滤波器滤除高频成分。有限长单位冲激响应滤波器（Finite Impulse Response,FIR）具有线性相位特性,可以保证滤波后时域波形不失真。频率抽样法是滤波器设计中的主要方法,可以在频域上直接对滤波器进行设计,适合最优化设计,进而使滤波器的性能达到最优。本文利用改进遗传算法对FIR滤波器设计过程进行了优化,使滤波器的阻带衰减相较于查表法有明显提升。旋转机械的转速是机械运行过程中的重要参数。对于没有配置专门的转速通道的采集器,需要用软测量方法进行转速测量。本文基于波形转换原理设计了一种软测量方法。在不同信噪比和不同转速情况下对本文方法进行了验证,表明该方法在一定信噪比范围内具有较高的测量精度,并且对转速变化的敏感度较小,说明该方法是有效的。
王学渊[9]（2018）在《基于膜计算的移动机器人自主行走控制方法研究》文中指出膜计算理论与应用研究,为移动机器人自主行走中的智能规划、决策与控制等关键问题的解决提供了新途径。目前,膜计算的理论研究成果丰硕,而急需应用研究领域的突破。抽象于生物细胞的膜系统是一种仿生并行分布式计算模型,具有强大的信息处理与计算能力,适于求解移动机器人的运动规划与控制问题。本文针对移动机器人自主行走所面临的三类关键问题,结合膜计算模型的特点,分别设计了基于膜优化的路径规划算法以及多种行为膜控制器,用于提升移动机器人自主行走时的环境适应能力。本文首先描述了膜计算模型信息处理的特点,剖析了膜系统适合于解决移动机器人自主行走关键问题的原因。另一方面,在综合分析一般智能体混合式体系结构与膜系统构造的认知系统的共性基础上,构建了适合不同类型膜系统应用的自主移动机器人混合控制体系结构;分层次探讨了可以利用膜计算模型解决的具体应用问题,为后续膜系统与移动机器人自主行走控制方法相结合的研究工作,奠定了膜计算应用框架基础。针对智能路径规划方法常存在收敛慢、局部探测能力弱,难以兼顾效率与效果的问题,通过分析有效路径优化过程中解个体节点的演变规律,提出了一种维度可变的粒子群膜优化算法。充分利用动态膜结构的膜溶解、膜通信、膜转运等规则,将点修复算法、平滑算法以及移动方向调整等辅助功能算法有机结合,实现寻优粒子种群的维度变化与信息交流。利用多维度种群具有更广泛探测能力的特点,以提高搜索效能。另一方面,定义的多个目标的评价与决策方法,在加快算法收敛与提高适应性的同时,可以产生更合理的路径。针对非完整约束的轨迹跟踪过程中,移动机器人常面临外部扰动、参数剧烈变化、难以精确建模等问题,设计了运动学模型结合动力学模型的两层结构轨迹跟踪控制器。在外层运动学层面,结合Lyapunov稳定性理论、滑模控制方法以及Backstepping技术,分段设计了前馈与反馈相结合的运动学跟踪控制律,为动力学模型提供了更精确的参考路径输入。在内层动力学层面,利用膜系统将神经网络PID的控制模型规则化,同时利用酶变量灵活多变选择规则执行的特性,在膜内实现神经网络与专家知识相结合的参数自学习过程,这种灵活切换方式可使参数间的影响减弱,达到有效控制强时变扰动的效果。针对基于行为的实时导航过程中,存在易振荡与易陷入最小值陷阱等问题,分别设计了局部环境模式分类器、多行为选择策略与多行为融合膜控制器。考虑到自主机器人探索未知环境时,机器人对所处环境理解越精确越有利于做出正确行为响应,但传感器易受噪声影响的情况,定义了二值化的多种局部环境模式,将膜系统引入到环境分类器设计中,实现环境模式的准确快速识别;为便于多行为的融合,根据机器人物理特性分别设计了目标趋向、避障、随墙、通道穿越等行为控制律;提出能摆脱局部最小值陷阱的多行为融合策略,所设计的多行为融合膜控制器能够帮助移动机器人成功走出复杂的迷宫环境,自主行走性能优良。搭建了基于膜控制器的移动机器人实验平台。多组实验验证本文提出的膜控制器在移动机器人自主行走中具有满意的运动规划与运动控制性能。
《中国公路学报》编辑部[10]（2017）在《中国汽车工程学术研究综述·2017》文中研究指明为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度（Noise,Vibration,Harshness,NVH）控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车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。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统（ADAS）、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
二、遗传算法在传感器优化设计中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、遗传算法在传感器优化设计中的应用（论文提纲范文）
（1）基于数字孪生的车间调度管理系统构建（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状及发展趋势 |
| 1.2.1 车间生产调度问题的研究现状 |
| 1.2.2 数字孪生及车间管理系统的发展现状 |
| 1.3 本文主要研究内容与章节安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文章节安排 |
| 第二章 车间调度问题描述及相关算法 |
| 2.1 车间调度问题描述 |
| 2.1.1 车间调度问题分类 |
| 2.1.2 车间调度问题特点 |
| 2.2 蜜蜂进化型遗传算法 |
| 2.2.1 算法背景及生物学基础 |
| 2.2.2 蜜蜂进化型遗传算法模型及流程 |
| 2.2.3 蜜蜂进化型遗传算法应用及改进现状 |
| 2.3 模拟退火算法 |
| 2.3.1 模拟退火算法概述 |
| 2.3.2 Metropolis准则 |
| 2.3.3 模拟退火算法结构及流程 |
| 第三章 融合模拟退火的改进蜜蜂进化型遗传算法在车间调度中的应用 |
| 3.1 引言 |
| 3.2 JSP问题模型构建 |
| 3.2.1 调度约束条件 |
| 3.2.2 调度数学模型 |
| 3.3 融合模拟退火改进蜜蜂型遗传算法 |
| 3.3.1 算法提出背景 |
| 3.3.2 算法改进设计 |
| 3.3.3 SABIBEGA算法流程 |
| 3.4 改进算法求解JSP问题 |
| 3.4.1 染色体编码与解码 |
| 3.4.2 目标函数选择及参数设置 |
| 3.5 仿真验证 |
| 3.6 本章小结 |
| 第四章 基于数字孪生的车间调度管理系统设计与核心功能实现 |
| 4.1 引言 |
| 4.2 基于数字孪生思想的车间调度管理系统的整体设计 |
| 4.2.1 架构模型 |
| 4.2.2 架构在车间管理过程中的实施 |
| 4.2.3 系统框架选择 |
| 4.2.4 系统核心功能模块 |
| 4.2.5 系统数据保障层设计 |
| 4.3 系统核心功能实现 |
| 4.3.1 车间信息管控模块 |
| 4.3.2 基于数字孪生的可视化监控模块 |
| 4.3.3 在线调度模块 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（2）面向高效能的飞翼无人机气动代理模型设计及控制分配（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 飞翼无人机控制系统设计的挑战和机遇 |
| 1.3 控制分配方法研究现状 |
| 1.3.1 级联飞行控制系统架构 |
| 1.3.2 控制分配方法发展与现状 |
| 1.3.3 基于Kriging代理模型的控制分配 |
| 1.3.4 重构控制分配方法 |
| 1.4 研究内容与论文结构 |
| 第2章 飞翼无人机操纵面特性与建模 |
| 2.1 飞翼无人机模型 |
| 2.2 多操纵面系统特性分析 |
| 2.2.1 操纵面气动操纵特性 |
| 2.2.2 执行机构模型 |
| 2.3 飞翼无人机数学模型 |
| 2.3.1 坐标系及运动参数定义 |
| 2.3.2 飞翼无人机非线性模型 |
| 2.4 动态逆控制律设计 |
| 2.5 本章小结 |
| 第3章 基于Kriging的高效能控制分配方法研究 |
| 3.1 控制分配数学模型 |
| 3.2 操纵面气动代理模型 |
| 3.2.1 多项式代理模型 |
| 3.2.2 径向基函数模型 |
| 3.2.3 Kriging模型 |
| 3.2.4 模型近似精度验证 |
| 3.3 基于Kriging模型的控制分配方法 |
| 3.3.1 面向控制能耗的分配问题建模 |
| 3.3.2 优化算法 |
| 3.3.3 两种方法性能对比 |
| 3.3.4 混合优化算法 |
| 3.4 控制分配性能分析 |
| 3.4.1 开环/闭环分配性能 |
| 3.4.2 开环分配性能验证 |
| 3.4.3 闭环分配性能验证 |
| 3.5 本章小节 |
| 第4章 Co-Kriging气动代理模型设计及多目标控制分配 |
| 4.1 多置信度代理模型的试验设计方法 |
| 4.1.1 多置信度代理模型 |
| 4.1.2 实验设计方法 |
| 4.2 Co-Kriging代理模型建模方法 |
| 4.2.1 Co-Kriging模型算法 |
| 4.2.2 加点准则 |
| 4.2.3 终止准则 |
| 4.2.4 Co-Kriging建模精度评估 |
| 4.3 多目标控制分配问题 |
| 4.4 综合函数多目标优化方法 |
| 4.5 分层优化多目标粒子群方法 |
| 4.6 基于Co-Kriging的多目标控制分配方法 |
| 4.6.1 姿态角跟踪性能 |
| 4.6.2 分配误差 |
| 4.6.3 控制能耗 |
| 4.6.4 升力、阻力系数 |
| 4.7 本章小节 |
| 第5章 面向操纵面故障的重构控制分配方法 |
| 5.1 重构控制分配架构 |
| 5.2 面向操纵面损伤的重构控制分配 |
| 5.2.1 损伤故障模型与重构设计 |
| 5.2.2 开环分配效果 |
| 5.2.3 闭环分配效果 |
| 5.3 面向操纵面卡阻的重构控制分配 |
| 5.3.1 卡阻故障模型与重构设计 |
| 5.3.2 开环分配效果 |
| 5.3.3 闭环分配效果 |
| 5.4 面向操纵面松浮的重构控制分配 |
| 5.4.1 松浮故障模型与重构设计 |
| 5.4.2 开环分配效果 |
| 5.4.3 闭环分配效果 |
| 5.5 面向操纵面中位偏置的重构控制分配 |
| 5.5.1 中位偏置故障模型与重构设计 |
| 5.5.2 开环分配效果 |
| 5.5.3 闭环分配效果 |
| 5.6 本章小节 |
| 第6章 柔性自适应操纵面建模及控制分配方法 |
| 6.1 柔性操纵面的概念 |
| 6.2 变形后缘机翼 |
| 6.2.1 变形机构 |
| 6.2.2 气动计算 |
| 6.2.3 转矩可达集对比 |
| 6.3 柔性操纵面飞翼无人机 |
| 6.3.1 飞翼无人机模型 |
| 6.3.2 气动分析与Kriging建模 |
| 6.4 控制分配算法与仿真分析 |
| 6.5 本章小节 |
| 第7章 结论与展望 |
| 7.1 论文工作总结 |
| 7.2 论文主要创新点 |
| 7.3 进一步研究方向 |
| 附录A 非线性动态逆控制方法设计 |
| A.1 非线性动态逆基础 |
| A.2 输入-输出线性化 |
| A.3 状态转移 |
| A.4 多输入-多输出系统的动态逆控制律 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（3）海洋平台冰振危害监测与分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 海洋平台冰振危害 |
| 1.2.1 不同结构类型的冰荷载 |
| 1.2.2 冰荷载下结构失效模式 |
| 1.3 海洋平台冰振危害监测和分析面临主要问题 |
| 1.4 结构监测与分析方法研究现状 |
| 1.4.1 传感器优化布置 |
| 1.4.2 基于动力响应的结构损伤识别 |
| 1.4.3 基于多源信息融合的风险预测预警 |
| 1.5 本文工作内容 |
| 2 基于改进PSO的海洋平台冰振响应监测传感器优化布置方法 |
| 2.1 寒区海洋平台的传感器优化布置方法 |
| 2.1.1 基于最小模态置信度的传感器优化布置方法 |
| 2.1.2 寒区海洋平台传感器优化布置的特殊性 |
| 2.2 动态惯性权重的粒子群(PSO)寻优算法 |
| 2.2.1 粒子群算法简介 |
| 2.2.2 动态惯性权重的粒子群算法理论模型 |
| 2.2.3 基于动态惯性权重的粒子群算法的传感器优化布置方法 |
| 2.3 遗传算法寻优 |
| 2.3.1 遗传算法简介 |
| 2.3.2 基于遗传算法的传感器优化布置方法 |
| 2.4 数值算例 |
| 2.4.1 结构参数 |
| 2.4.2 结构模态分析 |
| 2.4.3 待优化布置位置 |
| 2.4.4 粒子群算法的优化布置结果 |
| 2.4.5 遗传算法的优化布置结果 |
| 2.5 两种方法的优化布置性能对比 |
| 2.5.1 寻优速度 |
| 2.5.2 寻优能力 |
| 2.6 本章总结 |
| 3 基于Hilbert-Huang变换的抗冰导管架平台损伤识别方法 |
| 3.1 基于Hilbert-Huang变换的损伤特征指标构建 |
| 3.1.1 经验模态分解 |
| 3.1.2 Hilbert变换 |
| 3.1.3 基于Hilbert能量边际谱的损伤特征指标构建 |
| 3.2 损伤特征指标仿真分析 |
| 3.2.1 抗冰导管架平台结构参数 |
| 3.2.2 结构荷载 |
| 3.2.3 损伤特征指标分析 |
| 3.2.4 不同冰厚对损伤特征指标影响 |
| 3.2.5 不同冰速对损伤特征指标影响 |
| 3.3 水下位置损伤的损伤特征指标仿真分析 |
| 3.3.1 抗冰导管架结构水下损伤位置 |
| 3.3.2 损伤特征指标分析 |
| 3.4 利用冰振响应识别结构损伤的优越性 |
| 3.4.1 波浪荷载 |
| 3.4.2 波浪荷载下结构损伤特征指标 |
| 3.4.3 波浪荷载和冰荷载结构损伤特征指标对比 |
| 3.5 本章总结 |
| 4 基于多源信息融合的寒区海洋平台冰振风险预测方法 |
| 4.1 多源信息的现场监测体系 |
| 4.1.1 海冰参数监测 |
| 4.1.2 水文气象信息监测 |
| 4.1.3 平台冰振响应监测 |
| 4.2 海洋平台冰振危害等级的分级机制 |
| 4.2.1 人员感受分级 |
| 4.2.2 管线失效分级 |
| 4.3 基于遗传算法优化BP神经网络的冰振风险预测 |
| 4.3.1 冰激振动的环境影响因素 |
| 4.3.2 BP神经网络 |
| 4.3.3 数据归一化 |
| 4.3.4 网络结构与学习参数 |
| 4.3.5 神经网络初始权值对预测精度的影响 |
| 4.3.6 基于遗传算法的BP神经网络模型构建 |
| 4.3.7 实测数据学习与预测 |
| 4.4 本章总结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）改进遗传蚁群耦合算法在路由优化中的设计与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 选题背景及其意义 |
| 1.2 国内外研究现状论述及分析 |
| 1.3 主要研究内容及创新点 |
| 1.4 文章组织结构 |
| 第2章 网络路由技术优化及其评价 |
| 2.1 网络路由技术的概述 |
| 2.1.1 路由算法的研究 |
| 2.1.2 路由协议的研究 |
| 2.2 网络路由优化的研究 |
| 2.2.1 网络优化的控制分析 |
| 2.2.2 网络路由优化的内涵 |
| 2.2.3 路由优化技术的研究 |
| 2.3 网络路由质量评价体系的研究 |
| 2.4 本章小结 |
| 第3章 改进的遗传算法与蚁群算法 |
| 3.1 遗传算法的内涵 |
| 3.1.1 遗传算法的概念与特征 |
| 3.1.2 遗传算法的相关算子 |
| 3.1.3 遗传算法的实现过程 |
| 3.1.4 遗传算法的优缺点分析 |
| 3.1.5 改进遗传算法的分析 |
| 3.2 蚁群算法的分析 |
| 3.2.1 蚁群算法的基本概念及特征 |
| 3.2.2 蚁群算法的数学模型及其流程 |
| 3.2.3 蚁群算法的优势及缺陷分析 |
| 3.2.4 路由优化问题中改进蚁群算法的应用分析 |
| 3.3 本章小结 |
| 第4章 改进遗传蚁群耦合算法在Ad Hoc网络Qo S优化中的设计 |
| 4.1 AdHoc网络概述 |
| 4.1.1 问题描述 |
| 4.1.2 Ad Hoc网络Qo S路由参数描述 |
| 4.2 改进遗传蚁群耦合算法理论基础 |
| 4.3 改进遗传蚁群耦合算法耦合策略 |
| 4.4 改进遗传蚁群耦合算法的构建 |
| 4.4.1 遗传算法阶段的构建 |
| 4.4.2 蚁群算法阶段的构建 |
| 4.4.3 改进遗传蚁群耦合算法在AdHoc网络路由优化设计中流程 |
| 4.5 本章小结 |
| 第5章 实验仿真与结果分析 |
| 5.1 仿真软件NS简介 |
| 5.2 实验平台的搭建 |
| 5.2.1 实验环境 |
| 5.2.2 实验准备工作 |
| 5.2.3 搭建实验平台 |
| 5.3 实验流程 |
| 5.4 改进遗传蚁群耦合算法具体实现描述 |
| 5.5 实验仿真与分析 |
| 5.5.1 改进遗传蚁群耦合算法在Ad Hoc网络Qo S路由优化应用 |
| 5.5.2 迭代次数与成功率分析 |
| 5.6 本章小结 |
| 结论 |
| 总结 |
| 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（5）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（6）基于传感器优化布置与集成学习的大跨桥梁损伤识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 健康监测研究现状 |
| 1.2.2 传感器优化布置研究现状 |
| 1.2.3 结构损伤识别研究现状 |
| 1.3 拟解决的问题 |
| 1.3.1 存在的不足 |
| 1.3.2 拟解决的问题 |
| 1.4 本文的研究内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第2章 大跨桥梁传感器优化布置算法设计 |
| 2.1 智能优化算法简介 |
| 2.1.1 遗传算法 |
| 2.1.2 模拟退火算法 |
| 2.1.3 混沌算法 |
| 2.2 结合退火策略和混沌遗传的新型组合优化算法 |
| 2.3 本文对CGASA算法的改进 |
| 2.3.1 适应度函数改进 |
| 2.3.2 自适应概率调整机制改进 |
| 2.3.3 模拟退火策略改进 |
| 2.4 CGASA算法的基准函数和TSP问题测试 |
| 2.4.1 Schaffer函数 |
| 2.4.2 Rosenbrock函数 |
| 2.4.3 TSP问题 |
| 2.5 基于传感器优化布置的CGASA算法设计与运算步骤 |
| 2.5.1 传感器优化布置问题 |
| 2.5.2 编码方式的选择 |
| 2.5.3 选择和最佳保留策略 |
| 2.5.4 部分匹配交叉和逆位变异策略 |
| 2.5.5 混沌空间构造策略 |
| 2.5.6 传感器优化布置流程与步骤 |
| 2.6 本章小节 |
| 第3章 CGASA算法在传感器优化布置上的应用 |
| 3.1 不完备模态信息下的传感器优化布置理论 |
| 3.1.1 传感器优化布置数学模型 |
| 3.1.2 模态分析基本理论 |
| 3.1.3 加速度传感器优化布置准则 |
| 3.2 矮塔斜拉桥有限元模态分析 |
| 3.2.1 依托工程背景 |
| 3.2.2 有限元模型 |
| 3.2.3 模态分析与数据提取 |
| 3.3 矮塔斜拉桥传感器数目和位置的优化 |
| 3.3.1 传感器数目和位置的优化计算 |
| 3.3.2 依托实际工程的CGASA算法参数灵敏度分析 |
| 3.3.3 算法有效性比较 |
| 3.4 基于MATLAB的传感器优化布置软件设计 |
| 3.4.1 图形用户界面GUI |
| 3.4.2 软件用途说明 |
| 3.4.3 数据分布架构和处理逻辑 |
| 3.4.4 主要窗口和功能模块 |
| 3.5 本章小节 |
| 第4章 基于多传感器特征向量的损伤识别方法 |
| 4.1 移动车辆荷载模拟及损伤工况建立 |
| 4.1.1 移动车辆荷载模拟 |
| 4.1.2 传感器优化布置测点确定 |
| 4.1.3 损伤工况及损伤样本集构造 |
| 4.1.4 桥梁结构动力响应分析 |
| 4.2 小波包分析的动力信号特征提取方法 |
| 4.2.1 小波包分析理论 |
| 4.2.2 常用小波基函数及其性质 |
| 4.2.3 最优小波基函数和分解层次的选取 |
| 4.3 多传感器特征向量的损伤识别指标确定 |
| 4.3.1 基于小波包能量的损伤指标构造 |
| 4.3.2 基于动力响应信息的小波包能量分解 |
| 4.3.3 基于小波包指标的损伤预警分析 |
| 4.3.4 基于多传感器特征向量的损伤识别方法 |
| 4.4 本章小节 |
| 第5章 基于多传感器特征与集成学习的损伤区域识别研究 |
| 5.1 基于集成学习的损伤识别方法 |
| 5.1.1 机器学习简述 |
| 5.1.2 集成学习方法 |
| 5.1.3 基于集成学习的损伤区域识别流程 |
| 5.2 基于随机森林-bagging集成学习方法的损伤区域识别 |
| 5.2.1 决策树算法 |
| 5.2.2 随机森林算法简述 |
| 5.2.3 随机森林参数说明与优化 |
| 5.2.4 损伤区域识别结果及分析 |
| 5.3 基于XGBoost-boosting集成学习方法的损伤区域识别 |
| 5.3.1 XGBoost算法 |
| 5.3.2 XGBoost算法参数说明与优化 |
| 5.3.3 损伤区域识别结果及分析 |
| 5.4 不同集成学习算法识别结果比较 |
| 5.5 本章小节 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
| 攻读硕士学位期间参加的项目 |
（7）工程结构的传感器优化布置及模态分析（论文提纲范文）
| 摘要 |
| Abstract |
| 缩写与全称对照表 |
| 主要符号表 |
| 1 绪论 |
| 1.1 选题背景和意义 |
| 1.2 几种智能优化算法研究现状 |
| 1.2.1 人工鱼群算法 |
| 1.2.2 萤火虫算法 |
| 1.2.3 布谷鸟算法 |
| 1.3 传感器优化布置的研究现状 |
| 1.3.1 优化准则 |
| 1.3.2 优化算法 |
| 1.4 结构模态参数识别方法研究现状 |
| 1.5 模型修正方法研究现状 |
| 1.5.1 矩阵型模型修正 |
| 1.5.2 参数型模型修正 |
| 1.6 现有研究存在的问题 |
| 1.7 课题来源 |
| 1.8 主要研究内容及创新点 |
| 1.8.1 主要研究内容 |
| 1.8.2 主要创新点 |
| 2 模态试验传感器优化布置方法研究 |
| 2.1 传感器优化布置的准则 |
| 2.2 松弛序列法 |
| 2.2.1 积累序列法 |
| 2.2.2 传感器优化布置的松弛序列法 |
| 2.2.3 算例分析 |
| 2.3 LFFSA法 |
| 2.3.1 鱼群算法及其改进 |
| 2.3.2 LFFSA的数值仿真试验 |
| 2.3.3 传感器优化布置的LFFSA法 |
| 2.4 结构传感器优化布置试验分析 |
| 2.4.1 平面桁架结构的传感器优化布置 |
| 2.4.2 三维钢桁梁结构的传感器优化布置 |
| 2.5 本章小结 |
| 3 基于优化变分模态分解的模态参数识别 |
| 3.1 模态参数识别概述 |
| 3.1.1 数学模型 |
| 3.1.2 模态参数识别方法概述 |
| 3.2 变分模态分解方法 |
| 3.2.1 VMD模态响应识别 |
| 3.2.2 VMD的模态参数识别算法 |
| 3.3 随机子空间方法 |
| 3.3.1 状态空间模型的建立 |
| 3.3.2 数据驱动的随机子空间法 |
| 3.4 改进VMD-SSI模态识别 |
| 3.4.1 模型定阶问题 |
| 3.4.2 模态重复比率准则 |
| 3.4.3 模态参数识别 |
| 3.5 本章小结 |
| 4 试验模态参数识别及算法性能检验 |
| 4.1 模态参数识别的仿真算例 |
| 4.1.1 仿真函数 |
| 4.1.2 分解层数K的优选 |
| 4.1.3 模态参数识别性能比较 |
| 4.2 简支梁模型结构参数识别 |
| 4.2.1 理论模态分析 |
| 4.2.2 试验模态分析 |
| 4.3 模态参数识别结果的统计检验 |
| 4.3.1 模态频率的逐对比较法检验 |
| 4.3.2 模态阻尼的p值法t检验 |
| 4.3.3 模态振型的bootstrap-t法估计 |
| 4.4 本章小结 |
| 5 基于模态参数的模型修正 |
| 5.1 动力学模型修正过程 |
| 5.2 动力学有限元模型验证 |
| 5.3 修正参数选择 |
| 5.4 代理模型的建立 |
| 5.4.1 方差分析 |
| 5.4.2 试验设计方法 |
| 5.4.3 代理模型的构建方法 |
| 5.5 代理模型有效性评价 |
| 5.6 基于布谷鸟优化算法的模型参数修正 |
| 5.6.1 平面桁架结构的模型修正 |
| 5.6.2 布谷鸟算法 |
| 5.6.3 修正结果及有效性检验 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（8）振动信号重采样与转速软测量技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 振动信号重采样 |
| 1.2.2 转速测量 |
| 1.2.3 遗传算法 |
| 1.3 本文主要研究内容及结构安排 |
| 第2章 振动信号重采样技术 |
| 2.1 引言 |
| 2.2 信号重采样技术 |
| 2.2.1 重采样的原理 |
| 2.2.2 重采样的实现 |
| 2.2.3 存在的问题 |
| 2.3 振动信号重采样新方法 |
| 2.3.1 重采样方法的原理 |
| 2.3.2 重采样方法的实现 |
| 2.4 算例 |
| 2.4.1 模拟信号重采样 |
| 2.4.2 实验验证 |
| 2.5 本章小结 |
| 第3章 旋转机械转速测量技术 |
| 3.1 引言 |
| 3.2 转速测量原理 |
| 3.2.1 转速传感器 |
| 3.2.2 转速测量方法 |
| 3.2.3 测量过程中存在的问题 |
| 3.3 转速软测量新方法 |
| 3.3.1 测量原理 |
| 3.3.2 测量方法的实现 |
| 3.4 算例 |
| 3.4.1 模拟信号测试 |
| 3.4.2 实验验证 |
| 3.5 本章小结 |
| 第4章 基于遗传算法的抗混滤波器设计 |
| 4.1 引言 |
| 4.2 遗传算法原理 |
| 4.2.1 控制参数 |
| 4.2.2 编码 |
| 4.2.3 适应度函数 |
| 4.2.4 遗传操作 |
| 4.2.5 遗传算法的特点 |
| 4.3 遗传算法的改进 |
| 4.3.1 对编码方式的改进 |
| 4.3.2 对控制参数的改进 |
| 4.3.3 对选择算子的改进 |
| 4.3.4 对交叉和变异算子的改进 |
| 4.4 算例 |
| 4.5 抗混滤波器优化设计 |
| 4.5.1 频域采样设计FIR滤波器 |
| 4.5.2 频率采样基本设计法的逼近误差分析 |
| 4.5.3 频率采样滤波器优化设计过程 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）基于膜计算的移动机器人自主行走控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的提出 |
| 1.2 国内外研究现状 |
| 1.2.1 膜计算研究现状 |
| 1.2.2 移动机器人发展概况 |
| 1.2.3 移动机器人自主行走关键问题研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 基于膜计算的移动机器人自主行走控制分析 |
| 2.1 引言 |
| 2.2 移动机器人自主行走控制的膜计算基础 |
| 2.2.1 膜算法 |
| 2.2.2 数值膜系统定义 |
| 2.2.3 酶数值膜系统定义 |
| 2.3 基于膜计算的移动机器人自主行走控制体系分析 |
| 2.3.1 基于膜计算的认知体系 |
| 2.3.2 基于膜计算的混合式体系结构分析 |
| 2.4 本章小结 |
| 第3章 基于膜计算的移动机器人路径规划方法 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于m MPSO算法的移动机器人路径规划 |
| 3.3.1 路径规划问题的数学建模 |
| 3.3.2 可变维策略分析 |
| 3.3.3 m MPSO算法描述 |
| 3.4 实验验证及结果分析 |
| 3.5 本章小结 |
| 第4章 基于膜计算的移动机器人轨迹跟踪方法 |
| 4.1 引言 |
| 4.2 移动机器人轨迹跟踪问题描述 |
| 4.3 移动机器人轨迹跟踪控制器 |
| 4.3.1 移动机器人运动学控制器设计 |
| 4.3.2 移动机器人动力学控制器设计 |
| 4.4 实验验证及分析 |
| 4.4.1 运动学控制器仿真实验 |
| 4.4.2 动力学控制器计算机仿真及分析 |
| 4.5 本章小结 |
| 第5章 基于膜计算的移动机器人多行为融合控制方法 |
| 5.1 引言 |
| 5.2 移动机器人自主行走中的行为选择 |
| 5.3 环境状态识别的膜分类器设计 |
| 5.3.1 局部环境模型定义 |
| 5.3.2 环境模型膜分类器设计 |
| 5.4 基本行为控制律设计 |
| 5.4.1 趋向目标行为 |
| 5.4.2 避障行为 |
| 5.4.3 随墙行为 |
| 5.4.4 穿越通道行为 |
| 5.4.5 自转行为 |
| 5.4.6 紧急调头行为 |
| 5.5 基于膜系统的多行为融合控制器设计 |
| 5.5.1 多行为动态选择策略 |
| 5.5.2 行为融合的膜控制器设计 |
| 5.6 实验验证及分析 |
| 5.6.1 环境分类器实验 |
| 5.6.2 多行为融合控制器对比实验 |
| 5.7 本章小结 |
| 第6章 实验验证及结果分析 |
| 6.1 引言 |
| 6.2 膜控制器实现的系统框架 |
| 6.3 膜控制器实现的软硬件平台 |
| 6.3.1 数值膜系统仿真平台 |
| 6.3.2 移动机器人平台 |
| 6.4 实验结果及分析 |
| 6.4.1 轨迹跟踪计算机仿真及结果分析 |
| 6.4.2 多行为融合实验及结果分析 |
| 6.4.3 实体平台实验 |
| 6.5 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间科研成果 |
（10）中国汽车工程学术研究综述·2017（论文提纲范文）
| 索引 |
| 0引言 |
| 1汽车NVH控制 (长安汽车工程研究院庞剑总工程师统稿) |
| 1.1从静音到声品质 (重庆大学贺岩松教授提供初稿) |
| 1.1.1国内外研究现状 |
| 1.1.1.1声品质主观评价 |
| 1.1.1.2声品质客观评价 |
| 1.1.1.3声品质主客观统一模型 |
| 1.1.2存在的问题 |
| 1.1.3研究发展趋势 |
| 1.2新能源汽车NVH控制技术 |
| 1.2.1驱动电机动力总成的NVH技术 (同济大学左曙光教授、林福博士生提供初稿) |
| 1.2.1.1国内外研究现状 |
| 1.2.1.2热点研究方向 |
| 1.2.1.3存在的问题与展望 |
| 1.2.2燃料电池发动机用空压机的NVH技术 (同济大学左曙光教授、韦开君博士生提供初稿) |
| 1.2.2.1国内外研究现状 |
| 1.2.2.2存在的问题 |
| 1.2.2.3总结与展望 |
| 1.3车身与底盘总成NVH控制技术 |
| 1.3.1车身与内饰 (长安汽车工程研究院庞剑总工程师提供初稿) |
| 1.3.1.1车身结构 |
| 1.3.1.2声学包装 |
| 1.3.2制动系 (同济大学张立军教授、徐杰博士生、孟德建讲师提供初稿) |
| 1.3.2.1制动抖动 |
| 1.3.2.2制动颤振 |
| 1.3.2.3制动尖叫 |
| 1.3.2.4瓶颈问题与未来趋势 |
| 1.3.3轮胎 (清华大学危银涛教授、杨永宝博士生、赵崇雷硕士生提供初稿) |
| 1.3.3.1轮胎噪声机理研究 |
| 1.3.3.2轮胎噪声计算模型 |
| 1.3.3.3轮胎噪声的测量手段 |
| 1.3.3.4降噪方法 |
| 1.3.3.5问题与展望 |
| 1.3.4悬架系 (吉林大学庄晔副教授提供初稿) |
| 1.3.4.1悬架系NVH问题概述 |
| 1.3.4.2悬架系的动力学建模与NVH预开发 |
| 1.3.4.3悬架系的关键部件NVH设计 |
| 1.3.4.4悬架NVH设计整改 |
| 1.4主动振动控制技术 (重庆大学郑玲教授提供初稿) |
| 1.4.1主动和半主动悬架技术 |
| 1.4.1.1主动悬架技术 |
| 1.4.1.2半主动悬架技术 |
| 1.4.2主动和半主动悬置技术 |
| 1.4.2.1主动悬置技术 |
| 1.4.2.2半主动悬置技术 |
| 1.4.3问题及发展趋势 |
| 2汽车电动化与低碳化 (江苏大学何仁教授统稿) |
| 2.1传统汽车动力总成节能技术 (同济大学郝真真博士生、倪计民教授提供初稿) |
| 2.1.1国内外研究现状 |
| 2.1.1.1替代燃料发动机 |
| 2.1.1.2高效内燃机 |
| 2.1.1.3新型传动方式 |
| 2.1.2存在的主要问题 |
| 2.1.3重点研究方向 |
| 2.1.4发展对策及趋势 |
| 2.2混合动力电动汽车技术 (重庆大学胡建军教授、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.2.1国内外研究现状 |
| 2.2.2存在的问题 |
| 2.2.3重点研究方向 |
| 2.3新能源汽车技术 |
| 2.3.1纯电动汽车技术 (长安大学马建、余强、汪贵平教授, 赵轩、李耀华副教授, 许世维、唐自强、张一西研究生提供初稿) |
| 2.3.1.1动力电池 |
| 2.3.1.2分布式驱动电动汽车驱动控制技术 |
| 2.3.1.3纯电动汽车制动能量回收技术 |
| 2.3.2插电式混合动力汽车技术 (重庆大学胡建军、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.3.2.1国内外研究现状 |
| 2.3.2.2存在的问题 |
| 2.3.2.3热点研究方向 |
| 2.3.2.4研究发展趋势 |
| 2.3.3燃料电池电动汽车技术 (北京理工大学王震坡教授、邓钧君助理教授, 北京重理能源科技有限公司高雷工程师提供初稿) |
| 2.3.3.1国内外技术发展现状 |
| 2.3.3.2关键技术及热点研究方向 |
| 2.3.3.3制约燃料电池汽车发展的关键因素 |
| 2.3.3.4燃料电池汽车的发展趋势 |
| 3汽车电子化 (吉林大学宗长富教授统稿) |
| 3.1汽车发动机电控技术 (北京航空航天大学杨世春教授、陈飞博士提供初稿) |
| 3.1.1国内外研究现状 |
| 3.1.2重点研究方向 |
| 3.1.2.1汽车发动机燃油喷射控制技术 |
| 3.1.2.2汽车发动机涡轮增压控制技术 |
| 3.1.2.3汽车发动机电子节气门控制技术 |
| 3.1.2.4汽车发动机点火控制技术 |
| 3.1.2.5汽车发动机空燃比控制技术 |
| 3.1.2.6汽车发动机怠速控制技术 |
| 3.1.2.7汽车发动机爆震检测与控制技术 |
| 3.1.2.8汽车发动机先进燃烧模式控制技术 |
| 3.1.2.9汽车柴油发动机电子控制技术 |
| 3.1.3研究发展趋势 |
| 3.2汽车转向电控技术 |
| 3.2.1电动助力转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.1.1国内外研究现状 |
| 3.2.1.2重点研究方向和存在的问题 |
| 3.2.1.3研究发展趋势 |
| 3.2.2主动转向及四轮转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.2.1国内外研究现状 |
| 3.2.2.2研究热点和存在问题 |
| 3.2.2.3研究发展趋势 |
| 3.2.3线控转向技术 (吉林大学郑宏宇副教授提供初稿) |
| 3.2.3.1转向角传动比 |
| 3.2.3.2转向路感模拟 |
| 3.2.3.3诊断容错技术 |
| 3.2.4商用车电控转向技术 (吉林大学宗长富教授、赵伟强副教授, 韩小健、高恪研究生提供初稿) |
| 3.2.4.1电控液压转向系统 |
| 3.2.4.2电液耦合转向系统 |
| 3.2.4.3电动助力转向系统 |
| 3.2.4.4后轴主动转向系统 |
| 3.2.4.5新能源商用车转向系统 |
| 3.2.4.6商用车转向系统的发展方向 |
| 3.3汽车制动控制技术 (合肥工业大学陈无畏教授、汪洪波副教授提供初稿) |
| 3.3.1国内外研究现状 |
| 3.3.1.1制动系统元部件研发 |
| 3.3.1.2制动系统性能分析 |
| 3.3.1.3制动系统控制研究 |
| 3.3.1.4电动汽车研究 |
| 3.3.1.5混合动力汽车研究 |
| 3.3.1.6参数测量 |
| 3.3.1.7与其他系统耦合分析及控制 |
| 3.3.1.8其他方面 |
| 3.3.2存在的问题 |
| 3.4汽车悬架电控技术 (吉林大学庄晔副教授提供初稿) |
| 3.4.1电控悬架功能与评价指标 |
| 3.4.2电控主动悬架最优控制 |
| 3.4.3电控悬架其他控制算法 |
| 3.4.4电控悬架产品开发 |
| 4汽车智能化与网联化 (清华大学李克强教授、长安大学赵祥模教授共同统稿) |
| 4.1国内外智能网联汽车研究概要 |
| 4.1.1美国智能网联汽车研究进展 (美国得克萨斯州交通厅Jianming Ma博士提供初稿) |
| 4.1.1.1美国智能网联车研究意义 |
| 4.1.1.2网联车安全研究 |
| 4.1.1.3美国自动驾驶车辆研究 |
| 4.1.1.4智能网联自动驾驶车 |
| 4.1.2中国智能网联汽车研究进展 (长安大学赵祥模教授、徐志刚副教授、闵海根、孙朋朋、王振博士生提供初稿) |
| 4.1.2.1中国智能网联汽车规划 |
| 4.1.2.2中国高校及研究机构智能网联汽车开发情况 |
| 4.1.2.3中国企业智能网联汽车开发情况 |
| 4.1.2.4存在的问题 |
| 4.1.2.5展望 |
| 4.2复杂交通环境感知 |
| 4.2.1基于激光雷达的环境感知 (长安大学付锐教授、张名芳博士生提供初稿) |
| 4.2.1.1点云聚类 |
| 4.2.1.2可通行区域分析 |
| 4.2.1.3障碍物识别 |
| 4.2.1.4障碍物跟踪 |
| 4.2.1.5小结 |
| 4.2.2车载摄像机等单传感器处理技术 (武汉理工大学胡钊政教授、陈志军博士, 长安大学刘占文博士提供初稿) |
| 4.2.2.1交通标志识别 |
| 4.2.2.2车道线检测 |
| 4.2.2.3交通信号灯检测 |
| 4.2.2.4行人检测 |
| 4.2.2.5车辆检测 |
| 4.2.2.6总结与展望 |
| 4.3高精度地图及车辆导航定位 (武汉大学李必军教授、长安大学徐志刚副教授提供初稿) |
| 4.3.1国内外研究现状 |
| 4.3.2当前研究热点 |
| 4.3.2.1高精度地图的采集 |
| 4.3.2.2高精度地图的地图模型 |
| 4.3.2.3高精度地图定位技术 |
| 4.3.2.4基于GIS的路径规划 |
| 4.3.3存在的问题 |
| 4.3.4重点研究方向与展望 |
| 4.4汽车自主决策与轨迹规划 (清华大学王建强研究员、李升波副教授、忻隆博士提供初稿) |
| 4.4.1驾驶人决策行为特性 |
| 4.4.2周车运动轨迹预测 |
| 4.4.3智能汽车决策方法 |
| 4.4.4自主决策面临的挑战 |
| 4.4.5自动驾驶车辆的路径规划算法 |
| 4.4.5.1路线图法 |
| 4.4.5.2网格分解法 |
| 4.4.5.3 Dijistra算法 |
| 4.4.5.4 A*算法 |
| 4.4.6路径面临的挑战 |
| 4.5车辆横向控制及纵向动力学控制 |
| 4.5.1车辆横向控制结构 (华南理工大学游峰副教授, 初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.5.1.1基于经典控制理论的车辆横向控制 (PID) |
| 4.5.1.2基于现代控制理论的车辆横向控制 |
| 4.5.1.3基于智能控制理论的车辆横向控制 |
| 4.5.1.4考虑驾驶人特性的车辆横向控制 |
| 4.5.1.5面临的挑战 |
| 4.5.2动力学控制 (清华大学李升波副研究员、李克强教授、徐少兵博士提供初稿) |
| 4.5.2.1纵向动力学模型 |
| 4.5.2.2纵向稳定性控制 |
| 4.5.2.3纵向速度控制 |
| 4.5.2.4自适应巡航控制 |
| 4.5.2.5节油驾驶控制 |
| 4.6智能网联汽车测试 (中国科学院自动化研究所黄武陵副研究员、王飞跃研究员, 清华大学李力副教授, 西安交通大学刘跃虎教授、郑南宁院士提供初稿) |
| 4.6.1智能网联汽车测试研究现状 |
| 4.6.2智能网联汽车测试热点研究方向 |
| 4.6.2.1智能网联汽车测试内容研究 |
| 4.6.2.2智能网联汽车测试方法 |
| 4.6.2.3智能网联汽车的测试场地建设 |
| 4.6.3智能网联汽车测试存在的问题 |
| 4.6.4智能网联汽车测试研究发展趋势 |
| 4.6.4.1智能网联汽车测试场地建设要求 |
| 4.6.4.2智能网联汽车测评方法的发展 |
| 4.6.4.3加速智能网联汽车测试及进程管理 |
| 4.7典型应用实例解析 |
| 4.7.1典型汽车ADAS系统解析 |
| 4.7.1.1辅助车道保持系统、变道辅助系统与自动泊车系统 (同济大学陈慧教授, 何晓临、刘颂研究生提供初稿) |
| 4.7.1.2 ACC/AEB系统 (清华大学王建强研究员, 华南理工大学游峰副教授、初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.7.2 V2X协同及队列自动驾驶 |
| 4.7.2.1一维队列控制 (清华大学李克强教授、李升波副教授提供初稿) |
| 4.7.2.2二维多车协同控制 (清华大学李力副教授提供初稿) |
| 4.7.3智能汽车的人机共驾技术 (武汉理工大学褚端峰副研究员、吴超仲教授、黄珍教授提供初稿) |
| 4.7.3.1国内外研究现状 |
| 4.7.3.2存在的问题 |
| 4.7.3.3热点研究方向 |
| 4.7.3.4研究发展趋势 |
| 5汽车碰撞安全技术 |
| 5.1整车碰撞 (长沙理工大学雷正保教授提供初稿) |
| 5.1.1汽车碰撞相容性 |
| 5.1.1.1国内外研究现状 |
| 5.1.1.2存在的问题 |
| 5.1.1.3重点研究方向 |
| 5.1.1.4展望 |
| 5.1.2汽车偏置碰撞安全性 |
| 5.1.2.1国内外研究现状 |
| 5.1.2.2存在的问题 |
| 5.1.2.3重点研究方向 |
| 5.1.2.4展望 |
| 5.1.3汽车碰撞试验测试技术 |
| 5.1.3.1国内外研究现状 |
| 5.1.3.2存在的问题 |
| 5.1.3.3重点研究方向 |
| 5.1.3.4展望 |
| 5.2乘员保护 (重庆理工大学胡远志教授提供初稿) |
| 5.2.1国内外研究现状 |
| 5.2.2重点研究方向 |
| 5.2.3展望 |
| 5.3行人保护 (同济大学王宏雁教授、余泳利研究生提供初稿) |
| 5.3.1概述 |
| 5.3.2国内外研究现状 |
| 5.3.2.1被动安全技术 |
| 5.3.2.2主动安全技术研究 |
| 5.3.3研究热点 |
| 5.3.3.1事故研究趋势 |
| 5.3.3.2技术发展趋势 |
| 5.3.4存在的问题 |
| 5.3.5小结 |
| 5.4儿童碰撞安全与保护 (湖南大学曹立波教授, 同济大学王宏雁教授、李舒畅研究生提供初稿;曹立波教授统稿) |
| 5.4.1国内外研究现状 |
| 5.4.1.1儿童碰撞安全现状 |
| 5.4.1.2儿童损伤生物力学研究现状 |
| 5.4.1.3车内儿童安全法规和试验方法 |
| 5.4.1.4车外儿童安全法规和试验方法 |
| 5.4.1.5儿童安全防护措施 |
| 5.4.1.6儿童约束系统使用管理与评价 |
| 5.4.2存在的问题 |
| 5.4.3重点研究方向 |
| 5.4.4发展对策和展望 |
| 5.5新能源汽车碰撞安全 (大连理工大学侯文彬教授、侯少强硕士生提供初稿) |
| 5.5.1国内外研究现状 |
| 5.5.1.1新能源汽车碰撞试验 |
| 5.5.1.2高压电安全控制研究 |
| 5.5.1.3新能源汽车车身结构布局研究 |
| 5.5.1.4电池包碰撞安全防护 |
| 5.5.1.5动力电池碰撞安全 |
| 5.5.2热点研究方向 |
| 5.5.3存在的问题 |
| 5.5.4发展对策与展望 |
| 6结语 |
四、遗传算法在传感器优化设计中的应用（论文参考文献）
- [1]基于数字孪生的车间调度管理系统构建[D]. 姜惠文. 北京邮电大学, 2021(01)
- [2]面向高效能的飞翼无人机气动代理模型设计及控制分配[D]. 赵昕辉. 中国科学院大学(中国科学院工程热物理研究所), 2021(02)
- [3]海洋平台冰振危害监测与分析方法研究[D]. 王铭基. 大连理工大学, 2021(01)
- [4]改进遗传蚁群耦合算法在路由优化中的设计与应用[D]. 罗超俊. 成都理工大学, 2020(04)
- [5]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [6]基于传感器优化布置与集成学习的大跨桥梁损伤识别研究[D]. 黄笑犬. 武汉理工大学, 2020(08)
- [7]工程结构的传感器优化布置及模态分析[D]. 殷红. 兰州交通大学, 2019
- [8]振动信号重采样与转速软测量技术研究[D]. 李正心. 华北电力大学(北京), 2019(01)
- [9]基于膜计算的移动机器人自主行走控制方法研究[D]. 王学渊. 西南交通大学, 2018(03)
- [10]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报, 2017(06)