CN107273594B - 基于emd-dnmpso的汽车排气系统金属波纹管形变参数动态跟踪方法 - Google Patents
基于emd-dnmpso的汽车排气系统金属波纹管形变参数动态跟踪方法 Download PDFInfo
- Publication number
- CN107273594B CN107273594B CN201710427122.2A CN201710427122A CN107273594B CN 107273594 B CN107273594 B CN 107273594B CN 201710427122 A CN201710427122 A CN 201710427122A CN 107273594 B CN107273594 B CN 107273594B
- Authority
- CN
- China
- Prior art keywords
- exhaust system
- automobile exhaust
- corrugated pipe
- particle
- dnmpso
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Exhaust Silencers (AREA)
Abstract
Description
技术领域
本发明涉及汽车零部件检测领域,特别涉及基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法。
背景技术
目前,对于汽车排气系统的降噪、尾气净化和压力损失等问题已受到广泛关注,但其结构强度和焊接疲劳耐久性却没有引起足够的重视。汽车排气系统金属波纹管作为一种重要的柔性连接和弹性补偿元件,其良好的结构性能,使其在汽车排气系统减振、降噪中起到举足轻重的作用。汽车排气系统金属波纹管连接着汽车排气系统的冷热两端,可以有效减小排气系统受到的来自发动机、车身和地面等引起或传递的振动与冲击,降低发动机与排气系统相对位移引发的排气系统乃至整车的振动。为了保证汽车排气系统金属波纹管长期可靠的使用寿命,防止其发生疲劳失效而影响汽车排气系统的使用寿命,有必要基于道路载荷谱信息通过试验台架进行汽车排气系统金属波纹管的热疲劳测试,尽快弥补国内在这方面存在的不足,其研究成果可作为汽车排气系统早期研发设计的重要参考。这将在很大程度上缩短汽车排气系统金属波纹管的热疲劳测试周期,降低基于实车道路试验进行汽车排气系统金属波纹管热疲劳测试的成本,为汽车排气系统的安全性设计提供依据。
发明内容
为解决上述技术问题,本发明基于EMD算法对实车道路试验采集获得的拉杆位移传感器位移信号进行去噪处理,鉴别和编辑数据中的漂移、毛刺等异常信息,获取真实反映测试工况的有效数据,将汽车排气系统金属波纹管的六个动点到运动平面距离平方之和最小作为目标函数,以六个动点与相应六个定点间的距离改变量等于传感器测量数据为约束条件,使用DNMPSO算法进行优化,计算出波纹管六个动点的实时空间坐标,最终确定汽车排气系统金属波纹管在x、y、z三个方向上的最大偏移及绕x、y、z三个方向的旋转角度。
为了实现上述目的,本发明的技术方案:
基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法,所述的基于EMD 的汽车排气系统金属波纹管位移数据去噪算法包括如下步骤:
i、根据采集的六组汽车排气系统金属波纹管位移改变量数据di(t),(i=1,2,…6),确定原始数据di(t)所有的局部极大值点,并将其用三次样条函数拟合数据的所有极大值点的上包络线;
ii、再次利用三次样条函数拟合数据所有的局部极小值的下包络线,上、下包络线应包络所有的数据点;
iii、上、下包络线的平均值记为m1,求出x(t)-m1=h1,理想地,如果h1是一个固有模态函数 (Intrinsic Mode Function,IMF),那么h1就是x(t)的第一个IMF分量,如果h1不满足IMF的条件,把h1作为原始数据,重复步骤i到iii,得到上、下包络线的平均值m11,再判断h11=h1-m11是否满足IMF的条件,如不满足,则重复循环k次,得到h1(k-1)-m1k=h1k,使得h1k满足IMF 的条件,记c1=h1k,则c1为信号x(t)的第一个满足IMF条件的分量;
iv、将c1从x(t)中分离出来,得到r1=x(t)-c1,将r1作为原始数据重复步骤i到iv,得到x(t)的第二个满足IMF条件的分离c2,重复循环n次,得到信号x(t)的n个满足IMF条件的分量,这样就有当rn成为一个单调函数不能再从中提取满足IMF条件的分量时,循环结束,这样可以得到式中,rn称为残余函数,代表数据的平均趋势或均值,如去掉前面若干个较高频率的固有模态函数(IMF)分量后,由剩余的后几个IMF分量重构原信号,则相当于低通滤波器,具体表达式如下:
所述的基于DNMPSO粒子群算法优化汽车排气系统波纹管六个动点的空间坐标包括如下步骤:
ii、初始化,种群规模、迭代次数和精度,随机生成每个粒子的初始位置(22个分量分别表示六动点空间坐标和夹具平面信息)、初始速度,确定每个粒子的历史最佳位置、种群的最佳位置,并计算每个粒子的历史最佳适应值以及种群最佳适应值;
iii、更新学习样本
(1)、比较每个粒子的当前适应值与历史最佳适应值,并依大小关系更新粒子历史最佳位置和历史最佳适应值;
(2)、比较每个粒子的历史最佳适应值和种群最佳适应值,并依大小关系更新种群最佳适应值和最佳位置;
iv、更新粒子的位置和速度。DNMPSO粒子群算法的更新方法如下,
其中,表示粒子i于时刻t的位置;表示粒子i于时刻t的速度;表示粒子i于时刻的学习样本,Pbin(i) d是学习样本的第d个分量;Pg表示粒子i的历史最优位置;arg()表示识别出对应的粒子;w表示惯性权重,取值通常在0.4-0.9之间;c1和c2是加速度,通常取值在0到2之间;r1和r2是两个取值为0到1之间的均匀分布随机数;
v、停止条件,用步骤iv所述新个体替换步骤ii中的初始种群的个体,重复步骤iii至步骤iv的 DNMPSO粒子群算法,直到步骤iv所述个体适应度函数基本稳定或者达到了设定的进化代数时,结束优化过程,即得到了六个动点空间坐标和空间平面参数值;
所述的汽车排气系统金属波纹管形变参数的动态跟踪为:根据所述的基于DNMPSO粒子群算法,计算出在不同时刻t,汽车排气系统金属波纹管上动夹具的六点空间坐标(xi,yi,zi),i=1,2,…6和动夹具的六点所在空间平面方程为Ax+By+CZ+D=0,利用式(i=1,2,…,6),求出每个点在x,y,z方向上位移的改变量,利用式求出在不同时刻t波纹管绕x,y,z方向的角度改变量。
本发明的有益效果是:本发明基于EMD算法对实车道路试验采集获得的拉杆位移传感器位移信号进行去噪处理,鉴别和编辑数据中的漂移、毛刺等异常信息,获取真实反映测试工况的有效数据,将汽车排气系统金属波纹管的六个动点到运动平面距离平方之和最小作为目标函数,以六个动点与相应六个定点间的距离改变量等于传感器测量数据为约束条件,使用DNMPSO粒子群算法进行优化,计算出波纹管六个动点的实时空间坐标,最终确定汽车排气系统金属波纹管在x、y、z三个方向上的最大偏移及绕x、y、z三个方向的旋转角度,为基于试验台架进行汽车排气系统金属波纹管的热疲劳测试提供参数依据,缩短汽车排气系统金属波纹管热疲劳试验周期,降低成本。
附图说明
图1为本发明基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法的流程图。
图2为本发明基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法的拉杆传感器安装图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明:
如图1所示,本发明的基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法,首先进行汽车排气系统金属波纹管道的路载荷谱采集;其次,基于EMD算法对实车道路试验采集获得的拉杆位移传感器位移信号进行去噪处理,鉴别和编辑数据中的漂移、毛刺等异常信息,获取真实反映测试工况的有效数据;再次,将汽车排气系统金属波纹管的六个动点到运动平面距离平方之和最小作为目标函数,以六个动点与相应六个定点间的距离改变量等于传感器测量数据为约束条件,使用DNMPSO算法进行优化,计算出波纹管六个动点的实时空间坐标;最后,确定汽车排气系统金属波纹管在x、y、z三个方向上的最大偏移及绕x、y、z三个方向的旋转角度,为基于试验台架进行汽车排气系统金属波纹管的热疲劳测试提供参数依据。
其中,波纹管道路载荷谱采集时,在排气系统金属波纹管两端安装固定卡具,如图2 所示,每个卡具设定六个不同的安装点,对两个卡具上的安装点从1至6分别进行编号,记录两卡具安装点的空间坐标,在两卡具相同编号的安装点处安装6个拉杆位移传感器,用于测量两卡具相同编号点的位移变化量;根据排除噪声干扰的数据,基于金属波纹管两端夹具具有较强刚性的客观事实,将波纹管两端视为两个运动平面,由于固定于发动机端的平面运动范围十分微小,固定于排气系统端平面运动较强,根据相对运动原则,将发动机端平面视为固定平面,六个传感器固定点视为定点;将排气系统端平面视为动平面安装完成后测试校验各拉杆位移传感器输出信号的准确性,校验完成后按照设定的试验工况在强化路段分别进行满载和半载道路试验,采集波纹管道路载荷谱信息。
本方法所涉及的基于EMD的汽车排气系统金属波纹管位移数据去噪算法包括如下步骤:
i、根据采集的六组汽车排气系统金属波纹管位移改变量数据di(t),(i=1,2,…6),确定原始数据di(t)所有的局部极大值点,并将其用三次样条函数拟合数据的所有极大值点的上包络线;
ii、再次利用三次样条函数拟合数据所有的局部极小值的下包络线,上、下包络线应包络所有的数据点;
iii、上、下包络线的平均值记为m1,求出x(t)-m1=h1,理想地,如果h1是一个固有模态函数(Intrinsic Mode Function,IMF),那么h1就是x(t)的第一个IMF分量,如果h1不满足IMF的条件,把h1作为原始数据,重复步骤i到iii,得到上、下包络线的平均值m11,再判断h11=h1-m11是否满足IMF的条件,如不满足,则重复循环k次,得到h1(k-1)-m1k=h1k,使得h1k满足IMF 的条件,记c1=h1k,则c1为信号x(t)的第一个满足IMF条件的分量;
iv、将c1从x(t)中分离出来,得到r1=x(t)-c1,将r1作为原始数据重复步骤i到iv,得到x(t)的第二个满足IMF条件的分离c2,重复循环n次,得到信号x(t)的n个满足IMF条件的分量,这样就有当rn成为一个单调函数不能再从中提取满足IMF条件的分量时,循环结束,这样可以得到式中,rn称为残余函数,代表数据的平均趋势或均值,如去掉前面若干个较高频率的固有模态函数(IMF)分量后,由剩余的后几个IMF分量重构原信号,则相当于低通滤波器,具体表达式如下:
本发明所涉及的基于遗传算法优化汽车排气系统波纹管六个动点的空间坐标,包括如下步骤:
ii、初始化。设置种群规模、迭代次数和精度,随机生成每个粒子的初始位置(22个分量分别表示六动点空间坐标和夹具平面信息)、初始速度,确定每个粒子的历史最佳位置、种群的最佳位置,并计算每个粒子的历史最佳适应值以及种群最佳适应值;
iii、更新学习样本
(1)、比较每个粒子的当前适应值与历史最佳适应值,并依大小关系更新粒子历史最佳位置和历史最佳适应值;
(2)、比较每个粒子的历史最佳适应值和种群最佳适应值,并依大小关系更新种群最佳适应值和最佳位置;
iv、更新粒子的位置和速度。DNMPSO粒子群算法的更新方法如下,
其中,表示粒子i于时刻t的位置;表示粒子i于时刻t的速度;表示粒子i于时刻的学习样本,Pbin(i) d是学习样本的第d个分量;Pg表示粒子i的历史最优位置;arg()表示识别出对应的粒子;w表示惯性权重,取值通常在0.4-0.9之间;c1和c2是加速度,通常取值在0到2之间;r1和r2是两个取值为0到1之间的均匀分布随机数;
v、停止条件,用步骤iv所述新个体替换步骤ii中的初始种群的个体,重复步骤iii至步骤iv的 DNMPSO粒子群算法,直到步骤iv所述个体适应度函数基本稳定或者达到了设定的进化代数时,结束优化过程,即得到了六个动点空间坐标和空间平面参数值。
根据上述的优化算法,可计算出在不同时刻t,汽车排气系统波纹管上动夹具的六点空间坐标(xi,yi,zi),i=1,2,…6,利用式(3),求出每个点在x,y,z方向上位移的改变量
其中(x′i,y′i,z′i),(i=1,2,…6)分别表示汽车排气系统金属波纹管上动夹具的六点的初始空间坐标;
利用max{|dx1|,|dx2|,…,|dx6|}得到汽车排气系统波纹管的位移改变量数值最大的点,并将这点的位移改变量作为当前时刻波纹管在x方向上的改变量dx(t)。同理,可以得到y,z方向上的位移改变量dy(t),dz(t);
已知汽车排气系统波纹管的动夹具初始平面的方程为ax+by+cz+d=0,则方向余弦分别为:
分别计算出初始方向角为:
根据上述的优化算法,可计算出在不同时刻t,汽车排气系统波纹管上动夹具所在空间平面方程为Ax+By+Cz+D=0,则在不同时刻t方向余弦分别为:
分别计算出在不同时刻t的方向角为:
利用式(4),求出在不同时刻t波纹管的x,y,z方向上的角度改变量,
Claims (4)
1.基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法,其特征在于:包括如下步骤:i、基于EMD的汽车排气系统金属波纹管位移数据去噪处理,鉴别和编辑数据中的漂移、毛刺等异常信息,获取真实反映测试工况的有效数据;ii、基于DNMPSO粒子群算法优化汽车排气系统金属波纹管六个动点的空间坐标,将汽车排气系统金属波纹管的六个动点到运动平面距离平方之和最小作为目标函数,以六个动点与相应六个定点间的距离改变量等于传感器测量数据为约束条件,使用DNMPSO算法进行优化,计算出波纹管六个动点的实时空间坐标;iii、汽车排气系统金属波纹管形变参数的动态跟踪,确定汽车排气系统金属波纹管在x、y、z三个方向上的最大偏移及绕x、y、z三个方向的旋转角度,为基于试验台架进行汽车排气系统金属波纹管的热疲劳测试提供参数依据。
2.按照权利要求1所述的基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法,其特征在于:所述的基于EMD的汽车排气系统金属波纹管位移数据去噪算法包括如下步骤:
i、根据采集的六组汽车排气系统金属波纹管位移改变量数据di(t),(i=1,2,L,6),确定原始数据di(t)所有的局部极大值点,并将其用三次样条函数拟合数据的所有极大值点的上包络线;
ii、再次利用三次样条函数拟合数据所有的局部极小值的下包络线,上、下包络线应包络所有的数据点;
iii、上、下包络线的平均值记为m1,求出x(t)-m1=h1,理想地,如果h1是一个固有模态函数IMF,那么h1就是x(t)的第一个IMF分量,如果h1不满足IMF的条件,把h1作为原始数据,重复步骤i到iii,得到上、下包络线的平均值m11,再判断h11=h1-m11是否满足IMF的条件,如不满足,则重复循环k次,得到h1(k-1)-m1k=h1k,使得h1k满足IMF的条件,记c1=h1k,则c1为信号x(t)的第一个满足IMF条件的分量;
3.按照权利要求1所述的基于EMD-DNMPSO的汽车排气系统金属波纹管形变参数动态跟踪方法,其特征在于:所述的基于动态邻居和广义学习的粒子群算法优化汽车排气系统波纹管六个动点的空间坐标包括如下步骤:
ii、初始化,设置种群规模、迭代次数和精度,随机生成每个粒子的初始位置,22个分量分别表示六动点空间坐标和夹具平面信息、初始速度,确定每个粒子的历史最佳位置、种群的最佳位置,并计算每个粒子的历史最佳适应值以及种群最佳适应值;
iii、更新学习样本,
(1)、比较每个粒子的当前适应值与历史最佳适应值,并依大小关系更新粒子历史最佳位置和历史最佳适应值;
(2)、比较每个粒子的历史最佳适应值和种群最佳适应值,并依大小关系更新种群最佳适应值和最佳位置;
iv、更新粒子的位置和速度,DNMPSO粒子群算法的更新方法如下,
其中,表示粒子i于时刻t的位置;表示粒子i于时刻t的速度;表示粒子i于时刻的学习样本,Pbin(i) d是学习样本的第d个分量;Pg表示粒子i的历史最优位置;arg()表示识别出对应的粒子;w表示惯性权重,取值通常在0.4到0.9之间;c1和c2是加速度,通常取值在0到2之间;r1和r2是两个取值为0到1之间的均匀分布随机数;
v、停止条件,利用步骤iv所述更新粒子替换步骤ii中的初始种群的个体,重复步骤iii至步骤iv的DNMPSO粒子群算法,直到步骤iv所述个体适应度函数基本稳定或者达到了设定的进化代数时,结束优化过程,即得到了六个动点空间坐标和空间平面参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710427122.2A CN107273594B (zh) | 2017-06-08 | 2017-06-08 | 基于emd-dnmpso的汽车排气系统金属波纹管形变参数动态跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710427122.2A CN107273594B (zh) | 2017-06-08 | 2017-06-08 | 基于emd-dnmpso的汽车排气系统金属波纹管形变参数动态跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107273594A CN107273594A (zh) | 2017-10-20 |
CN107273594B true CN107273594B (zh) | 2020-12-15 |
Family
ID=60067377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710427122.2A Expired - Fee Related CN107273594B (zh) | 2017-06-08 | 2017-06-08 | 基于emd-dnmpso的汽车排气系统金属波纹管形变参数动态跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107273594B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111965209B (zh) * | 2020-08-24 | 2021-05-07 | 航天晨光股份有限公司 | 一种基于国ⅵ商用车的波纹管热疲劳测试工艺 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514326A (zh) * | 2013-09-22 | 2014-01-15 | 西安交通大学 | 一种连续螺旋折流板管壳式换热器的热力计算方法 |
CN105424529A (zh) * | 2015-12-01 | 2016-03-23 | 长春工业大学 | 一种用于汽车排气系统金属波纹管的两自由度热疲劳试验装置 |
CN106556647A (zh) * | 2016-11-18 | 2017-04-05 | 湘潭大学 | 一种冲击回波数据处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140260215A1 (en) * | 2013-03-15 | 2014-09-18 | David Cook | Efficiency and emissions improvements for natural gas conversions of emd 2-cycle medium speed engines |
-
2017
- 2017-06-08 CN CN201710427122.2A patent/CN107273594B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514326A (zh) * | 2013-09-22 | 2014-01-15 | 西安交通大学 | 一种连续螺旋折流板管壳式换热器的热力计算方法 |
CN105424529A (zh) * | 2015-12-01 | 2016-03-23 | 长春工业大学 | 一种用于汽车排气系统金属波纹管的两自由度热疲劳试验装置 |
CN106556647A (zh) * | 2016-11-18 | 2017-04-05 | 湘潭大学 | 一种冲击回波数据处理方法 |
Non-Patent Citations (4)
Title |
---|
"一种基于动态邻居和变异因子的粒子群算法";刘衍民 等;《控制与决策》;20100731;第25卷(第7期);第968-974页 * |
"基于K-L散度与PSO-SVM的齿轮故障诊断";秦波 等;《现代制造工程》;20170331(第3期);第24-30页 * |
"基于经验模态分解技术在隧道围岩位移数据处理中的应用";王江荣 等;《计量技术》;20160930(第9期);第13-17页 * |
"汽车排气系统振动特性测试研究";党瑞宁;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20140715;第1-6章 * |
Also Published As
Publication number | Publication date |
---|---|
CN107273594A (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112629647B (zh) | 大跨悬索桥涡振事件的实时识别和监测预警方法 | |
CN101271030B (zh) | 具有检测区域的爆震系统 | |
EP2857917A1 (en) | State diagnosing method and state diagnosing apparatus | |
KR20190126449A (ko) | 기술 시스템을 제어하기 위한 방법 및 제어 디바이스 | |
CN112162034B (zh) | 一种应用结构噪声的钢-混凝土组合梁损伤识别方法 | |
CN104239658B (zh) | 空气弹簧座椅悬置非线性刚度特性参数及曲线的反求法 | |
CN106289691A (zh) | 一种基于微波雷达装置的桥梁分块冲击振动检测方法及检测装置 | |
CN102818556A (zh) | 车载道路坡度检测方法及装置 | |
CN109798850B (zh) | 一种钢轨波磨测量方法 | |
CN113901379B (zh) | 一种边缘端的实时数据动态在线快速处理方法 | |
CN107273594B (zh) | 基于emd-dnmpso的汽车排气系统金属波纹管形变参数动态跟踪方法 | |
CN107273595B (zh) | 基于emd-ga的汽车排气系统金属波纹管形变参数动态跟踪方法 | |
CN103823406A (zh) | 一种基于模态质量分布矩阵的数控机床敏感环节辨识方法 | |
CN110941183A (zh) | 一种基于神经网络的工业机器人动力学辨识方法 | |
CN111950079B (zh) | 一种基于风洞测试响应的气动力建模及全机颤振分析方法 | |
CN103292760A (zh) | 一种薄壁叶片误差分析方法 | |
CN110398775B (zh) | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 | |
CN109117450A (zh) | 振测数据最佳分析长度的确定方法 | |
JP2017035973A (ja) | 架線状態診断装置 | |
CN102955004A (zh) | 一种基于波速测定的地铁隧道管片服役性能检测方法 | |
CN113487910B (zh) | 一种用于跟车场景的汽车数据采集系统性能分析方法 | |
CN107330161B (zh) | 汽车排气系统金属波纹管形变参数动态跟踪方法 | |
CN115856963A (zh) | 基于深度神经网络学习的高精度定位算法 | |
CN114838924A (zh) | 一种基于风致振动非平稳响应的结构阻尼比识别方法 | |
JP2019100873A (ja) | 解析装置、解析システム及び解析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201215 Termination date: 20210608 |
|
CF01 | Termination of patent right due to non-payment of annual fee |