为了实现复杂环境下的农用车辆路径跟踪控制，提出了基于单神经元自适应PID的路径跟踪控制方法。首先，建立了农用车辆运动学模型和电动助力转向系统模型，为后续的控制算法的设计打下模型基础。其次，设计了单神经元自适应PID控制策略，为了消除频繁控制引起的振荡，根据实际转角控制精度的要求，设置合理死区作为转角跟踪误差，利用带监督的赫步学习规则对神经元进行训练，在Matlab/Simulink环境下构建控制模型。试验和仿真结果表明，基于SNAPID的农用车辆路径跟踪控制精度较高，在直线行驶工况下，最大偏差在3.2cm以内，平均偏差在0.92cm以内;在曲线行驶工况下，最大偏差在4.3cm以内，平均偏差在1.03cm以内。

采用拟合建模的方法建立共享气室空气弹簧系统刚度模型。结合力学及天棚阻尼控制理论建立半主动悬架系统Matlab平顺性模型,并将共享气室空气弹簧模型与悬架系统模型结合,搭建共享气室空气悬架试验台架;研究不同频率下共享气室空气弹簧系统参数对半主动悬架系统平顺性的具体影响。结果表明空气弹簧参数变化对车身加速度以及轮胎动载荷的影响较为明显,而对悬架动挠度的影响较小。同时发现各参数在低频率范围对半主动悬架平顺性的影响较高频范围更加显著。

为了提升传统迁移学习故障诊断中信息挖掘深度,实现不同机器间的迁移学习,提出了一种基于特征的迁移神经网络轴承智能故障诊断方法。首先利用一个域共享的卷积神经网络同时从BLMS和BRMS中提取原始振动数据的可传递特征。然后,提出了多层域自适应和伪标记学习的正则化项,对神经网络的参数施加约束,以减小学习的可迁移特征的分布差异和类间距离。利用实验室采集的电机轴承和齿轮箱轴承的数据,识别出实际情况下机车轴承的健康状态。结果表明,该方法能够有效地学习可传递特征,弥补BLMS和BRMS数据之间的差异,验证了该方法的有效性。

建立了1/4半主动悬架二自由度动力学模型并进行动力学分析。引用增量式PID控制器,采用三层前馈网络结构,设计BP神经网络PID自适应控制器。以白噪声模拟B级路面扰动激励,结合半主动悬架动力学模型与控制器在Matlab/Simulink中搭建悬架仿真模型,对悬架系统平顺性进行振动控制的仿真研究。结果表明相比于PID半主动悬架,BP神经网络PID自适应控制半主动悬架具有更强的鲁棒性和自适应能力,能更有效的抑制路面扰动,车辆平顺性显著提高。

为了解决包络谱稀疏问题,提出了一种基于包络谱稀疏指标盲滤波器的轴承状态监测方法。提出的盲滤波器利用三种不同的稀疏性测度l1/l2范数、霍耶指数和谱负熵导出,迭代优化过程的关键是利用Rayleigh商来更新滤波器系数,从而在不需要知道有关机械部件的特征故障频率等先验信息条件下,利用包络谱的稀疏性来跟踪振动信号中具有二阶循环平稳特征的故障。轴承数据集的实验结果表明提出的方法能够实现具有循环平稳特征的轴承故障跟踪,并且对滤波器长度具有良好的鲁棒性。

针对空气悬架系统模糊PID控制方法中参数选取存在局限性和难以选取的问题,利用遗传算法优秀的全局优化搜索能力和并行能力,提出了一种用遗传算法来优化模糊PID控制器参数的策略。采用遗传算法对空气悬架的模糊PID控制器参数进一步优化,比较优化前后模糊PID控制下的空气悬架性能指数值。结果表明,采用遗传算法优化的模糊PID控制空气悬架较传统模糊PID控制以及普通的空气悬架,能够减小车辆振动,提升空气悬架性能,改善车辆的平顺性与舒适性。