成果介绍
本发明提供一种基于数据驱动的山地叶片转运车防侧翻预警方法及系统,涉及车辆防侧翻风险预警技术领域,其包括以下步骤:S1、联合仿真生成神经网络训练数据集;S2、构建RBF神经网络训练作为车辆簧上载荷参数估计模型;S3、利用改进灰狼优化算法对RBF神经网络的参数进行优化;S4、对RBF神经网络进行优化并基于优化后RBF神经网络进行簧上载荷预测;S5、通过车载传感器获取车辆行驶过程中的状态信息得到车辆的簧上载荷分布情况并产生预警信号;S6、搭建基于ROS的风电叶片山地转运车防侧翻可视化平台,进行防侧翻预警。本发明的方法根据车辆行驶过程中的参数进行实时的车辆防侧翻预警,提高了车辆运输过程中的安全性。
成果亮点
本成果提出了一种基于数据驱动的山地叶片转运车防侧翻预警方法及系统,成功解决了风电叶片在山地崎岖道路运输过程中,因重心高、路况复杂导致的侧翻风险高、预警不及时且依赖驾驶员经验的行业核心难题。该方法通过融合车辆动力学模型与机器学习算法,利用车载传感器实时数据对车辆侧翻风险进行秒级预测与分级预警,有效提升了叶片转运的安全性与通过性。其已在多个山地风电场运输项目中验证,侧翻事故率显著降低,是风电物流与特种运输安全技术领域的一项重要创新。
团队介绍
燕山大学源于哈尔滨工业大学,始建于1920年。学校秉承“厚德、博学、求是”的校训,现已发展成为一所以工为主,以重型机械及装备为优势,多学科协调发展的全国重点大学。学校是河北省人民政府、教育部、工业和信息化部、国家国防科技工业局四方共建高校。燕山大学在材料科学与工程、机械工程等学科领域享有盛誉,拥有多个国家级重点实验室和工程技术研究中心。学校注重科学研究与技术创新,在重型机械成套设备、亚稳材料科学与技术等领域取得了丰硕成果,培养了大批高素质专业人才,为国家经济社会发展和科技进步做出了重要贡献。
成果资料
产业化落地方案