利用改进MUSIC算法快速定位电动汽车电磁辐射源的实现与验证

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61201024
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0119.电磁场与波
  • 结题年份:
    2015
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2015-12-31

项目摘要

Due to the energy saving and air pollution problems,electric vehicle is on its way of great increase in number.However, electromagnetic radiation problem emerges in 9KHz-30MHz for its high power, strong current and high-speed switching operation. According to nowday standards, long measurement time should be spent to find the direction of max radiation source. Classic MUSIC algorithm is applied in this project to find the max radiation direction in near field and determine its postion.Combined compensation of phase and amplitude is used to extend MUSIC algorithm to near field range. In addtion, steering vectors are constructed utilizing characteristics of radiation source of electric vehicle.Experiment platform is set up to verify the modified MUSIC algorithm. Block models of major radiation sources with different numerical methods are applied to speed up the simulation. This project provides an efficient way to save measurement time and diagnose radiation problem.
电动汽车由于节能环保的特点得到大力发展。但它功率高,电流大,开关速度快,在9KHz-30MHz频段产生较强的辐射骚扰。目前标准要求,测试时通过扫描确定最大辐射方向后,再在该方向上测试具体辐射值,这需要耗费较长的测试时间(特别是在测试瞬态辐射时,所需时间非常长)。本项目拟引入在通信领域确定来波方向的经典MUSIC算法,将其进行改进和拓展,利用幅度和相位联合补偿,使其应用在近场区域;结合电动汽车辐射源的辐射特性构造导向矢量,使其应用在确定电动汽车最大辐射方向上;并设计实验平台进行验证。同时建立电动汽车主要辐射源和结构的分块模型,结合多种数值计算方法进行仿真计算,进一步验证算法的正确性。本项目为节省测试(特别是瞬时大功率辐射的测试)时间和干扰诊断分析提供了有效手段。

结项摘要

节能和环保的双重需求使电动汽车在全球范围内迅速发展。但由于电动汽车功率高,电流大,开关速度快,会在9KHz-30MHz频段产生较强的辐射骚扰。GB/T 18387标准要求需要对电动汽车电磁辐射进行测试。然而在目前的电动汽车电磁辐射测试中,需要对车辆的每一个侧面进行全方位扫描,以获取最大辐射方向和最大辐射电平值,然后在最大辐射方向测量最大辐射电平值。如果车身较长时,则需要将车身进行分段后分别测试从而确定最大方向,这很大程度上加长了测试时间。针对测试时间过程的问题,本项目提出了利用和改进MUSIC算法,快速确定电动汽车的最大辐射方向,从而有效节省测试时间。本项目的主要研究内容包括利用幅度和相位联合补偿对MUSIC算法进行改进;并结合电动汽车辐射源的辐射特性构造导向矢量使其用于确定电动汽车最大辐射方向;建立电动汽车主要辐射源和结构的分块仿真模型;搭建测试平台和系统仿真对结果进行验证。项目实际研究中,通过大量测试结果,确定了电动汽车的主要辐射源,并通过场与路的协同仿真实现了分块模型的建立,通过对MUSIC算法的改进以及导向矢量的应用,实现了辐射源的快速定位。采用测试验证了项目采用的改进MUSIC算法能够实现最大辐射方向的快速定位。在车身较短时能够准确定位到最大辐射发射所在侧面,并且测试时间至少节省一半以上;在车身较长需要分段测试时,能够准确定位到最大辐射所在车体分段部分,并且至少节省2/3的测试时间。本项目研究成果为节省电动汽车电磁辐射测试时间和干扰诊断分析提供了有效手段。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(0)
会议论文数量(8)
专利数量(0)
A method of identifying electromagnetic radiation sources by using support vector machines
一种利用支持向量机识别电磁辐射源的方法
  • DOI:
    10.1109/cc.2013.6570798
  • 发表时间:
    2013-07
  • 期刊:
    Communications, China
  • 影响因子:
    --
  • 作者:
    Shi Dan;Gao Yougang
  • 通讯作者:
    Gao Yougang
一种基于方向特性识别电磁辐射源的新方法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    电波科学学报
  • 影响因子:
    --
  • 作者:
    石丹
  • 通讯作者:
    石丹
A New Method for Identifying Electromagnetic Radiation Sources Using Backpropagation Neural Network
反向传播神经网络识别电磁辐射源的新方法
  • DOI:
    10.1109/temc.2012.2237176
  • 发表时间:
    2013-01
  • 期刊:
    Electromagnetic Compatibility, IEEE Transactions on
  • 影响因子:
    --
  • 作者:
    Dan Shi;Yougang Gao
  • 通讯作者:
    Yougang Gao
一种利用支持向量机识别电磁辐射源的方法
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    China Communications
  • 影响因子:
    4.1
  • 作者:
    石丹
  • 通讯作者:
    石丹
利用机器学习方法根据方向性识别电磁辐射源nbsp;nbsp;nbsp;nbsp;
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    IEICE - Transactions on Communications
  • 影响因子:
    --
  • 作者:
    石丹
  • 通讯作者:
    石丹

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

分子印迹固相萃取生物样品中胆固醇
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    华中科技大学学报(医学版),2005,34:639-641
  • 影响因子:
    --
  • 作者:
    吕斌;石丹;张江华;江明;石云;梅素容;朱业湘;郝巧玲;戴康
  • 通讯作者:
    戴康
东北三省综合承载力时空分异与预测
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    现代城市研究,
  • 影响因子:
    --
  • 作者:
    关婧文;石丹
  • 通讯作者:
    石丹
一种新的伴随调相测量方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    周峰;张睿;高攸纲;阮方鸣;沈远茂;石丹
  • 通讯作者:
    石丹
基于生态均衡性视角的旅游型城镇三生空间功能演变研究 ——以二道白河镇为例
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    牡丹江师范学院学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    赵靖;石丹;关婧文;尤加兴
  • 通讯作者:
    尤加兴
Ca~(2+)对水稻Ac/Ds愈伤组织增殖·分化及生根的影响
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    安徽农业科学
  • 影响因子:
    --
  • 作者:
    袁云香;石丹;万志刚;孙丙耀;白建江
  • 通讯作者:
    白建江

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

石丹的其他基金

一种基于视觉扫描和改进空间波法进行室内电磁环境快速建模的新方法
  • 批准号:
    61771069
  • 批准年份:
    2017
  • 资助金额:
    57.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码