基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

基于直接CAA与SEA的汽车风噪预测与控制

本文中对某一SUV风噪的预测与控制进行研究。首先基于风洞测试进行风噪声源特性与传递路径的分析,发现泄漏噪声主要发生在500 Hz以上中高频段,车底风噪主要集中于800 Hz以下中低频段,而在外形噪声中,由车顶和四门传递的风噪的贡献大于翼子板。然后基于气动噪声直接计算法和统计能量分析对外形噪声进行仿真,并结合风洞测试分析了湍流模型、网格尺寸和波数分析方式对风噪仿真精度的影响。结果表明,大涡模拟的高频风噪衰减低于分离涡模拟,且大涡模拟对高频风噪的仿真精度和计算效率都比分离涡模拟高;在计算资源允许范围内对比不同网格尺寸,最小网格为2 mm时侧窗声压级的截止频率最高可达2 000 Hz;单区域波数分析低估了中低频风噪声的能量,精度较低。多区域波数分析中,声能量较低的区域对仿真精度影响较小。最后基于贡献度分析提出后视镜支臂减薄和安装在车门上两种改进方案进行仿真,结果表明,改进后车内总声压级分别降低1.38和1.93 d B,语音清晰度提升0.4%和1.1%。     

磁流变半主动悬架研究及实车试验分析

针对车辆半主动悬架系统的整车协调控制,通过悬架动力学模型分析了耦合量的影响,提出了一种主从控制方法。基于自行研制的并联常通孔式磁流变减振器和控制系统开展了实车道路试验。在越野路行驶时,驾驶员坐垫处的加权加速度降低了13.8%~42.6%,车身俯仰角速度降低了21.1%~53.7%;蛇行试验中车身侧倾角速度、角度分别平均降低了65%和38.5%;变道试验中车身侧倾角速度、角度分别平均下降65%和51%。综上所述,研制的磁流变悬架系统显著地提升了车辆的乘坐舒适性、操纵稳定性和行驶安全性。     

桥梁冲击系数理论研究和应用进展

为推动桥梁冲击系数理论和应用研究的进一步深入开展,从计算方法、理论与数值模拟、现场试验与测试3个方面系统梳理国内外公路、城市和铁路桥梁工程领域冲击系数（或动力系数）的研究进展,并探讨其不足和发展趋势。计算方法方面,从桥梁冲击系数的定义出发,详细阐述典型国家最新规范冲击系数表达式;理论与数值模拟方面,分析了车辆参数、桥梁参数、桥面不平整度（或轨道不平顺）等对桥梁冲击系数的影响;现场试验与测试方面,分别综述了冲击系数的测试方法、数据处理手段及相关试验研究成果。研究表明：各国公路与铁路桥梁规范的冲击系数（动力系数）多由试验统计回归得到,但计算公式各不相同,公路桥梁冲击系数表达式较为简洁,铁路桥梁冲击系数计算公式较为复杂;有限元技术以及车-桥耦合振动理论的发展使得结构动力响应的数值模拟和求解更加精确化和高效化;中小跨径桥梁的整体冲击系数及大跨径桥梁中吊杆、拉索等局部构件的冲击系数是研究重点;影响冲击系数的各因素之间存在交叉影响,需要对不同结构、不同效应及不同截面的冲击系数进行现场试验测试和概率统计分析;设计规范中的冲击系数值不宜作为实际桥梁动力使用性能的直接评价指标;需要建立冲击系数试验分析技术的标准;非接触、抗干扰、高精度是今后冲击系数测试技术的发展方向。     

大型集装箱船在斜浪工况下的扭矩特征研究及结构强度分析

随着大型集装箱船的发展,针对斜浪条件下扭矩载荷特性及其结构强度的分析研究日益重要.本文采用选定的某大型集装箱船开展动态载荷(DLA)分析,建立了水动力湿表面计算模型和质量模型,研究基于扭矩传递函数和主要载荷控制参数的斜浪设计波参数确定方法,分析超越概率水平对扭矩载荷计算结果的影响.考虑典型斜浪参数和超越概率水平,分析对比DLA扭矩与船舶规范(ABS和HCSR)扭矩的差异及原因,提出集装箱船扭矩载荷计算与应用的建议.在此基础上,选定3个斜浪计算工况(45°,60°和75°)开展结构强度分析,通过分析应力计算云图,研究扭矩载荷下船体结构响应的关键位置及其应力趋势.该研究可为大型集装箱船结构设计过程中船体梁扭转强度计算、舱口角隅设计、抗扭箱强度评估等方面提供有益的参考.     

基于RBF神经网络补偿的动力定位PD控制

动力定位控制系统在实际工况中会受到外部风、浪、流等环境力的扰动,本文主要研究PD+RBF控制算法以提高动力定位系统的抗干扰性和稳定性.RBF神经网络用来补偿外界环境扰动,其权值自适应律通过Lyapunov稳定性证明得到,通过稳定性的分析能够保证整个系统全局渐进稳定.在一艘平台供应船的仿真结果对比中显示了所提出控制器的有效性.     

双自由度舵机执行机构冲击载荷的仿真分析

超高速水下航行体航行过程中工况复杂,在加速段速度跨度大,双自由度舵机执行机构承受了较大的瞬态冲击载荷,有必要对其韧性进行分析校核。本文分别建立旋转机构输出轴、减速箱体和展开机构最后一级齿轮副的多刚体动力学仿真模型,分析各机构在冲击载荷下的应力和变形情况,校核结构韧性的可靠性,同时对旋转机构输出轴进行模态分析。仿真与校核结果为机构优化设计提供参考依据。     

高墩系梁设置对桥墩横向地震响应的影响

在地震高烈度地区桥梁下部结构设计时,经常会遇到桥墩较高时需要设置系梁的情况,来防止墩柱发生横向动力失稳,减小地震作用下的桥梁破坏.从大量的震害中发现未设系梁的桥墩比设置系梁的桥墩横向破坏显著.以毛林特大桥引桥下部结构为研究对象,分析E2地震作用下墩柱的横向变形和关键截面的内力,研究表明桥墩较高时系梁设置对桥墩横向抗震性能影响显著.     

一种纯电动汽车坡道辅助起步系统研究

本文介绍一种纯电动汽车坡道辅助起步系统。进入坡道辅助起步功能后,可第一时间响应误差较小的防溜坡扭矩预测值,从而提升车辆稳定性和平顺性。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。