汽车碰撞试验数据处理研究

论述汽车碰撞试验数据处理的关键技术——满足设计规则CMVDR294的数字滤波器的设计原理，并应用Matlab软件进行不同频率幅频特性的仿真分析。     

基于3D空间球面的车载全景快速生成方法

为了高效生成具有低失真度的车载全景,以保证基于此影像信息的辅助驾驶系统的实时性,提出针对运算效率进行优化的车载全景生成方法。首先,利用多扫描线趋近、圆拟合的方法实现鱼眼成像有效区域的准确自动提取,并对参数进行优化以提升算法鲁棒性。基于鱼眼成像有效区域轮廓,计算得到有效区域半径以及圆心。以圆心为原点,半径为单位长度重构笛卡尔坐标系。再基于此坐标系,将鱼眼成像通过经纬映射投射至3D空间球面并在球心建立虚拟相机,利用梯度下降获取视锥体最优旋转角后进行视角重构并成像,直接获取该方向鸟瞰图,实现通过一步变换完成鱼眼校正与逆透视变换,达到提升车载全景影像生成速率与减少图像失真的效果。最后,对图像位置进行配准,使虚拟相机直接成像在指定位置,并对4幅图像进行融合,从而降低由于拼接缝带来的图像信息损失,保证生成的车载全景影像最大程度保留道路信息。研究结果表明:使用该方法在同等硬件平台下,基于标定参数计算生成车载全景影像速率提升接近1倍,从视觉上图像失真程度明显降低;该算法可以提升车载全景生成速率,减少计算资源占用,降低图像失真,从而提升基于车载全景影像的辅助驾驶系统的实时性与可靠性。     

电动汽车使用镉—镍电池、MH—Ni电池安全性分析

电动汽车使用 MH-Ni电池、镉 -镍电池存在诸多安全隐患 ,除了镉 -镍电池和 MH-Ni电池本身在工作过程中存在安全性问题外 ,汽车其它零部件与镉 -镍电池或 MH-Ni电池的相互联系和相互影响也会给其带来诸多安全性问题。本文除了分析研究镉 -镍电池和 MH-Ni电池在工作过程中存在的安全性问题外 ,也对电动汽车使用 MH-Ni电池、镉 -镍电池的整个系统进行了初步的安全性分析。     

基于微型车吸能结构改进的约束系统最优化分析

针对缩短微型车前纵梁长度的结构改进,采用MADYMO动力学分析软件对微型车目标碰撞加速度曲线、驾驶员约束系统和损伤指标进行了分析研究。以改进结构后的碰撞加速度曲线为基础进行了约束系统的参数分析,包括安全带安装位置、安全带刚度、卷收器特性、座椅刚度和转向盘的位置等,利用MADYM IZER对所选参数进行了最优化分析。研究结果表明:约束系统分析可以有效地辅助吸能结构改进,且在改进吸能结构碰撞加速度曲线后通过调整约束系统参数实现对驾驶员的良好保护。     

新型台车碰撞缓冲吸能装置研究

提出了一种以减振器为吸能元件的纵向碰撞、垂直吸能的新型机械缓冲吸能装置，介绍了其基本结构和工作原理。采用有限元方法建立了吸能装置的计算机仿真模型，对吸能装置的工作性能进行了计算机仿真。结果表明，通过调节减振器的高度、间距、数量等不同的初始条件，该吸能装置能够在台车碰撞实验中复现出多种波形特征的车身减速度曲线，满足汽车安全部件的试验要求。     

车对车斜角碰撞中灵敏因子的探究和约束系统的优化EI北大核心CSCD

为寻找对斜角碰撞中有显著影响的约束系统参数,建立了SUV、中型车和小型车的驾驶员约束系统模型,采用均匀拉丁方方法进行试验设计,利用T检验筛选出不同车型车对车斜角碰撞中的灵敏因子,并针对灵敏因子进行了考虑车对车碰撞兼容性的约束系统优化。结果表明,车对车斜角碰撞中3种车型的灵敏因子大致相同;与每辆车单独优化相比,采用碰撞两车WIC值之和最小作为优化目标,除能有效减少目标车和同伴车的损伤值外,还可获得更好的车对车碰撞兼容性;不同车型在车对车斜角碰撞中的约束系统参数优化趋势有所不同,但仍有一定的共性,即优化一般会导致气体气囊质量流率的增加和安全带限力级别的降低。     

混合动力电动汽车能量自适应模糊控制研究

为了实现混合动力电动汽车两种能量的最佳分配,确保电机、蓄电池的合理运行,建立了前向并联式混合动力电动汽车动力系统模型,提出了采用自适应模糊控制方法对动力系统进行能量分配,设计了控制器,讨论了自组织控制器的规则自我调整过程。整车循环工况仿真试验表明该控制具有较强的鲁棒性,可使电机、发动机、蓄电池等动力设备工作于最佳工况。     

基于回旋曲线的垂直泊车路径规划

为解决垂直车位自动泊车路径规划问题，提出了一种算力要求低、泊车空间小的路径规划方法。首先，考虑泊车过程中碰撞约束、汽车运动学约束要求，基于直线-圆弧组合的方式，进行垂直泊车的一步和多步基础路径规划。然后，结合回旋曲线进行曲率优化，实现泊车路径的曲率平滑。最后利用仿真验证方法的可行性，结果表明：对于不同的横向泊车空间以及不同的初始姿态角，该方法均能够规划出安全、平滑的泊车路径。     

基于深度学习的分心驾驶行为检测方法

针对现有分心驾驶行为检测方法存在的检测精度低、实时性差等问题，利用基于深度学习的目标检测方法进行了驾驶员分心驾驶行为检测，首先构建分心驾驶行为数据集，包括驾驶员使用手机、饮水和吸烟3种行为的图像，并进行目标物的标注，然后选用轻量化目标检测模型NanoDet进行训练验证，结果表明，该方法可以准确并快速地识别出驾驶员在驾驶过程中使用手机、饮水和吸烟的行为。