某车型正面碰撞结构优化

针对某车型在正面碰撞试验中出现踏板和转向管柱侵入量超标的问题,对其产生原因进行分析。运用Hypermesh及LS-DYNA软件进行整车碰撞仿真分析,提出拉平纵梁、在前围板与A柱间以及在前地板增加连接件和加强件的结构优化方案。优化后纵梁的变形模式及前围侵入量均得到改善,前围最大侵入量由原来的343 mm减小到219 mm。表明优化纵梁结构、提高乘员舱总体强度的方案合理,该设计理念和方法可为其他车型的结构设计提供参考。     

基于分布式强化学习的车辆控制算法研究

端到端自动驾驶算法的开发现已成为当前自动驾驶技术研发的热点。经典的强化学习算法利用车辆状态、环境反馈等信息训练车辆行驶，通过试错学习获得最佳策略，实现了端到端的自动驾驶算法开发，但仍存在开发效率低下的问题。为解决虚拟仿真环境下训练强化学习算法的低效性和高复杂度问题，本文提出了一种异步分布式强化学习框架，并建立了进程间和进程内的多智能体并行柔性动作-评价（soft actor-critic, SAC）分布式训练框架，加速了Carla模拟器上的在线强化学习训练。同时，为进一步实现模型的快速训练和部署，本文提出了一种基于Cloud-OTA的分布式模型快速训练和部署系统架构，系统框架主要由空中下载技术（over-the-air technology, OTA）平台、云分布式训练平台和车端计算平台组成。在此基础上，本文为了提高模型的可复用性并降低迁移部署成本，搭建了基于ROS的Autoware-Carla集成验证框架。实验结果表明，本文方法与多种主流自动驾驶方法定性相比训练速度更快，能有效地应对密集交通流道路工况，提高了端到端自动驾驶策略对未知场景的适应性，减少在实际环境中进行实验所需的时间和资...