智能汽车传感器实时功能模型及验证

传感器模型是智能汽车虚拟验证的重要环节。本文中针对大型虚拟仿真环境下智能汽车测试验证的需要,研究建立了毫米波、激光和摄像头实时功能模型。首先,模型基于网格化方法建立了仿真数据的有效管理和快速检索引擎,研究了一种满足大规模仿真环境中多车传感需求的快速对象提取方法;其次,基于阴影体算法研究了二维平面内对物体之间遮挡关系进行判断的快速算法,模拟了物体之间的遮挡效果;再次,按照传感器的输出,对惯性坐标系下的物体坐标转换到传感器坐标形成标准输出;最后,根据传感器噪声特征,建立了噪声模拟模型。在虚拟测试平台中建立了德尔福ESR毫米波雷达、Ibeo四线激光雷达、德尔福IFV300单目照相机模型,对模型进行了功能和性能仿真验证,结果表明,本文中建立的传感器功能模型可较为精准地仿真模拟探测障碍物,探测精度满足要求,在普通计算机上达到亚毫秒级计算效率,满足实时性的要求。     

转向系统特性参数对中心转向区车辆性能的影响

在总结中心转向区性能评价标准的基础上,建立了较完善的转向系统模型,将其嵌入到整车模型中,研究了转向系统参数对中心转向区性能的影响.通过中心转向区转向试验与仿真分析数据可知,转向系统传动比、干摩擦、刚度等特性参数直接影响驾驶员的驾驶疲劳度、驾驶路感和车辆的转向灵敏性.     

车道识别过程中搜索车道线的方法

提出了一种在RO I(region of interest)即感兴趣区域中建立搜索窗口的车道识别算法,使其能够很好地处理非理想路况的各种不确定因素,并建立实时动态搜索窗口,除了能精确地追踪车道标志线之外,还能应用于弯路路况。运用LM edSquare曲线拟合算法提高了车道拟合过程的稳健性和精确性。由于RO I的建立,整个识别过程的计算量大大降低,适应实时性要求。     

基于多目标优化模型的港口多载AGV调度方法

集装箱自动导引车(Automated Guided Vehicle,以下简称AGV)是港口运输业智能化、自动化发展的关键装备.以集装箱码头布局及运输流程为基础,将AGV调度问题转化为多目标优化混合整数规划(Mixed Integer Linear Programming,以下简称MILP)模型,并通过CPLEX和遗传算...     

悬架K&C特性在底盘性能分析中的研究

归纳出影响车辆转向特性的各种因素,并用悬架K&C参数定量化;提出车辆在常用车速直线行驶时期其前束角和外倾角应尽量为零,以保证轮胎磨损尽量小,并建立了行驶时前束角及外倾角的表达式;将各向力作用下的变形统一为悬架及轮胎刚度,并分析了各种刚度的意义;通过悬架K&C特性计算出动力学参数,建立了研究操纵稳定性及底盘电控的虚拟车辆,并在Carsim和ADAMS软件中实现.     

基于凯恩方法的汽车悬架实时仿真模型

提出了一种用于汽车动力学实时仿真的悬架建模方法。将悬架系统模型建成为连接车身和车轮的无质量复合铰,并基于凯恩方法推导了悬架复合铰的运动方程。在满足动力学实时仿真要求的同时不降低悬架系统的运动学精度。利用该方法建立了某轿车面向结构的麦弗逊式前悬架模型,并集成到由符号计算软件产生的该轿车的多体动力学模型中。仿真与实车道路试验结果的对比表明该悬架模型具有较高的仿真精度。     

多轴全轮驱动车辆动力传动系模型的建立与应用

基于多轴全轮驱动越野车辆的驱动方式,开发了带轮问差速器、轴间差速器和分动器的6 x6多轴全轮驱动越野车的动力传动系模型,将其嵌入ADAMS整车模型中,进行对开路面和陡坡两种典型越野路面上的仿真,并与无轮问筹速器、轴问差速器的多轴全轮驱动动力传动系的越野车辆的仿真结果进行对比.结果表明,所建立的动力传动系模型能较好地模拟多轴全轮驱动车辆的越野行驶工况.     

悬架运动学特性的二阶近似区间优化

提出了采用海森矩阵近似迭代算法(DFP算法)的悬架运动学特性二阶区间优化方法.这种优化方法得到的悬架结构区间参数的中值和半径,既满足了悬架运动学特性优化的要求,又控制了其不确定性区间范围.作为这种方法的一个应用实例,对某双横臂独立前悬架的运动学特性进行优化.     

用于汽车动力学实时仿真的悬架建模方法的研究

针对汽车动力学实时仿真的要求提出一种新的悬架建模方法—复合约束隔离解耦建模方法。将悬架系统视为连接车身和车轮之间的无质量复合约束,基于这个概念建立的悬架系统模型,由于实现有质量刚体的相互隔离及代数方程与微分方程的解耦,提高了模型求解效率。应用该方法建立的悬架模型,由于是面向结构的模型,因而可较为准确地描述悬架动态特性,同时由于求解效率的提高又能够满足仿真实时性的要求。