基于制动轨迹的汽车制动性能检测技术研究

为了提高汽车制动性能检测结果的客观性,解决对同一辆汽车进行台试与路试的检测结果不一致的问题,而提出的基于制动轨迹的汽车制动性能检测技术,可以对汽车各个车轮的制动轨迹同时进行检测,从而对汽车制动距离、横向位移、航向角等参数进行实时检测。     

HEV制动意图识别的研究

基于大量的工况数据建立辨识模型,实现了对制动意图的准确识别.在此基础上优化了再生制动的控制策略.仿真结果表明,通过制动意图识别可有效地优化混合动力汽车再生制动的控制策略,从而进一步改善混合动力汽车制动时的驾驶感觉和燃油经济性.     

基于Hilbert-Huang变换的制动意图聚类识别EI北大核心CSCD

为了进一步提高电动汽车再生制动系统对驾驶员制动意图的识别准确率,从而使电动汽车能在制动的过程中回收更多的能量,提出了基于Hilbert-Huang变换(HHT)的电动汽车制动意图聚类识别方法。建立了HHT的数学模型,基于HHT在时频域中进一步探寻中等制动和平缓制动两种制动意图下制动踏板行程信号的特征。建立了制动踏板行程信号特征提取模型,运用Hilbert局部边际能量谱得到局部特征能量,从而对信号特征进行提取,获取信号的特征向量。建立基于模糊C均值聚类算法的制动意图识别模型,并分别进行了离线实验和实时实验。结果表明所提出的基于HHT的制动意图模糊C均值聚类识别方法能更好地分辨中等制动和平缓制动意图,提高了识别准确率,并具有较好的实时性。     

基于EEMD和熵理论的电动汽车制动意图识别方法

为抑制制动踏板信号中存在的间歇性成分或脉冲成分所造成的信号分解过程中的模式混叠现象,进一步提高制动意图识别的准确率和实时性,本文中提出了基于平均经验模式分解(EEMD)和熵理论的电动汽车驾驶员制动意图聚类识别法。首先,运用EEMD算法将制动踏板信号分解为IMF分量,以抑制模式混叠现象,更准确地提取制动踏板信号特征。接着,运用Shannon熵对IMF分量进行筛选,以减少特征提取的计算量。再用样本熵提取筛选后的制动踏板信号IMF分量的特征,得到不同制动意图的制动踏板信号特征向量。最后,运用聚类算法对制动意图进行识别。离线试验和实时试验的结果表明,基于EEMD和熵理论的制动意图聚类识别法比基于HHT的制动意图识别法具有更高的识别准确率和更好的实时性。     

汽车安全性检测信息管理系统数据库的开发

以汽车安全性检测需求为背景,采用Visual Basic 6．0开发程序及SQL Server2000数据库技术,开发的汽车安全性检测信息管理系统．可为车辆管理部门车辆的管理工作提供很大的方便。