新能源电机系统性能匹配优化研究

主要针对新能源电机系统在不同车型上的应用进行性能匹配优化研究。从平台化的车型参数出发进行电机系统参数匹配优化设计,同时进行闭环仿真计算保证车辆的动力性能。在电机系统的效率优化提升方面,基于乘用车常用NEDC工况,获取电机系统在工况下的运行数据,基于仿真数据一方面研究电机系统在对应工况下的高效区间分布;另一方面根据电机系统在驱动和发电状态下的电功率和机械功率计算平均效率,同时结合不同方案下的效率MAP差异,判断不同方案在整车经济性上的表现。通过本文提到的性能匹配优化研究方法,可以缩短开发产品周期,保证项目在前期的输入定位相对准确,从而保证产品开发完成后可以有较强的市场竞争力,可以满足绝大多数车型的需求。更加有利于后续的市场推广。     

某车型K&C特性仿真与试验分析研究

以某款自主开发的车型为研究对象,基于原始车型的数据及开发车型的目标参数在Adams中搭建多体动力学模型,进行前、后悬挂系统的KC及整车的动力学分析;同时对骡车进行KC台架试验,得出骡车的实际KC性能数据。然后对比研究仿真数据和试验数据,依据对比结果不断优化仿真模型直至仿真数据与试验较高程度地拟合。通过KC性能的仿真和试验分析来指导悬架设计,找出该车型在悬架设计上可能存在的问题和缺陷,给出修改建议和改进方案,为后期的底盘调试及性能优化提供理论支持。     

如何有效缩短汽车白车身性能设计周期

随着碰撞法规要求和顾客需求的越来越高,白车身性能指标要求得到提升,白车身性能设计在白车身数据设计中越来越重要,影响也越来越大。为在固定的车型开发周期中确保白车身性能目标,文中结合车型市场更新换代周期,引入全参数CAE建模分析技术,为白车身骨架结构设计提供更优的白车身性能SFE模型,确保白车身数据按期保质冻结。     

纯电动牵引车ESC试验侧翻稳定性研究分析

针对某款纯电动牵引车ESC性能试验时轮胎出现离地现象,与该车型燃油版本的试验结果进行了对比分析,建立了力学模型对车辆侧翻和侧滑的发生条件进行分析.结果表明,牵引车在紧急转向时发生侧翻的可能性比发生侧滑的可能性更大,纯电动牵引车相比于燃油版车型发生侧翻的极限车速更低.研究结果为牵引车ESC系统设计提供了参考.     

B/S架构营运车辆技术状况数据库管理系统的实现

目前各省建立的运政系统并没有实现营运车辆技术状况数据的共享.综合性能检测站和维修企业迫切需要获得生产作业中用到的车型参数数据.企业自己收集的车型参数数据不完整、不准确,严重影响了对营运车辆性能的评价质量及车辆安全性.营运车辆技术状况数据库及管理系统,针对营运车辆管理部门、综合性能检测站、维修企业、运输企业等4类用户,实现了3省车辆技术状况数据的互联和共享;建立了车型数据库,解决综合性能检测站和维修企业车型参数缺失的问题.数据库已经导人数据数万条,在3省进行了近2个月的示范应用,评价良好.      

考虑发动机油门开度状态的汽车ESC测试分析

设计一种考虑发动机油门开度状态的单变道与蛇形绕桩试验方法,测试某车型的ESC性能。结果表明,单变道时ESC系统对发动机油门开度全油状态的适应性比空油和稳油状态更差,且油门开度越大对ESC系统要求更高;蛇形绕桩时,VDC和TCS协同作用能够基本维持侧向稳定性,但需要进一步提升发动机实际输出扭矩对期望扭矩的跟踪能力。     

冗余制动电控系统多物理体在环试验研究及应用

为验证车辆在集成式助力系统（IBS）与电子稳定控制（ESC）2个控制器功能交互下的性能表现，排查并定位IBS与ESC功能交互下的故障问题，基于多物理体在环试验（m-HIL）技术，提出了一种可在IBS与ESC 2个控制器功能交互下进行制动电控系统性能及功能试验的冗余制动电控系统多物理体在环试验平台方案，并根据组合测试方法，运用自动化测试技术完成了IBS与ESC冗余控制器下的再生制动工况试验，提炼出再生制动工况下制动助力失效时对应的参数空间，形成了IBS与ESC冗余系统的再生制动工况下制动助力失效的典型测试用例。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

ESC液压控制单元设计与选型举例

文章根据整车系统和基础制动系统参数,以及AEB系统对ESC系统理论仿真的TTL要求,逆向计算,校验ESC系统液压控制单元的蓄能器参数、进液阀孔径、出液阀孔径、柱塞泵直径、偏心距、电机功率等,是否可以满足ESC增压能力,蓄能器回油能力等要求,以期达到整车性能表现。     

针对改款车型的空调系统仿真分析方法

本文介绍使用KULI软件进行空调系统仿真分析设计的方法和步骤,对空调系统的每个部件进行数据的收集、主要参数的标定等。本文基于某款车型的基础数据,标定出冷凝器处格栅的风阻,乘员舱的参数、风道损失系数等,建立仿真模型,并对其改款车型的空调系统进行性能评估和方案改进,其仿真的结果精度达到≤1℃。     

雪佛兰创酷

<正>新生代城市SUV雪佛兰创酷共推出四款不同配置的车型,有手动挡与自动挡。其中,自动挡顶配车型配备AWD智能四驱系统。创酷全系标配包括ESC/CBC/HSA/ROM等在内的八大安全系统,打造同级最强安全性能。雪佛兰智能车载互联系统MyLink配备在中高配置车型上,可实现免视互动、多媒体娱乐、导航等多种功     

浅析某车型ESC结构原理及低电压报警故障诊断

近年来,随着人们生活水平的不断提高,汽车越来越多的进入普通百姓家庭,成为大众家庭标配的代步工具。与此同时,对于普通的家庭使用,车辆本身的安全性能在车辆的各项指标中越来越引起人们的重视。车身电子稳定控制系统(Electronic Stability Controller简称ESC)作为主动安全技术的代表,被越来越多国家作为新车上市的强制化标准配置;我国的大众汽车主流,也在不断的增加此配置和卖点。文章将结合某车型的ESC系统结构原理,及ESC系统所存在的一种低电压故障现象分析探讨,以促进对该安全防护系统(ESC)的进一步了解。     

基于台架重复性的柴油机NOx排放测量影响因素研究

针对某电控高压共轨柴油机排放性能优化过程中出现的问题,基于柴油机试验台架的重复性,进行各参数变化趋势分析以及与NOx排放测量的相关性分析.在此基础上,进行了ESC变工况和持续恒工况的试验验证分析.结果表明:进气相对湿度、进气质量流量及燃油温度变化对ESC循环NOx排放测量的影响很小;在相同试验条件下,发动机进气质量流量...     

对农村汽车市场主要车型的中长期预测

本文分析中国农村汽车市场上普及率较高的车型,基于历年《中国汽车工业年鉴》的调查数据和相关统计资料中的基础数据,结合多元线性回归、时间序列预测与专家调查法,采用统计学软件SPSS,对农村汽车市场上的各主要车型进行定量化的中长期预测,探究未来农村汽车市场的发展潜力。     

某轿车电子稳定控制系统法规认证研究

本文首先介绍ESC系统的作用、应用情况、组成及工作原理。详细介绍目前ECE R13H关于乘用车装配ESC系统后的认证试验规范-正弦迟滞试验。最后,对照标准,进一步分析该车辆详细的试验数据,试验结果表明该车辆ESC性能良好,完全符合法规。     

某重型自卸车排气辅助制动效果不良的探索和改进

文章针对某重卡6×4自卸车出现辅助制动效果不良的现象,结合此车型对排气辅助制动器参数进行理论校核计算,发现按照理论参数进行匹配设计并不能有效地提高排气辅助制动性能：同时与市场上反映使用效果较好的同等竞品车型进行对比分析,找出导致该重型自卸车排气辅助制动效果不良的主要原因,并对该自卸车排气辅助制动系统进行优化;通过试验验证表明,改进后的辅助制动性能得到明显提升,并优于同等竞品车型。     

基于竞争力分析的市场调研方法

基于竞争力分析的市场调研方法的主要任务是完善市场数据并建立数据库,然后根据数据库的数据建立市场与车型对应的结构模型,根据模型可进行竞争力要素分析,从而进行解读与预测市场发展以及制定相应的应对策略。     

2024年商用车市场发展趋势

2023年,我国商用车市场呈现积极恢复的发展态势,各车型总体表现平稳,新能源和清洁能源车辆需求快速增长。2024年商用车市场在外部经济发展大环境下,将在政策引导和技术升级下迎来持续变革。为此,基于中汽数据流通数据,并结合经济及政策作用下的市场表现,2024年商用车发展趋势和对各特定车型的影响进行分析和综合判断。     

基于对标分析的自主高端车型产品定位分析

阐述了对标分析对于自主品牌新车型开发的重要性,详细分析了国内高端车市场现状及自主品牌进入高端车市场的竞争要素和定位原则,基于对标分析数据和产品竞争力要求得出了某高端车型的产品定位区间,为后续车型开发提供了参考。     

基于深度学习网络模型的车辆类型识别方法研究

为了将有效地识别车辆类型用于智慧交通系统,本文在分析Inception V3模型的基础上,提出了一种基于迁移学习理论的车型分类深度学习模型。该模型首先在Inception V3模型的基础上去除最后的全连接层,并加入参数优化层,然后采用Dropout和全局平均池化层。理论分析和试验结果表明,该模型的性能优于基于VGG-16的车型分类模型、基于Xception的车型分类模型和基于Resnet50的车型分类模型,其训练精度优于96.48%、测试精度优于83.86%。