重车驾驶操作要领

重车驾驶就是指车辆装载后的实际行驶。汽车装载后,大大增加了车辆的重量,车辆各部分的技术性能与空车相比都有所变化。而根据不同的道路状况所采取的操作方式也有不同。长途重车驾驶行车前对这些情况提前了解,就能有效提高安全行车系数,预防车辆事故发生。(一)重车驾驶操作要领。①起步:重车起步时,为了动力传递平稳,使车辆顺利起步,在操作离合器过程中,半联动松抬时间(抬起过程)要比空车稍长一些,油门也应适当加大。     

车联网环境下自动驾驶车辆车道选择决策模型

试验车道选择行为是自动驾驶车辆最基本的决策行为之一,利用车联网技术可以使车道选择结果更加全面、合理.首先,对高速公路自动驾驶车辆车道选择决策过程进行分析,并以车联网感知通信范围内的车辆的平均速度、重车比例及前往车道的理想换道时间为主要指标创建成本函数,根据计算结果输出最优车道序列;然后,以Gipps安全驾驶模型为基础,...     

铁路货车侧向通过道岔运行稳定性研究

分别以脱轨系数、轮重减载率及轮轴横向力作为判定标准,进行我国通用型货车在不同重车重心高度及横向偏移装载条件下侧向通过12号提速道岔时的运行稳定性试验研究.研究结果表明:货物重心的横向偏移会使得车辆的运行稳定性指标,尤其是脱轨系数和轮重减载率明显增大,车辆的脱轨危险性大幅增加;侧逆向和侧顺向通过道岔时,车辆运行稳定性差别较大,侧逆向相对更加不利;提速货车在重车重心高度为2 400 mm、货物重心横向偏移量为150 mm、前后两转向架负重差为10 t的最不利装载工况下,侧向通过12号提速道岔时不需限速运行.      

C62BK型货车经过小半径曲线的安全性试验研究

我国现行《铁路货物装载加固规则》规定重车重心高度超过2 m时必须限速,不能满足目前我国铁路运输需求.小半径曲线是铁路线路中的薄弱环节,制定重车重心限制高度时必须对车辆通过小半径曲线这一运行工况进行深入研究.现以试验为依托,以脱轨系数、轮重减载率和轮轴横向力为判定标准,通过统计分析试验数据,对重车重心限制高度提高后C62BK型货车经过小半径曲线时的安全性进行研究,得出重车重心高度2.4m时,C62BK型货车通过小半径曲线时的安全技术条件.      

安全车距“八远点”

1.重车跟空车车距远点。遇有情况空车能立即停车,而重车惯性力大,制动距离长,不能立即停车。2.车辆上、下坡时车距远点。车辆上坡时因换挡操作不当,随时都有停车和后溜的可能;下坡时车辆速度快,不易停车。3.车速越快时车距越远点,防止追尾。4.雨、雪、雾天和夜间行车车距远点。     

科学制动轻松节油

节油，除了从根本考虑买油耗低的车，安装有效的节油装置外，还与车辆的维修保养、车辆的驾驶、车辆的装载、车辆的管理关系甚大，学问多多。仅拿行车来说，就有节油与启动、节油与换档、节油与速度控制、节油与滑行、节油与发动机温度等多方面的问题有关。现就节油与制动问题谈几点意见。     

关注人工智能(AI)

正当下的汽车行业,人工智能(AI)是一个热点话题。所谓的人工智能,是对人的意识、思维信息过程的模拟,其研究领域包括机器人、语言识别、图像识别、自然语言处理等。随着自动驾驶研发的推进,人工智能正变得越发重要,装载人工智能技术的车辆可以像人一样思考,自动识别环境信号并判断交通状况,推进无人驾驶技术的实现。具备自动驾驶功能的车辆,通过摄像头、雷达等传感器来捕获车内外的大量信     

乌尼莫克的卓越越野能力是如何形成的？

无应力车架：主副车架结构,主车架采用无应力的设计以适应崎岖的山路,3点式副车架连接到主车架上,这样确保车辆在通过不平整路面时,固定在副车架上的驾驶室、货舱保持平稳,更有效地保护车身及装载设备。     

驾驶模拟器在自动驾驶系统中的应用研究

自动驾驶车辆在实际道路上行驶之前的测试阶段是一个至关重要的环节。一个低成本、高效率以及高精度测量的自动驾驶车辆的测试方式,对于自动驾驶车辆的开发具有重要意义。将驾驶模拟器运用到研究自动驾驶车辆测试已是近年来的一个研究热点。基于虚拟驾驶场景的自动驾驶车辆的检测,通过组合虚拟驾驶场景的背景车辆、行人、交通灯、建筑、指示标牌等元素,研究将驾驶模拟器与虚拟驾驶场景的联合应用来测试自动驾驶车辆。设计了典型的交通场景,通过自动驾驶车辆和背景车辆的实时交互,研究自动驾驶车辆的各项性能指标。研究结果表明:该驾驶模拟器可以高度拟合人类驾驶体验,驾驶员通过驾驶模拟器控制背景车辆能够很好的模拟现实中的驾驶行为,对自动驾驶车辆的仿真测试起到了促进作用。     

混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...