车身小样本检测数据多异常值判别方法

针对车身检测数据样本量较小、某时域范围或某类型的测量数据呈现非正态分布的特点,提出了一种基于距离测度的车身检测数据多异常值排序检出算法,并推导了区分由生产过程突变造成的异常值和由测量粗大误差造成的异常值的判断方法。以某车型的间隙与面差检测数据为例,验证了本方法的有效性。     

汽车车身焊装过程小样本采样的评价极限

对汽车车身焊装过程中小样本采样的评价极限进行了研究。根据实际车身焊装过程中质量评价的需要,建立了基于蒙特卡罗方法的小样本采样评价极限确定方法,获得了车身焊装过程中小样本采样误差随样本量变化的曲线。在此误差曲线的基础上,以实际评价过程能够接受的置信程度为标准,确定小样本方法的评价极限,取得了很好的效果。     

基于模块化设计的车身装配结构优化EI北大核心CSCD

本文在考虑车身制造和装配成本的基础上,提出了一种基于图分解算法的车身装配结构设计方法,并为解决以厚度为设计变量进行优化时的收敛问题引入了一种多层二次择优的优化方法。以白车身底板为例,依照最小可制造尺寸对结构进行分割,以分割单元之间的连接关系作为设计变量,结合NSGA-II算法进行优化,得到最优装配方案;以优化得到的Pareto解集中的装配方案为初始解,从中进行二次择优,选出满足稳定性条件的解,对各子部件内的厚度施加约束进行板厚优化,并将得到的板厚值返回到图分解法中进行迭代,直到问题收敛,最终实现对焊接位置和板厚的同时优化。     

基于SHCA-T算法的车身骨架多工况耐撞性优化设计EI北大核心CSCD

为解决多变量非线性动态结构优化效率低、难以收敛等问题,提出求解车身骨架厚度优化的子区域混合元胞自动机(SHCA-T)算法以及多工况SHCA-T算法,实现车身骨架多工况耐撞性高效优化设计。该方法包括内外两层循环:外层循环主要开展碰撞仿真分析、计算输出响应,更新目标质量,实现结构质量的最小化;内层循环主要根据当前元胞及其邻胞的内能密度,按照PID控制策略调整元胞厚度,使内层循环的当前质量收敛于目标质量;最终使元胞内能密度分布尽可能逼近阶跃式目标内能密度函数。为了验证SHCA-T和多工况SHCA-T算法的精度和效率,将其用于求解侧面碰撞和侧面柱碰工况下车身骨架的厚度优化问题,并与基于伪CEI准则的并行约束EGO(EGO-PCEI)算法的优化结果进行对比。结果表明:在收敛精度相当的条件下,SHCA-T和多工况SHCA-T算法具有更高的全局搜索效率。     

基于深度置信网络的多源信息前方车辆检测EI北大核心CSCD

本文中以深度置信网络为理论基础,提出了一种多源信息的前方车辆检测方法。首先将毫米波雷达和摄像机进行联合标定,确定两个传感器坐标系之间的转化关系。然后通过对毫米波雷达数据进行预处理完成前方障碍物的标签分类,获得前方车辆目标和其他类障碍物的数据。接着利用深度置信网络对数据进行训练,完成前方车辆的初识别。最终根据常见车型宽度和高度的统计数据获得前方车辆识别的验证窗口。实验结果表明,采用所提出方法前方车辆识别的正确率为91.2%,单帧图像的总处理时间为37ms,有效地提高了系统实时处理速度,尤其对阴天、夜间、轻雨或雾霾等恶劣的道路环境中的车辆有良好的检测效果,能满足汽车辅助驾驶对于准确性和稳定性的要求。     

基于隐式参数化模型的白车身轻量化设计EI北大核心CSCD

本文在白车身概念设计阶段引入"CAE驱动设计"的思想,采用SFE-CONCEPT建立了某轿车白车身隐式全参数化模型,通过与经验证的有限元模型进行性能分析对比,验证了所建参数化白车身模型的有效性。采用逐步优化方法,结合白车身性能匹配补充轻量化设计的思想,在最大限度地满足白车身静、动态各项性能要求的前提下,获得白车身轻量化设计方案。优化前后白车身性能对比结果表明,在白车身弯曲和扭转刚度变化不大(分别下降0.2%和0.6%)情况下,车身整体长、宽和高分别增加了15,13和9mm,车身1阶弯曲和1阶扭转模态频率分别提高了5.6%和9.2%,车身质量减轻了19.9kg,轻量率达5.76%,取得了明显的轻量化效果。     

基于单目视觉的夜间前方车辆检测方法EI北大核心CSCD

为提高夜间行车的安全性,提出了一种基于单目视觉的夜间前方车辆检测方法。该方法利用最大类间方差法自动确定阈值,从背景中抽取出前车尾灯,并根据HSV颜色空间的颜色阈值剔除非尾灯目标,利用Kalman滤波方法将图像分为跟踪区域和检测区域,在两个区域内分别进行尾灯配对,根据尾灯对之间特征相似性的比较,剔除误检的车辆;跟踪区域中漏检的车辆,根据前一帧检测的车辆位置和正确抽取的尾灯来估计,以实现车辆检测。实验结果表明,该算法能准确检测夜间前方车辆,有效降低漏检率和误检率。     

商用车多风扇冷却模块匹配研究EI北大核心CSCD

为解决后置发动机商用车的多风扇-冷却模块匹配问题,以路试满足散热要求的中冷器、散热器和单个风扇串联布置的冷却模块为基础,利用散热器和风扇的风洞测试数据,对中冷器、散热器和多个风扇组成的不同冷却模块方案进行匹配分析。结果表明:在传统中冷器-散热器串联布置方案中,依靠增加电动风扇数量对散热性能提升的空间有限,难以满足散热需求;中冷器-多风扇,散热器-多风扇的分布式布置方案满足发动机标定转矩点的散热需求;在标定功率工况时,中冷器-风扇模块能满足散热需求;而通过进一步改进散热器和增加电动风扇的数量,散热器-风扇模块也可以满足散热需求。     

分布式多车协同视觉SLAM系统EI北大核心CSCD

可靠的定位与导航是实现自动驾驶的先决条件。单车视觉同时定位与建图(SLAM)技术能够在GNSS拒止的情况下实现车辆的定位,但累积误差会随运行时间逐渐增加,难以持续准确完成定位任务。通过多车协同视觉SLAM可以提升定位效果。本文提出了一种鲁棒、轻量化的分布式多车协同视觉SLAM系统,该系统以ORBSLAM2作为视觉里程计,利用NetVLAD全局图像描述子实现多车间共视区域识别和数据关联;提出了一种基于数据相似性和结构一致性的方法,实现多车间闭环离群值剔除;提出了一种分布式位姿图优化方法,提高多车协同定位精度。经过自主搭建平台所采集的真实数据以及KITTI数据集测试,该系统相较于已有的主流视觉SLAM算法以及协同SLAM算法均具有更高的定位精度。     

基于多场耦合的缸孔变形评价方法研究EI北大核心CSCD

为准确预测车用柴油机优化升级和正向开发过程中缸孔变形对发动机性能的影响,进行了基于三维非线性有限元接触模型的多场耦合数值分析。根据耦合计算结果,在快速傅立叶变换(FFT)的基础上提出了包括最大有效变形、窜气影响系数εp和拉缸安全系数εn等缸孔变形评价参数,并针对某一机型计算了上述参数值。计算结果表明,应用此参数可以更加准确地预测缸孔变形对窜气、机油消耗率和拉缸等情况的影响。     

驾驶机器人车辆的多模式切换控制EI北大核心CSCD

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

汽车乘员约束系统多目标不确定性优化EI北大核心CSCD

计及乘员约束系统不确定性参数对乘员安全性的影响,在非线性区间数规划(NINP)和局部加密近似模型相结合的基础上提出一种乘员约束系统多目标不确定性优化方法。根据实车前碰撞试验结果对乘员约束系统的数值模型进行校正,并利用区间序关系将乘员约束系统不确定性优化问题转换为确定性优化问题;采用隔代映射遗传算法(IP-GA)和微型多目标遗传算法(μMOGA)来求解满足乘员约束系统防护性能的非支配解集。结果表明:该方法能获得考虑不确定性影响的乘员约束系统最佳匹配参数,从而确保汽车乘员的安全性,在汽车安全领域具有广泛的工程应用前景。     

基于GRI的多车协同定位研究EI北大核心CSCD

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。     

基于遗传算法的液力变矩器与发动机匹配的多目标优化EI北大核心CSCD

本文中对液力变矩器与发动机的匹配进行研究。首先,建立了发动机转矩特性与液力变矩器原始特性模型,求得两者共同工作的输入输出特性;然后,根据一维束流理论和能量方程,以两者匹配工作的动力性和经济性为目标,以泵轮出口角和导轮进出口角为设计变量,建立了多目标匹配优化模型,使用遗传算法进行优化,得到Pareto最优解集。结果表明:优化后,最大输出转矩和平均输出功率提高,高效转速范围的燃油消耗率降低,验证了所建模型的正确性与可行性。     

基于Pareto原理的HEV能量控制参数NSGA-Ⅱ多目标优化的研究EI北大核心CSCD

以某款并联混合动力汽车为对象,选取8个能量控制参数作为燃油经济性和排放性综合优化参数,提出基于Pareto原理的改进型NSGA-Ⅱ多目标优化算法,并进行仿真优化。结果表明:优化后燃油消耗率最大降低了11.29%,排放物综合指标最大下降8.78%,其中CO排放的优化效果最显著,下降了24.2%;SOC平衡的误差在0.5%以内,满足约束条件,发动机与电机工作点的效率分布明显改进;同时相比传统加权等单目标优化法,所提出的算法能同时得到多组优化解,为能量管理前期设计提供了更多的选择空间。     

路基压实质量连续检测数据前处理及修正方法

以兰张铁路工程为例,提出异常值的剔除方法,并修正压路机行驶速度与振动方式对连续检测数据(CMV)的影响。在分析现场异常数据产生原因的基础上,采取绝对中位差法、孤立森林法、局部异常因子识别法对异常值进行分析,并结合动态变形模量(E_vd)对筛选后的数据进一步分析。结果表明：CMV检测原理及压路机工作参数可作为识别处理缺失值和伪异常值的依据,绝对中位差法、孤立森林法对突变数值的处理效果最好。采用修正系数对CMV进行修正后,表明当压路机以1.2 m/s为行驶速度基准值时,可分别建立强振和弱振作用下的CMV值修正公式以实现提高检测可靠性的效果。     

基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法

为提高交通参数提取的准确性与实时性,研究了基于多尺度边缘融合和SURF特征匹配的车辆检测与跟踪方法,克服了传统基于边缘特征的车辆检测方法易受噪声、背景干扰的问题,实现车辆准确检测.将车辆检测结果作为跟踪样本建立跟踪样本集合,通过建立匹配点对几何约束消除误匹配特征对,提高跟踪样本与待跟踪视频帧的SURF特征匹配准确度.针对车辆驶入、驶离相机视野,车辆间歇性运动,背景缓慢变化等情况提出跟踪样本更新机制,实现车辆的准确、实时跟踪.实验结果显示,所提算法的车辆检测率为88.3%,检测准确度为90.2%;跟踪精确度为86.4%,跟踪准确度为92.7%;检测时间成本为91.8ms,跟踪速率为52.2fps.检测准确度、跟踪准确度、检测速率、跟踪速率均高于光流法、粒子滤波法和SIFT特征匹配法,表明所提算法能较好地满足实时性应用.