沥青混合料厂拌冷再生技术在高速公路上的应用研究

本文结合福建省泉厦高速公路拓宽改造工程建设,开展厂拌冷再生技术研究,旨在推进废弃路面材料的回收利用,发展循环经济,同时以期能提高福建省高速公路的维修养护水平,补充完善我国高速公路沥青路面科学维修养护技术.     

滑坡体力学特征对抗滑桩作用力分布规律的影响

采用弹塑性有限元方法分析滑坡体弹性模量、重度、抗拉强度对抗滑桩作用力分布规律的影响,结果表明滑体弹性模量增大,抗滑桩所受的滑坡推力和剩余抗滑力幅值增大;随着重度增大,滑坡推力和剩余抗滑力都增大;抗滑桩作用力在岩体被拉裂前随抗拉强度增大而增大。     

基于驾驶员特征的汽车自适应巡航控制研究

汽车自适应巡航控制系统(ACC)是当前汽车驾驶员辅助系统研究中的热点课题之一。在介绍ACC原理和对驾驶员行为特征进行分析的基础上，建立了2自由度ACC控制模型，并对模型跟随前车和前车切入情况进行了模拟分析。     

鼓式制动器多柔性体ADAMS建模与仿真

考虑线性超单元、非线性接触力、阻尼以及非线性动态过程等因素,建立了某大型客车鼓式制动器的多柔性体动力学模型。考虑到制动鼓椭圆变形导致的楔效应、卡死等现象,将制动鼓看作柔性体,建立了柔性制动鼓与摩擦片的接触模型,同时建立了凸轮的驱动力模型。在一定的制动工况下,ADAMS模型仿真分析得到的凸轮驱动力及制动器外部因数与相关资料结论相吻合,验证了所建立的鼓式制动器模型的正确性。     

基于特性的牵引车-半挂车刚柔组合车架动力学模型研究

商用车较大的车架柔性会影响到整车的操纵稳定性和乘坐舒适性,尤其是在共振时车架柔性会放大对车辆运动品质的影响。为实时模拟牵引车-半挂车的车架运动,采用基于总成特性的建模技术路线,根据运动响应频域将车架运动解耦为低频刚体运动和高频柔体运动,并将车架模型模块化划分为基于多体动力学的刚体车架模块、基于模态综合法的柔体车架模块,然后将两模块求解结果叠加形成刚柔组合车架模型。最后,将车架模型嵌入牵引车89DOF-半挂车73DOF整车模型中,针对某款商用车进行仿真,通过对比实车场地试验结果,验证了模型的有效性。     

ANSYS在专用底盘副车架刚度分析中的应用

通过建模、加载、解算及后处理等一系列步骤获得了某专用底盘副车架的刚度,应用ANSYS软件对其进行了刚度分析,并提出了副车架结构设计存在的问题和改进的方向。     

面向结构的汽车齿轮齿条式转向系仿真模型

针对齿轮齿条式转向系统建立了面向结构的转向系统模型,包括转向齿条动力学和转向横拉杆以及转向立柱的弹性特性、转向减振器阻尼力、转向干摩擦、液压助力特性等。所建模型具有完备的动力学自由度,能准确地反映路面激励对转向轮运动状态地影响。并将该模型嵌入到整车动力学模型中,对两种典型工况进行了仿真计算。通过仿真结果与道路试验结果的对比,验证了该模型的正确性。     

驾驶模拟器驱动的TCU换挡策略驾驶性主客观评价研究

TCU换挡策略对汽车驾驶性影响多通过主观评价来测试验证和标定,针对软件在环、硬件在环等仿真方法不能实现对TCU换挡策略的主观评价问题,提出了一种驾驶模拟器驱动的TCU换挡策略驾驶性评价方法。本文中首先搭建了驾驶模拟器驱动AutoBox嵌入的人-车-环境闭环TCU换挡策略评价平台,建立能识别驾驶意图和道路环境的TCU换挡策略模型,总结出了TCU换挡策略相关的驾驶性主客观评价表。然后利用搭建的平台对建立的TCU换挡策略进行了驾驶性主客观评价,获得了主观评分结果和客观评价指标。通过分析评价,验证了驾驶模拟器驱动的TCU换挡策略评价平台的可行性和研究方法的可行性,研究的平台和方法可用于TCU换挡策略驾驶性快速主客观评价,有效减少实车测试评价工作量,降低开发成本,缩短开发周期。     

预瞄跟随驾驶员模型的复合校正

由于汽车动力学特性呈现强非线性,经典的开环校正控制方式不能自动适应被控车辆动力学特性的变化。据此,本文中提出一种对汽车非线性动力学具有自适应性的复合校正方法,它采用经典的开环校正作为主校正部分,而用BP神经网络PID控制器作为补偿校正部分。在Matlab/Simulink中对Car Sim样车进行仿真,结果表明,采用复合校正方法的预瞄跟随驾驶员模型跟随性较好,参数无需标定,且对汽车动力学的非线性特性具有很好的自适应能力。     

基于卷积神经网络的汽车操纵稳定性试验类型识别方法

针对汽车操纵稳定性试验评价指标自动化处理需要自动识别试验类型的需求，提出一种基于卷积神经网络的汽车操纵稳定性试验类型自动分类方法。在分析汽车操纵稳定性试验类型数据图像特征的基础上，建立了由1个输入层、3个卷积层、3个批归一化层、2个最大池化（Max-pooling）层、5个线性整流函数（ReLU）层、3个全连接层、2个活化（Dropout）层、1个激活函数（Softmax）层和1个分类输出层组成的汽车操纵稳定性试验类型分类卷积神经网络模型。利用2 250组试验采集的数据对模型进行了训练和验证。经验证，类型分类准确率为99.33%，平均识别时间为0.05 s。结果表明，本文提出的基于卷积神经网络的汽车操纵稳定性试验类型自动识别方法可有效区分不同试验类型，可用于汽车操纵稳定性试验结果的自动处理，显著提升汽车操纵稳定性试验自动化处理水平。