ESD试验技术在组合仪表中的研究与应用

针对电磁干扰易对汽车电子产品造成危害的问题,本文基于ESD人体模型,按照PSA B217110标准,在神龙公司研发阶段的某车型组合仪表上对ESD试验技术进行研究与应用,并使用德国Vector公司的CANalyzer软件编写个性化的图形程序对试验结果进行评估,同时针对试验结果提出进一步提高仪表防静电等级的解决方案。本文的相关研究对解决汽车电子部件的电磁干扰问题,提高车辆的安全性能以减少不必要的经济损失,具有一定的参考意义。     

油束雾化形成机理分析

应用数字粒子图像测速技术对燃油喷雾进行了深入的研究。以可视化的测试结果为依据,提出了对燃油破碎雾化过程认识的新观点,即在喷射纵向上,把燃油雾化破碎分为初始破碎区和细化破碎区2个部分;在喷射横向上分为雾化核心区、过渡区和边缘区3个部分。研究发现燃油破碎的整个过程中出现了油团、油线、油云聚集体等燃油破碎单元。结合测试结果对上述燃油破碎单元的出现、发展和转变过程进行了深入分析。结果表明:油束雾化是一个连续渐变多状态混合叠加的过程。     

静液压储能传动汽车动力源系统的匹配效率

为了便于进行汽车动力源系统的参数选择和设计，在试验数据的基础上运用曲面拟合和二维插值的方法，通过模拟计算绘制了液压泵的特性等值曲线；综合发动机和液压泵的特性曲线，分剐对发动机与液压变量泵、定量泵进行了匹配效率分析；考虑蓄能器的效率，建立了发动机与液压泵、蓄能器的效率数学模型以及效率脉谱图，定义了系统效率概念并以此评价动力源系统的经济性，得出了发动机与变量泵、定量泵匹配的效率关系以及动力源系统的最佳工作范围。     

120 kW取力发电机可靠性设计与试验

介绍了120 kW取力发电机可靠性设计采取的措施及可靠性试验情况。     

整车电源分配设计要点

汽车线路是汽车电器的网络主体,其功能是实现整车电器零部件的电路连接。由于电子产品在汽车上大量应用,汽车线路的电源分配直接影响汽车的安全性能。本文阐述整车电源分配的几种方式及设计要点,以利于更好地对整车电源分配进行设计,提高汽车的使用及安全性能。     

汽车企业如何合理规避汽车三包新规带来的风险

简要介绍了汽车三包新规的核心内容以及三包新规实施前企业应该注意的事项,重点对企业合理规避汽车三包新规带来的风险进行了解读与分析。     

基于汽车悬架设计中的键合图法

简要地介绍了键合图基本原理,建立了汽车八自由度振动系统的键合图模型,推导出状态方程。应用现代控制论方法,指出了应用键合图理论对悬架参数进行优化的方便性与实用性。     

PHEV发动机驱动工况效率耦合分析与优化控制

单轴并联式混合动力系统（Parallel Hybrid Electric Vehicle,PHEV）包括电池、驱动电机、发动机、自动变速器等多个关键部件。各部件效率特性存在相互耦合的关系,要实现系统整体效率最优,需要辨明影响系统效率的控制参数,并对系统整体效率最优的控制参数进行优化。以装备无级变速器（Continuously Variable Transmission,CVT）的PHEV为研究对象,首先对系统各关键部件的效率特性进行分析,建立各关键部件效率模型,明确各部件效率与控制参数、状态参数之间的关系。在此基础上,对发动机单独驱动模式下动力传递路径中不同部件的效率耦合关系进行分析,推导出系统燃油消耗量与动力系统各状态参数、控制参数之间的函数关系。根据分析结果,选取车辆需求功率及车速为状态参数,变速器速比及发动机转矩为控制参数,以系统燃油消耗量最小为目标建立优化目标函数和约束条件,对系统优化问题进行定义。根据优化问题的特点,设计基于模拟退火的优化算法对优化问题进行求解,获取系统燃油消耗率最小时变速器目标速比和发动机目标转矩随状态参数的变化关系。建立系统仿真模型对所述优化算法进行仿真分析,并搭建混合动力试验台对优化结果进行试验验证。结果表明：无级变速器效率对系统整体效率影响较大,采用优化控制规律使发动机效率有所降低,但无级变速器效率升高更大,系统整体效率升高;在功率需求一定的循环工况下,优化控制算法比传统上仅以发动机效率最高为目标的控制算法节油1%~2%。     

湿式离合器出油口甩出油温度预测方法

为了实现对湿式离合器出油口甩出油温度传感器的冗余校验和自我诊断，提出了一种基于粒计算约简的离合器出油口甩出油温度的模糊预测方法。首先分析出油口甩出油温度的影响因素，将主要影响因素作为预测输入量，并采用模糊推理理论预测当前离合器出油口甩出油温度。在设计模糊预测方法的过程中，通过分析实车数据得到车辆行驶时离合器处于高滑摩功率过程和低滑摩功率过程的不同特性，分别确定相对应的隶属度函数和模糊预测规则，从而进一步提高出油口甩出油温的预测精度。为了提高模糊预测算法的实时性，基于模糊预测规则创建模糊决策表，模糊输入量和模糊输出量分别作为决策表的条件属性集与决策属性集。利用粒计算理论对模糊决策表的条件属性集进行属性约简，通过削减冗余信息有效降低模糊输入量和模糊预测规则的个数。最后利用实车采集的数据对比分析约简前后模糊预测算法的单步运行时间和预测误差等性能指标。试验结果表明：基于粒计算约简的模糊预测算法能够有效保障预测精度，同时拥有更少的模糊预测规则数和模糊输入量，有效解决了模糊预测算法占用资源较多以及实用性较差的问题。     

基于LSTM网络的驾驶意图识别及车辆轨迹预测

自动驾驶汽车需具备预测周围车辆轨迹的能力,以便做出合理的决策规划,提高行驶安全性和乘坐舒适性。运用深度学习方法,设计了一种基于长短时记忆（LSTM）网络的驾驶意图识别及车辆轨迹预测模型,该模型由意图识别模块和轨迹输出模块组成。意图识别模块负责识别驾驶意图,其利用Softmax函数计算出驾驶意图分别为向左换道、直线行驶、向右换道的概率;轨迹输出模块由编码器-解码器结构和混合密度网络（MDN）层组成,其中的编码器将历史轨迹信息编码为上下文向量,解码器结合上下文向量和已识别的驾驶意图信息预测未来轨迹;引入MDN层的目的是利用概率分布来表示车辆未来位置,而非仅仅预测一条确定的轨迹,以提高预测结果的可靠性和模型的鲁棒性。此外,将被预测车辆及其周围车辆组成的整体视为研究对象,使模型能够理解车-车间的交互式行为,响应交通环境的变化,动态地预测车辆位置。使用基于真实路况信息的NGSIM（Next Generation SIMulation）数据集对模型进行训练、验证与测试。研究结果表明：与传统的基于模型的方法相比,基于LSTM网络的轨迹预测方法在预测长时域轨迹上具有明显的优势,考虑交互式信息的意图识别模块具备更高的预判性和准确率,且基于意图识别的轨迹预测能降低预测轨迹与真实轨迹间的均方根误差,显著提高轨迹预测精度。