轻型商用车集成式电子液压制动系统助力策略设计

伴随轻型商用车电动化的发展,用于轻型商用车的线控制动技术得到发展,针对线控制动技术中的集成式电子液压制动系统,提出一种基于模糊PI控制反应盘主副面位移差的制动助力方法。通过实车验证表明:实际反应盘主副面位移差能够快速跟随目标曲线,制动过程平顺,具有实用性。     

电动汽车大数据处理活动中的伦理问题研究

为了解车辆零部件运行状态,分析整车故障原因,技术人员通过车载终端把电动汽车的整车控制系统各节点发送至大数据平台进行查阅、分析和下载使用。大数据的使用引发了信息工程领域的伦理问题。本文重点阐述了电动汽车产业运用大数据时可能产生的伦理问题及其产生原因,探索强化责任、加强职业道德教育等解决办法,并结合伦理学理论提出了建议。     

新媒体环境下全地形车营销策略分析

互联网+和大数据技术的不断发展和进步让信息经济时代真正地到来了。伴随着电子商务从起步到发展,很多的电商运营平台也逐渐凸显出自己的价值和地位。与此同时,电子商务的营销模式也从传统的B2B、B2C模式向着O2O、C2B的方向发展。全地形车,是一种十分独特的车型,适用的范围和人群也具有特定性。为此,在新媒体的环境之下,如何进行全地形车的营销,如何能够为全地形车吸引到更多的受众群体,这正是本文所要探究的关键所在。为此,文章在对全地形车的基本内涵、主要分类进行阐述和分析以后,针对全地形车这一个特殊车型的营销模式的创新和进步,提出了一些见解和主张。     

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。     

双自由度舵机执行机构冲击载荷的仿真分析

超高速水下航行体航行过程中工况复杂,在加速段速度跨度大,双自由度舵机执行机构承受了较大的瞬态冲击载荷,有必要对其韧性进行分析校核。本文分别建立旋转机构输出轴、减速箱体和展开机构最后一级齿轮副的多刚体动力学仿真模型,分析各机构在冲击载荷下的应力和变形情况,校核结构韧性的可靠性,同时对旋转机构输出轴进行模态分析。仿真与校核结果为机构优化设计提供参考依据。     

一种纯电动汽车坡道辅助起步系统研究

本文介绍一种纯电动汽车坡道辅助起步系统。进入坡道辅助起步功能后,可第一时间响应误差较小的防溜坡扭矩预测值,从而提升车辆稳定性和平顺性。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

汽车天线偏心测试的系统设计与试验验证

随着智能网联汽车的迅速发展,汽车对外通信性能的重要性显著提高,但汽车体积大、重量沉,无法直接借鉴传统通信行业的天线系统测试方法。本文以智能网联汽车的天线系统为研究对象,研究出一种改进的近远场变换算法,并基于该方法设计出一种合理的验证方案,从而降低因汽车测试位置偏移对试验结果的影响。研究表明,当以整车作为被测件时,车载天线在测试系统中心和整车几何中心在测试系统中心的情况下,近场测试数据存在明显的较大差异;然而通过正确的NF-FF变换处理,两者远场辐射方向图都是一致的。说明了在球面近场系统测量加近远场变换的处理下,可以得到整车远场辐射信息。该结论对推动整车无线性能测试提供了实验和验证基础。     

基于人-车交互的行人轨迹预测

针对行人轨迹预测具有复杂、拥挤的场景和社会交互问题,基于长短时记忆网络（Long Short-term Memory Network, LSTM）对行人与车辆、行人与其他行人的交互进行建模,提出一种基于人-车交互的行人轨迹预测模型（VP-LSTM）。该模型同时考虑了行人与行人的交互、行人与车辆的交互,更适用于复杂的交通场景。所构建的VP-LSTM包括3个输入,以行人的方向和速度作为历史轨迹序列输入,行人与行人的相对位置作为人-人交互信息输入,行人与车辆的相对位置作为人-车交互信息输入。该方法首先设计扇形人-人交互邻域和圆形人-车交互邻域来准确捕捉对被预测行人有相互作用的行人和车辆;其次建立3种不同的LSTM编码层来编码历史行人轨迹序列、人-人、人-车社交信息;然后定义人-人、人-车交互的防碰撞函数和方向注意力函数作为人-车、人-人社交信息的权重,进一步提高社会信息的精度;再将人-人、人-车交互信息输入到注意力模块中筛选出对行人影响大的社会信息;最后将筛选后的社会信息与行人历史轨迹序列一起输入到LSTM神经网络中进行行人轨迹预测,并在构建的DUT人-车交互数据集上验证提出的网络。研究结果表明：提出的方法能够准确地预测出交通场景中,人-车交互行人未来一段时间内的运动轨迹,有效提高了预测精度,提高了智能驾驶决策的准确性。     

基于模态贡献量的转向架接地轴端异常振动分析

以某型列车转向架为例,基于模态相关性原理,采用有限元计算和试验相结合的方法,建立了接地轴端的有限元模型,分析转向架接地轴端异常振动问题。通过对轴端关键部件进行模态分析和模态贡献量分析,得到了引起接地轴端异常振动的主要模态。分析结果表明,轴箱转臂在垂向的弯曲振型对振动的影响最为明显。提出了相应的振动控制措施,可为今后解决车辆局部振动问题提供参考。