对商用车传统轮辋生产线自动化改造升级工艺方案的探讨

针对某商用车企业现有传统轮辋生产线制造工艺落后、用工较多、劳动强度大的情况,基于进一步提升车轮质量和生产线自动化水平,对现有生产线自动化改造工艺方案进行探讨。本方案引进了轮辋自动弯曲生产单元、机器人视觉引导系统、机器人柔性打磨系统、轮辋轮辐自动焊接工作站等生产单元,通过搬运机器人、搬运专机与自动输送辊道相配合的方式实现了车轮生产线自动化连线生产,并对生产线改造费用估算情况以及产生的效益进行了阐述,以期能给车轮生产企业生产装备的提升带来一定的借鉴和参考价值。     

乘用车与两轮车事故特征分析和目标识别因素研究

为探究自动紧急制动(AEB)系统在事故场景中的避障作用,基于中国交通事故深入研究(CIDAS)数据库,分析了乘用车与两轮车事故成因及典型场景,确定其分布特性,建立了碰撞前1 s两轮车与乘用车的相对位置分布情况,基于此对自动紧急制动系统进行了工程探索,结果表明,两轮车被检测到的概率随自动紧急制动系统视场角的增大而增大。对真实道路行驶数据的研究表明,电动自行车在与乘用车同向或反向行驶时易被识别为摩托车,横穿场景易漏检或归类为行人。     

基于非线性三步法的DCT两挡起步控制策略研究

为实现双离合器自动变速器(DCT)的两挡联合起步,提出了一种应用非线性三步法跟踪期望起步车速曲线,并能实现两挡联合起步的控制策略。基于汽车动力学设计了由类稳态控制、参考动态前馈、误差反馈3个部分构成的控制器,并通过AMESim和Simulink联合仿真验证提出的控制策略的有效性,结果表明,应用该起步策略可实现起步车速跟踪,同时可平衡起步过程双离合器的滑摩,有效延长离合器总成寿命。     

CES2020:与未来移动出行“零距离”

CES 2020日前在拉斯维加斯举行。作为每一年开端的重头戏,CES俨然成为行业的风向标,整车厂、零部件供应商及科技公司在此诠释未来移动出行理念,展示创新技术。尤其是伴随5G商用化落地,汽车制造商纷纷加码创新技术的研发和投入,融合新一代通讯技术、人工智能后,自动驾驶、车联网、共享出行等更上一层楼,未来逐渐在成为现实。究竟厂商们今年带来了哪些惊喜?本刊编辑部梳理了展会上发布的一些新产品、新合作和新理念,一起来看看那些触手可及的黑科技和未来吧。     

自动驾驶技术落地,究竟面临哪些挑战?

盖斯特汽车战略咨询指出,目前,自动驾驶汽车处于不断发展的状态,包括特斯拉、大众和沃尔沃在内的众多汽车公司,以及苹果和谷歌在内的科技巨头都投入了巨额资金,为自动驾驶技术的实际道路应用努力奋斗。近日,一份调查可为读者奉上有关前沿移动技术的一些答案。目前的发展状况很多自动驾驶汽车都配备了转向盘和制动踏板,就像传统汽车那样。     

点云数据规则表面提取和空间仿真的应用研究

随着工程数字化及BIM设计的不断发展,3D测量在项目中的应用已不可或缺。在三维激光扫描点云处理中,以规则表面(平面、圆柱面、球面)的法向量和主曲率为参数建立了规则几何表面自动提取的数学模型,并对利用该模型提取的表面同名点距离与精密全站仪测距结果进行了模型精度对比分析。通过点云数据去噪、降采样、规则几何表面自动提取,结合3D贴图、渲染等操作,以某大楼空间仿真为实例,得到了一种厘米级的点云数据规则表面提取和空间仿真的应用方法。     

自动驾驶汽车需要与交通控制设施协同发展

无人驾驶汽车,现在是个很时髦的概念,很多互联网巨头趋之若鹜,但对于汽车制造和交通行业来说,声音要冷静得多,个中原因,与大家对最基本的驾驶任务的构成与要完成这一任务的技术需求的认识角度有明显差异有关。     

汽车总装车间车身端发动机的支承拧紧自动化工艺研究和应用

汽车总装车间受限于装配要素和装配零件种类过多、规格差异大及人工作业为主体因素,开展全流程自动化工艺改造难度大。针对以上问题,阐述了一种车身端支承全流程自动拧紧工艺,通过可编程逻辑控制器（PLC）控制、生产管理系统（PMS）、视觉识别多种软硬件联动辅助,结合现场实际情况开发一套螺栓拧紧套筒自动切换装置,实现多车型、多规格共线生产模式下支承的自动拧紧工艺,并确保100%达成品质。     

自动泊车关键技术研究进展综述

自动泊车是汽车智能化的重要组成部分,代替了驾驶员进行泊车的繁琐操作,减少了泊车事故的发生,在新车上的装载量大幅增加。为了研究自动泊车的发展现状、现有不足与发展趋势,对自动泊车应用现状进行了分析,又从车位探测、路径规划和跟踪控制等技术方面进行了分析,总结现有自动泊车关键技术存在的不足之处和局限性,提出了自动泊车关键技术研究的未来趋势,为从事自动泊车技术研究提供参考。     

基于深度强化学习与风险矫正的智能车辆决策研究

为实现高速公路环境下车辆的安全决策,提出一种结合深度强化学习和风险矫正方法的行为决策模型。构建决策模型所需的目标车辆及周围车辆的行驶信息,并引入自注意力安全机制,提高车辆在复杂高速场景下对周围潜在危险车辆的注意力,综合考虑行车效率、避障等因素以设计强化学习的奖励函数。此外,为解决强化学习在决策过程中缺乏安全性保障的问题,设计风险矫正模块对决策动作进行风险评估和矫正,避免危险决策的执行。在Highway-env仿真平台上对提出的决策模型进行训练和测试。试验结果表明,提出的决策模型有较高的行车安全率和鲁棒性,其驾驶效率也优于以规则、模仿学习和单纯深度强化学习为基础的决策方法。