自适应均衡学习的端到端类人驾驶控制决策网络

针对现有端到端自动驾驶网络对于类人驾驶行为与思维特征模拟不足的问题,从类人驾驶特征出发,设计了一个包含时空特征、历史状态特征及未来特征的端到端类人驾驶控制决策网络。采用多层卷积和长短期卷积时序记忆网络（Conv-LSTM）,对前方道路视觉感知图像时间序列进行时空特征提取,同时采用一维卷积和长短期时序记忆网络（Long Short-Term Memory,LSTM） 对车辆状态信息时间序列进行历史状态特征提取,进而采用多任务参数共享方式进行当前时刻和未来序列的方向盘转角、车速的控制决策,并以未来序列作为辅助任务督促当前时刻的主任务学习。为更好地耦合汽车纵横向控制参数学习的过程,还提出一种权衡纵横向控制参数损失量级及学习速度的权重自适应方法,并引入容差阈值,建立衡量纵横向控制参数训练效果的评价方法。依托Comma2k19数据集对所构建控制决策网络进行训练和验证,体现出良好的可行性及优越性。     

声学超结构在车内低频轰鸣声控制中的应用

针对某款轿车在30 km/h匀速行驶过程中产生明显的低频轰鸣声问题,通过测试和分析,确定了车内35 Hz噪声峰值过高是引发该问题的直接原因,并判断出该频率峰值与尾门薄壁件振动密切相关.基于局域共振原理,设计了具有轻量化、小型化特征的声学超结构,并完成了谐振单元构型的选择与带隙设计、整车布置规划及谐振单元排布与基体框架设...     

一种用于车内结构声源辨识的方法

结合“声学互易性原理”及车内噪声有限元分析，提出一种车内结构声源辨识的方法。该方法可以摆脱对试验的依赖，因而能够应用于车身结构的图纸设计阶段。然后，采用该方法对某型国产轿车的车内结构声源进行辨况，发现对驾驶员右耳位置处噪声贡献最大的车身结构板块为右前车项，这一结论与采用相关分析法所得结论相一致。最后，基于车内降噪优化模型对右前车顶进行降噪处理，获得了明显的降噪效果。     

ABS最佳滑移率控制算法的增益修正研究

针对汽车ABS最佳滑移率控制中的控制结果最优化问题,提出了在控制算法中添加增益环节以进行修正的新方法:通过在实际滑移率和轮缸压力控制输出环节中引入增益系数,并采用响应面方法拟合增益系数和制动距离之间的定量关系,从而求出增益系数的最佳值,使系统滑移率控制的迟滞现象得到有效缓解.在MATLAB/Simulink环境下建立了相应的仿真模型,并以富康988EXC1型轿车为例,验证了所提方法的有效性.     

汽车噪声控制技术的最新进展与发展趋势

对汽车噪声控制技术领域的最新进展及发展趋势进行综述,包括噪声控制技术在汽车新产品设计中的应用(整车级别的声学品质目标设定、系统和元件级别的声振特性目标设定)、NVH仿真分析的置信度、NVH虚拟环境技术、车辆噪声控制的材料及结构技术等相关主题。     

基于DBNs的车辆悬架减振器异响鉴别方法

针对人工经验提取特征进行减振器异响鉴别的复杂性与不可扩展性的问题,分析了深度信念网络(deep belief networks,DBNs)在减振器异响鉴别中的应用,并结合减振器整车与台架试验提出了完整的减振器异响鉴别流程.该方法只需将收集到的减振器活塞杆顶端振动加速度信号作为输入,经过DBNs模型逐层特征学习便可进行减振器异响鉴别.同时将鉴别结果与经典的BP神经网络、支持向量机以及传统的3种人工特征提取方法进行对比分析.结果表明:在输入仅为原始信号的条件下,深度信念网络模型对减振器异响鉴别的准确率为96.7%,表明了深度信念网络在减振器异响甄别中的优越性,具有广泛的工程应用前景.      

汽车悬架减振器结构传递异响的试验研究

针对某型轿车减振器异响的特点,设计并进行了减振器整车道路试验,以找出减振器产生异响的成因.为进一步确认异响产生的部位,以及探索在减振器试验台上实现对此种异响的检测方法,设计了减振器单体台架试验.该试验采用单频率正弦信号对异响减振器进行激励.试验结果表明,该轿车减振器异响为活塞杆异常振动激发车身振动,并辐射到车内的结构传...     

声子晶体在汽车NVH领域的应用前景

论文从声子晶体的基本概念及特征着手,简要介绍了声子晶体的结构、禁带以及缺陷态理论,并进一步探讨了声子晶体在汽车NVH领域的应用前景.     

一种用于车内降噪的子结构优化技术

提出一种以车内降噪为目的车身结构动态修改的新方法,该方法将对车身壁结构的局部修改等效地视为在其上附加一子结构,并给出了车内声压变化与车身壁结构修改间的直接定量关系。以此为基础,建立了子结构的优化设计模型,通过具体算例说明了子结构位置选择的恰当与否对降噪效果至关重要,并通过试验验证了其可行性。     

基于AI选型的汽车悬架系统参数化设计流程构造

建立了用于汽车悬架系统选型的多层前馈型人工神经网络模型,它采用自适应调整的BP算法。选型推理的依据有：轴距、前轮距、后轮距、整备质量、驱动形式、最高车速、制动形式、发动机最大功率和发动机排量。推理结果为前、后悬架的具体型式。经测试,其与实际情况的吻合率,对前悬架达到了100％,对后悬架达到了70％。进而开发出典型悬架型式的三维参数化设计模板,并集成相关技术环节,构造出基于AI选型的悬架系统参数化设计的一般流程。