东风雪铁龙爱丽舍故障两例

例一、发动机转速忽高忽低 车型：爱丽舍(16V)手动挡 行驶里程：138000km 故障现象：发动机能正常启动，加速和高速等工况运转均正常。但当节气门达到某一开度时(发动机转速升至2000～30001r／min)，稍停片刻，转速又降至怠速转速(850r／min左右)，然后转速又慢慢升至高转速，即所谓“游车”。将发动机转速保持在2500～3000r／min之间，     

如何保持安全的跟车距离？

安全第一 在平时就养成驾驶的好习惯．不要与前车靠得太近．最好留有一段宽裕的空间。 保持反应沟通空间 保持安全距离不仅可以留给驾驶者观察其它车辆的动向的足够时间，而且可以把自己的行驶意图通过信号提前传递给其它车辆。 两秒钟原则 选择路面或路边的某一固定参照物。     

基于视觉的重型车辆车道保持控制方法

重型车辆车道保持借助视觉传感器获取道路信息,以单点预瞄和道路中心线位置偏差实现对车辆的前馈控制。考虑重型车辆体积大导致响应慢,进入稳态时间较长等问题,本文将车辆质心和车道中心线横向偏差用于修正车辆位置。提出与速度成线性关系变化的P控制参数,应用PD控制算法得到输出转角对重型车辆进行横向控制,通过Simulink/TruckSim联合仿真验证算法可靠有效。同时经过实车测试车辆始终沿着车道中心向前行驶,实现了基于视觉控制车辆在车道内快速、平稳行驶。     

考虑参数估计的MPC算法的商用车车道保持控制

设计了一种考虑参数估计的模型预测控制（MPC）算法的、智能辅助驾驶的商用车的车道保持算法,对于难以直接测量的质量和横向速度进行估计。建立车辆动力学模型和状态误差方程,通过扩展Kalman滤波（EKF）和递推最小二乘法（RLS）分别对车辆的横向速度、质量进行估计。基于估计得到的车辆参数,设计MPC车道保持控制器。构建硬件在环（HIL）仿真平台,设置不同的测试工况对车道保持算法进行了验证。结果表明：与普通MPC相比,在偏移回正工况中,车辆纠偏消耗的时间减少28.6%,并且超调量更小;高速路工况的横向位置偏差的均方根误差减小了4.2 cm。该方法提升了纠偏能力和跟踪精度,降低了传感器成本。     

重点要“稳” 采埃孚自动驾驶目标锁定L2+和L4

"现在市场上有些系统,让你在驾驶过程中,明显的感觉到车身的摆动,说明它们的车道保持不好。这样会影响驾驶者的驾驶体验。对我们而言,度量级别不重要,重点是稳!"——采埃孚全球CEO沃夫翰宁·施艾德回顾过去三年所经历的CES展会,整个自动驾驶行业一直长期处于亢奋状态。从L2-L5级别,只要你想似乎都能找到相对应的产品以及解决方案。仿佛大家之间正进行一场不言而喻的军备竞赛。远的不说,单说采埃孚本身,2017年第一次亮相并现场与百度合作上车的ProAI至今历历在目。随后两年,ProAI的型号一年比一年高,性能也逐代强悍。     

基于人工势场法的车道保持系统

针对车道保持系统中的横向控制问题,采用人工势场法设计了转角控制器。选择跨道时间为势场参数,建立多模式跨道时间模型,以跨道时间为变量设计势场函数,以得到的势场力代入参考车辆模型得到理想横摆角速度和理想侧向加速度,以车速为阈值计算出理想方向盘转角,用PID控制跟踪理想方向盘转角实现车道保持。利用Carsim/Simulink联合仿真验证了该方法的有效性,还与传统道路势场法做了对比,并在实车上验证了其可靠性。     

基于指数函数非线性反馈的船舶航向保持控制

为研究船舶航向保持控制问题,本文以“育鹏”轮为研究对象,建立了其非线性Nomoto船舶模型,设计了基于闭环增益成形算法的指数函数非线性反馈控制器,并以“育鹏”轮的非线性模型为被控制对象,用Matlab的Simulink工具箱进行系统仿真研究。系统仿真结果表明,建立的非线性Nomoto数学模型精度良好,设计的控制器进行船舶航向保持控制时效果优异,并且更节能。使用这种方法设计的控制器,可以很好地进行船舶航向保持控制,对今后的船舶运动仿真和控制器的设计具有重要意义。     

一种结合2DLPP与2DPCA的人脸识别方法

为解决二维局部保持投影(2DLPP)需要较多数据表示人脸特征的缺陷,提出了一种新的二维局部保持投影主成分分析方法(2DLPP-PCA).通过对人脸图像在行、列方向同时进行2DLPP和2DPCA投影,2DLPP-PCA 不仅能减少保存人脸特征所需要的数据量,而且能有效地提取人脸的局部特征和全局特征.在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,2DLPP-PCA是一种高性能的特征提取方法,当训练样本数为6时,2DLPP-PCA在ORL数据库上的最佳平均识别率达到99％以上.     

船舶航向保持的鲁棒神经网络控制

设计一个N5-5-5-5-5-5-1前向神经网络,经训练得到一个开环的船舶航向保持控制器,使其能够较好地保持典型输入信号作用下的船舶航向;然后应用闭环增益成形算法,形成闭环控制系统.这种基于神经网络的航向保持方案,将神经网络的适应能力、非线性函数映射能力和闭环增益成形算法的鲁棒性结合起来,改善了系统的鲁棒性能.这种方法设计过程简单,物理意义明显.