履带车辆行驶平顺性仿真及试验

基于虚拟样机技术,结合三维造型软件、有限元分析和多体动力学软件,对履带车辆行驶平顺性仿真技术进行了研究.建立履带车辆的刚柔混合虚拟样机模型及随机不平路面模型,生成平顺性仿真模型系统,通过在F等级随机路面行驶仿真,得到车辆行驶时驾驶员座椅位置振动加速度曲线,根据评价标准对车辆进行平顺性评价,并与实车试验测试数据的计算结果进行对比分析.结果表明,仿真模型系统及评价方法合理,可以为提高和改善履带车辆的机动性能提供有效的方法和手段.     

基于LMS的履带车辆多体动力学建模与仿真

本文研究履带车辆在路面行驶时受到的振动,使用Track builder在LMS中建立了某履带车辆动力学模型,应用多体动力学理论分析了车体、悬挂系统、负重轮、履带、路面之间的相互作用,给出了与各参数相对应的关系表达式,并描述了履带车辆运动学方程以及动力学方程。以标准梯形障碍物作为路面输入选取的各种参数进行了仿真,可为设计提供参考。     

柴油发动机试验台架的构建与维护

随着我国机械自动化技术的不断发展,车辆研究技术领域也有了很大的突破,在车辆技术中,柴油发动机试验台架的构建与维护对于保证柴油发动机的强动力,低故障率有很大决定性作用,本文主要针对柴油发动机试验台架的构架与维护进行论述.     

基于车辆动力学模型的AMT在环仿真实验系统研究

为提高AMT系统的开发效率和开发质量,研制了一种AMT在环仿真实验系统,将真实的车辆AMT相关部件用仿真模型来代替,建立了车辆传动系统及其部件的动力学模型,并进行相应的程序设计,模拟真实车辆的发动机转速、车速等信息,对AMT电控单元在实车实验之前进行验证,为AMT电控系统的开发提供了一个方便、可靠的实验平台。     

基于SVR的履带车辆自主转向参数寻优

履带车辆的自主转向问题是无人履带车辆运动控制的核心问题。为了更好地实现转向模型的训练与回归,对采用SVR方法进行模型训练时的参数调节过程,进行了仿真优化。在MATLAB平台下,主要研究了基于CV交叉验证思想的参数寻优、基于启发式的遗传算法的参数寻优和基于粒子群优化算法的参数寻优三种方式。并与采用随机选择的参数的结果进行了对比。仿真结果表明,在进行回归预测时,随机选择参数,使回归结果非常不稳定,而采用具体的参数寻优方法后,回归预测结果较为准确,同时转向控制模型的预测更加可靠。     

定场景内随机运动车辆分类方法研究

文章介绍了一种在定观察角视频场景内随机运动车辆的分类算法。将待分类车辆在固定观察角下进行360度旋转，每隔一度计算该角度下投影图像的不变矩特征，形成了该类型车辆在固定观察角下的训练曲线。然后对同观察角度场景内运动车辆的掩模进行特征提取。将得到的特征与训练曲线进行匹配分类。实验表明，该方法分类准确。     

多车辆跟踪时分割粘连车辆的方法

针对复杂交通系统中的多个车辆粘连问题,提出了一种分割粘连车辆的方法.当两辆车粘连时,分别计算它们的平均灰度值之后取差值,如果该差值大于设定阈值,则判断它们是水平粘连还是垂直粘连,并确定投影分割的范围,在该范围内采用灰度均值投影的方法确定粘连边界并将它们分割,当灰度相似或者3个及以上的车辆粘连时,根据Kalman预测信息为每个粘连车辆确定分割窗口将它们分割.还提出了一种快速有效的相邻帧中车辆匹配方法.实验表明,文中方法能快速有效地将粘连车辆分割,并且计算复杂度低.     

车辆信息识别下的测距模型建立方法研究

为了探测车辆间的相对距离,避免危险车辆由于驾驶不当所引发的交通问题,提出一种深度学习目标识别下的跟驰车辆相对距离测定方法,避免了雷达测距的短距离局限性以及车辆未知性的缺点。该方法采用车载单目摄像机对侧后方车辆进行拍摄,实际物体和成像点之间的转换通过三坐标转换完成,利用深度网络识别目标车辆,获得目标车辆位置以及类别信息,并建立合适的测距模型,得到检测车辆与摄像头之间的相对距离,利用帧差法预测被检测车辆的行驶速度。选择河南省鹤壁市107,342国道进行试验,该路段验证了测距模型的有效性,静态测距下75 m以内相对误差控制在4%,速度误差控制在5%,因此,在检测到危险车辆的情况下,测距模型可以实现相对距离的实时准确性检测。     

基于人工免疫算法的车辆控制模型研究

对于自动驾驶中的车辆跟踪控制,仅依靠传统的控制策略进行速度调节无法达到准确、快速的跟踪效果。将免疫学原理中的人工免疫算法引入到车辆控制中,并建立了车辆横向和纵向的控制模型,以达到改善车辆控制的效果。通过大量仿真实验,验证免疫算法在车辆控制过程中的优劣。仿真结果表明,该控制系统在被控对象参数变化的情况下,仍具有良好的控制性能,具备了很强的自适应性和鲁棒性,能够迅速适应外界变化,具有较大的工程应用价值。     

基于视频图像的车速检测方法

基于视频图像对车辆速度进行检测,调用OpenCV自带的运动目标检测框架,来实现对行驶车辆的检测与跟踪,接着根据摄像机标定结果获取图像坐标与世界坐标的转换关系,求得检测车辆在实际空间中的行驶距离,最后依据速度公式便能得到所检测车辆车速。经测试,该方法具有较高的检测精度,满足实际应用的需求。     

新冠肺炎疫情防控期异地车辆行车智能监控系统设计

在2020年年初爆发的新冠疫情背景下,文章设计了异地车辆行车智能监控系统,主要由目标检测模块、车牌识别模块和目标跟踪模块组成,能够根据行车车牌动态识别和判断车辆归属地,并对外来车辆行车路线和轨迹进行自动跟踪、监视和记录,进而及时反馈车辆和人员流动的详细情况,为疫情防控提供技术支持。     

一种基于竞赛的两轮自平衡小车的设计

介绍一种两轮自平衡智能小车控制系统的实现方案。该系统以MC9S12XS128单片机作为主控芯片,采用一组激光传感器进行路径检测,使用ENC-03MA陀螺仪与MMA7361加速度计进行小车直立自平衡检测,利用BTS7960芯片进行电机驱动,使用增量式编码器进行速度检测,借助滑动电阻器和液晶屏对参数进行调整与观测。在软件方面,结合PWM技术和PID控制技术对小车的两个直流电机的转速进行控制,可以实现两轮小车的动态自平衡快速寻迹运行。实践表明该设计达到了理想效果。     

基于色彩局域搜索的彩色目标快速跟踪方法

提出了一种基于色彩局域搜索的彩色目标快速跟踪方法。该色彩搜索法是利用目标特征色在目标跟踪点附近搜索目标，而无需对整幅图像地行搜索。其图像处理速度不受图像尺度的影响，因而实时跟踪速度大大提高。实验结果得出：该方法的跟踪速度可达到18．45frames／s，跟踪效率为73．8％。     

模糊推理在光电跟踪设备摩擦补偿中的应用

利用模糊推理对基于Stribeck摩擦补偿模型的参数进行在线辨识,使摩擦补偿量在数值上无限逼近真实的摩擦干扰;通过建立伺服系统摩擦补偿模型,仿真验证了该补偿方法的有效性,并进一步在高精度光电跟踪平台上比较分析了有、无摩擦补偿的跟踪误差曲线,验证了摩擦补偿效果,实验表明该方法使过零波形畸变基本消失,跟踪误差降低为原来的20%,显著提高了低速跟踪性能。     

基于视频的智能交通系统的研究

目前，视频序列中的车辆运动检测是图像处理领域中最重要的研究课题之一。它的核心内容是应用图像处理技术从包含车辆信息的图像序列中检测车辆、提取车辆特征和状态、并预测和跟踪车辆的轨迹。车辆的运动检测系统一般包含运动检测、车辆提取、车辆跟踪。从这三个方面回顾车辆运动检测技术目前的发展水平和常用的处理方法，分析研究难点和未来的发展趋势。     

多方位-速度目标跟踪法性能分析

对潜艇水下跟踪目标的一种方法-多方位-速度法进行了深入分析,发现它具有独特的性能.首先分析了系统的观测性,得出了系统可观测的两个必要条件.之后对两种可能的建模思路进行了分析,指出了一种常见的建模错误,它使得已知的目标速度未能得到利用,效果等同于仅方位法.最后对目标航向的多解现象进行了分析,指出多解性是多方位一速度法的一个基本性质.结合有关性能,还将多方位-速度跟踪和仅方位跟踪进行了比较.     

光电跟踪伺服参数设计与跟踪算法误差分析

针对运动目标跟踪,介绍了一种光电跟踪角速度、角加速度计算方法,给出了控制系统拉格郎日多项式插值跟踪算法误差分析,提出的伺服参数计算方法与分析,可为控制系统优化设计提供数据参考．     

监控视频下的多尺度车辆检测与跟踪

车辆检测与跟踪在自动驾驶系统中起着重要的作用.针对交通监控视频中多尺度车辆目标难以检测和重叠目标容易漏检等问题,提出使用倒残差方法来改进YOLOv3的卷积层提取特征,在YOLOv3网络中增加空间金字塔(SPP)模块,获取车辆多尺度信息,并采用Soft-NMS代替非最大值抑制(NMS),减少车辆重叠导致的预测框丢失.最后...     

Dynamic swarm particle for fast motion vehicle tracking

Nowadays, the broad availability of cameras and embedded systems makes the application of computer vision very promising as a supporting technology for intelligent transportation systems, particularly in the field of vehicle tracking. Although there are several existing trackers, the limitation of using low‐cost cameras, besides the relatively low processing power in embedded systems, makes most of these trackers useless. For the tracker to work under those conditions, the video frame rate must be reduced to decrease the burden on computation. However, doing this will make the vehicle seem to move faster on the observer's side. This phenomenon is called the fast motion challenge. This paper proposes a tracker called dynamic swarm particle (DSP), which solves the challenge. The term particle refers to the particle filter, while the term swarm refers to particle swarm optimization (PSO). The fundamental concept of our method is to exploit the continuity of vehicle dynamic motions by creating dynamic models based on PSO. Based on the experiments, DSP achieves a precision of 0.896 and success rate of 0.755. These results are better than those obtained by several other benchmark trackers.