汽车侧面碰撞帘式气囊仿真

针对侧面碰撞在交通事故中比例大、致死率高等问题,采用计算机仿真的方法研究侧碰帘式气囊对乘员的保护效果。利用PSM子结构方法建立侧碰车体模型;利用CATIA软件设计帘式气囊的CAD模型,并通过静态起爆和动态冲击试验对其进行有效性验证;在MADYMO软件中建立乘员侧碰约束系统并通过正交试验对其进行优化,得出侧碰中假人头部加速度曲线。结果表明,帘式气囊在侧碰中对假人保护效果较好,为帘式气囊的普及提供一种理论依据。     

无人车稳定性DP优化协调控制方法仿真

为了提高无人车驾驶的稳定性，提出基于DP优化的无人车稳定性协调控制方法。设计无人车动力学模型，确保无人车自身稳定性的同时，实现车辆行驶过程路径的快速与高精度跟踪。利用五次多项式方程描述无人车的换道轨迹曲线，建立换道约束条件，在满足约束条件的前提下，获得最优换道路线。采用DP优化算法解决车辆行驶过程中频繁换挡的问题，实现无人车稳定性协调控制，提高无人车行驶过程中的稳定性和安全性。实验结果表明，所提方法可以提高无人车路径跟踪精度，保证车辆驾驶的稳定性和安全性。     

集成化车辆动态称重仪精度分析与实验研究

为了达到更好的车辆动态称重精度,在分析车辆过秤态势受力情况的基础上,设计了一种高精度的集成化动态称重仪结构;针对诸多因素对行驶称重系统的输出值产生的影响,提出了结合神经网络的计算模型,可以提高动态称重精度.经试验验证,该行驶称重系统可用于交通数据采集和辅助实施超载检查.     

汽车平顺性线性时域模拟及软件开发

建立了汽车整车振动系统的八个自由度线性模型,在四轮相关随机路面激励的条件下,采用数值计算方法对整车振动进行了时域模拟和傅立叶谱分析,并通过试验验证了模拟方法准确性。进而本文对整个模拟过程进行了VisualC 可视化编程,编写的AVAS软件可实现平顺性的分析、预测和参数优化,可作为汽车平顺性设计的辅助工具。     

基于减振器神经网络建模的汽车悬架参数优化分析

利用神经网络对于非线性系统有很强逼近能力的特点,对减振器的外特性进行了神经网络建模.并将三种神经网络减振器模型分别放入整车Matlab/Simulink仿真模型中,对比分析了不同减振器对汽车平顺性的影响,从而确定了适宜被研究车型的减振器阻尼特性,使汽车在设计阶段就能完成悬架阻尼参数的优化匹配.     

神经网络在汽车平顺性仿真分析中的应用

本文从研究双向筒式减振器入手,利用神经网络对于非线性系统有很强逼近能力的特点,采用神经网络对减振器进行建模,然后把减振器的神经网络模型应用到整车入自由度模型中,利用MATLAB／SIMULINK对汽车平顺性进行了仿真分析。     

汽车平顺性的模糊评价方法的研究及应用

提出了汽车平顺性模糊评价方法,建立了汽车乘坐舒适度的概念,并以此对汽车的乘坐舒适程度进行了模糊界定,该法以加权矩阵函数进行多工况、多测点因素的模糊综合,用单一综合振动指标来评价平顺性能,较好地克服了ISO2631等传统评价方法中的主、客观评价不统一和不同工况、不同测点评价结论不一致的不足,可用以进行单车平顺性评价和多车平顺性比较。对某轻型客车的评价实例表明,用模糊评价法评价汽车的平顺性是准确的、可行的,二经规范化,可作为ISO2631、GB4970、GB/T12477等平顺性评价方法的补充方法。     

高精度集成化车辆动态称重仪结构设计与实验验证

以提高车辆动态称重精度为目的。从两方面提出了改善措施:在分析车辆通过秤态势的受力情况的基础上,设计了一种高精度的集成化动态称重仪结构和高精度称重质量的计算方法;针对诸多因素对行驶称重系统的输出值产生影响,提出了结合神经网络的计算模型,从而提高了动态称重精度;经试验验证得到了本行驶称重系统可用于交通数据采集和辅助实施超载检查。     

基于Adams/Car的Hiper Strut悬架与麦弗逊悬架仿真对比分析

利用Adams/Car建立Hiper Strut悬架和麦弗逊悬架仿真模型,通过双轮同向激振仿真试验,对两种悬架的外倾角、主销后倾角、主销内倾角、前束角和随车轮跳动产生的转向角的仿真结果进行对比分析,结果表明,Hiper Strut悬架在整车操纵稳定性方面优于麦弗逊悬架。根据主销内倾角的定义,能够在无需改动悬架与车身（副车架）连接点的基础上,对Hiper Strut悬架的主销内倾角进行优化,并取得了较好的优化结果。     

车辆振动时域模型两种解法比较分析

针对用计算机模拟求解车辆振动时域响应时，不同的数值解法会产生在收敛性，稳定性，误差等方面不同的实际情况，具体分析它们的异同，以便找出适合实际情况的解法。