基于DSP的前方车辆位置关系辨识研究

为提高前方车辆位置关系辨识效能,提出利用基于统计特性的图像识别算法辨识前方车辆位置关系。通过车载CCD实时获取道路图像信息,使用最小二乘法进行车道线拟合,结合道路图像同侧上、下车道标识线的斜率关系判定道路线形,以车道中线标定前方车辆位置;基于图像统计特性进行前方车辆识别,计算车辆标识点至车道中线的距离,通过与设定的阈值进行比较来确定前方车辆与自车的位置关系。实验结果表明,该算法能够有效降低由树阴和路面油污对辨识所造成的影响,抗干扰能力强,对不同曲率的道路具有良好的适应性。     

基于随机森林算法的汽车轴承故障检测

针对传统机器学习算法受输入变量限制、且易出现过学习或欠学习,提出不受输入变量限制且存在大量数据缺失时有很好保持精确性的随机森林算法对汽车轴承故障进行检测。对采集到样本数据进行滤波处理,抑制信号中噪声;利用随机森林算法对采集到的时域信号进行分类标识,确定包含故障信息的信号序列;再将信号转换到频域,利用随机森林算法对频域内信号进行检测,确定出故障频率;最后采集试验数据对所提及算法进行验证,结果表明:相比于传统的机器学习算法,随机森林算法响应速度快,且准确率高。     

基于Kalman预测的四轮转向状态估计算法

针对车辆运动状态测量存在的成本高、难度大问题,提出了一种基于Kalman预测技术的车辆状态估计算法,该估计算法以线性二自由度的车辆模型为基础,对四轮转向过程中车辆横摆角速度、车辆侧向加速度分别进行估计,并与实测结果对比分析,结果表明,Kalman预测算法能准确估计四轮转向时车辆的横摆角速度、侧向加速度,并结合车速信息对4WS转向车辆采用低速时,前后轮采用反向转向、高速时前后轮采用同向转向的控制策略,以实现汽车低速行驶的机动性和高速行驶的操作稳定性。     

基于模糊着色Petri网的车辆运动轨迹预测

车辆运动轨迹的准确预测可以对潜在交通冲突进行实时有效预测,并为解决交通冲突提供最佳策略。以真车实验数据为基础,分析车辆运动轨迹的影响因素,建立车辆运动轨迹方程,根据坐标变换以及各个方程变量参数之间的转换关系,将车速纵向和横向加速度、车身侧倾角以及俯仰角速度作为模型输入,构建论域以及隶属度函数。此外,根据车辆不可能在较短时间内状态发生急剧变化建立相应的模糊规则,建立模糊着色Petri网模型,对车辆运动轨迹进行预测。以真实路车实验数据对模型进行训练与测试,测试结果表明该Petri网模型能够对短时长内的车辆运动轨迹进行有效预测。     

MARC在厚板回弹分析中的应用

由于高强板的应用使厚板回弹更加难以精确控制,而传统冲压分析软件的壳单元对厚板回弹基本失效,为此,利用具有强大非线性分析功能的MARC软件对厚板回弹进行分析。通过分析厚板相对于薄板的成形性特点,归纳出厚板回弹分析的控制要点,并依据相应的控制要点梳理出MARC回弹分析的一般流程。为最大限度降低有模法人为拉应力的形成以及计算成本,提出有模法与无模法相结合的混模回弹分析方法。最后以某车架纵梁为例,对该算法进行验证,结果表明所提及的算法在减少计算成本的同时有效降低人为拉应力的产生,且实体单元的回弹更加逼近实测值。