虚拟仪器与信息融合技术在YCAES系统中的应用

主要介绍了虚拟仪器和信息融合技术在汽车驾驶路考计算机辅助监考评分系统(YCAES)中的应用.阐述了系统信息流程、虚拟仪器工作模型和信息融合的融合结构.     

虚拟仪器与信息融合技术在YCAES系统中的应用

主要介绍了虚拟仪器和信息融合技术在汽车驾驶路考计算机辅助监考评分系统(YCAES)中的应用.阐述了系统信息流程、虚拟仪器工作模型和信息融合的融合结构.     

浅析5G技术与智能网联汽车发展

为解决城市交通拥堵问题,分析了5G技术和智能网联汽车的发展、战略轨迹,介绍了其研究意义和发展趋向;同时提出了将5G技术与智能网联汽车有机融合,发挥两者共同优势,以利于ICV的规模化、定制化技术架构的完善,实现ICV车辆间的信息实时换接、均布负载和信息抗干扰与安全的构想;进而对ICV的发展提出展望。     

汽车自动驾驶技术路线及需求

自动驾驶作为智能汽车技术的一个重要分支是近年来的研究热点.本文阐述了基于机器人车辆、高级驾驶员辅助系统、互联通信等技术实现的三条自动驾驶路线,最后对汽车自动化需求的车载芯片、产业链、统一标准方案、网络及通信、安全与隐私、政策与法规等六个方面进行分析与总结.     

复杂工业系统的广义知识模型与智能建模

分析了复杂工业系统与传统系统的不同，指出了复杂工业系统广义知识模型与智能建模的必要性和紧迫性；研究了复杂工业系统的现场数据检测与信息融合、建模、控制、管理与决策及运行状态等特征，提出了实现复杂工业系统的广义知识模型描述、模型化原则，并从数值模型描述、符号(语言)模型的描述、人类专家自然语言符号描述3个方面，给出了多层智能建模的具体方法和策略；介绍了多种智能技术在广义知识模型和智能建模中的应用，研究了复杂工业系统的多层广义知识描述与智能建模方法的综合应用以及复杂工业过程的智能协调控制系统结构．     

大型复杂电力系统的多传感器信息融合智能技术

研究大型复杂电力工业系统的现场数据检测与信息融合、控制、管理与决策及运行状态等特征,提出了实现复杂电力系统的多传感器信息融合处理的智能方法和技术,给出了复杂电力系统融合处理的应用实例．     

汽车模拟驾驶模型与仿真的研究

在主动型驾驶模拟训练系统中 ,模拟驾驶舱各个操纵机构存在着多输入、多耦合、非线性的控制作用 ,而驾驶模拟训练要求驾驶动力学模型适于快速实时仿真 .本文使用拟合多项式描述汽车发动机负荷特性 ,提出结构简化的汽车速度和方向控制模型 .对模拟驾驶的仿真结构和学员操作的逻辑判断进行了讨论 ,通过对操纵机构输入的线性化处理 ,得到汽车行驶的仿真模型并选择快速仿真算法实现了所建模型 .实验结果表明 ,本文提出的理论模型和仿真算法是正确可行的     

大型复杂电力系统的建模与智能优化控制

研究复杂电力系统的现场数据检测与信息融合、建模、控制、管理与决策及运行状态等特征,提出实现复杂电力系统的广义知识模型描述和智能建模策略,并介绍智能技术在广义知识模型和智能建模中的应用.     

多传感器信息融合技术及其应用

多传感器信息融合是智能研究领域中的基础之一。它的研究内容主要包括分类、结构、层次和算法等方面。文中着重对这几方面作了较为详细的论述和分析。然后,基于人工神经网络的信息融合技术,给出了在自动化加工中实现智能监测的实例。并对今后信息融合技术的发展提出几点看法。     

基于D-S推理的酒后驾驶预警机制研究

一般检测酒后驾驶仅针对酒精含量进行检测,手段单一,且对人的自觉性依赖较大.为了有效地检测及预防酒后驾驶,提出了一种利用多源信息融合技术的D-S证据推理法构建的酒后驾驶预警模型.该模型利用多类传感器提取驾驶员的多个特征,针对所获信息进行分析预测,更加逼近驾驶员当时状态,检测效果更精确.     

智能汽车中人工智能算法应用及其安全综述

随着人工智能(AI)技术的发展,以智能驾驶汽车、智能机器人为代表的智能系统逐渐代替或辅助人类从事各种场景中简单或复杂的工作。该文从智能汽车中的智能算法出发,总结了在智能汽车中人工智能感知算法、决策算法的研究进展;讨论了智能算法的不确定性问题;并从智能算法的不确定性带来的安全问题角度,讨论了预期功能安全的意义及发展,最后讨论了人机共驾对当前智能驾驶汽车解决预期功能安全的必要性。     

履带车辆自动变速系统的智能控制方法

分析了履带车辆复杂多变的行驶工况,针对车辆行驶状态参数、路面状况和驾驶员操纵信息的人-车-路闭环系统,确定了履带车辆智能换挡控制的主要原则.运用智能控制理论,提出了履带车辆自动变速系统实现模糊神经网络控制的总体方案和技术路线,系统可自动适应复杂多变的车内外行驶情况,以提高履带车辆的动力性和越野机动性.     

Prediction of Commuter Vehicle Demand Torque Based on Historical Speed Information

The development of vehicle-to-everything and cloud computing has brought new opportunities and challenges to the automobile industry. In this paper, a commuter vehicle demand torque prediction method based on historical vehicle speed information is proposed, which uses machine learning to predict and analyze vehicle demand torque. Firstly, the big data of vehicle driving is collected, and the driving data is cleaned and features extracted based on road information. Then, the vehicle longitudinal driving dynamics model is established. Next, the vehicle simulation simulator is established based on the longitudinal driving dynamics model of the vehicle, and the driving torque of the vehicle is obtained. Finally, the travel is divided into several acceleration-cruise-deceleration road pairs for analysis, and the vehicle demand torque is predicted by BP neural network and Gaussian process regression.     

智能车辆弧线跟踪控制算法

建立了车辆预瞄运动学模型,通过最优控制选取切换超平面,采用滑模变结构控制实现了智能车辆弧线跟踪中弧线曲率小变化时的导航控制。根据模糊控制快速跟踪弧线曲率大变化时的导航路径,结合车辆转向系统当前状态和最快动态响应能力建立了智能车辆弧线跟踪时的变结构控制输出集。仿真分析和实验验证了该融合控制算法在智能车辆弧线跟踪过程中的平稳性和可靠性。     

Energy saving performance improvement of intelligent connected PHEVs via NN-based lane change decision

Plug-in hybrid electric vehicles(PHEVs) unite the advantages of the engine and electric motor which could provide great potential in saving energy. However, the fuel economy performance of the PHEVs is highly associated with the driving condition, especially for parallel PHEVs because they could not decouple the engine work status from the driving condition. Meanwhile, fuel economy performance is not only a longitudinal issue but also related to lane selection. Lane selection is an important driving behavior and the algorithm of lane selection is necessary for the development progress of intelligent connected vehicles. Energy consumption cost is an important part of the vehicle's using consumption cost. Therefore, lane selection strategies must consider this point.With the development of intelligent connected vehicle technology, such as V2X(Vehicle to Everything), the potential of energy consumption performance of intelligent connected PHEVs could be improved by taking environment information from V2X and smart sensors into lane selection. In this paper, a neural network(NN) based method is proposed to predict the future status of the local vehicle using the information from V2X, and then another network is used to estimate the future energy consumption of each lane. The lane selection is decided on energy consumption estimation. Lastly, the effectiveness of the method is validated by simulation using Matlab combined with SUMO(Simulation of Urban MObility).     

某轻型商用车整车模态有限元分析研究

论述了整车有限元模型的建立过程,计算了整车各阶约束模态和相应振型.通过对比整车在某常用车速下的抖动形式和整车模态有限元分析结果,验证了有限元模型的正确性,提出了结构改进措施,以提高整车一阶扭转频率,从而避免车辆在常用车速下行驶抖动.     

汽车外形对智能车辆队列行驶气动特性的影响

为了研究智能交通系统中不同外形车辆在队列行驶时的空气动力特性,以及车辆纵向间距对队列行驶车辆气动特性的影响,采用数值模拟方法对阶背式、快背式和直背式轿车5车队列分别在6种纵向间距下的气动特性了进行研究。结果表明:三种车型队列的平均减阻率大约为10%~40%,节省燃油5%~20%。阶背式轿车队列的平均减阻率最大,直背式次之,快背式最小。随着纵向间距的减小,每辆车的升力都增大,稳定性都变差。     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.     

基于双功率流差速转向履带车辆关键参数研究

为了适应复杂环境和非结构化地形,提出一种具有平衡摇臂的双功率流差速转向的履带车辆动力底盘.该履带车能够实现调节地隙、自适应路面、障碍物跨越、灵活的姿态调节和稳定的姿态保持以及轮履复合的设计要求.确定了具有差速转向机构的履带车辆的总体构型方案,根据驱动力和行驶阻力的平衡建立了行驶模型,根据履带车辆爬坡角度和爬坡速度,建立了爬坡时所需功率模型,以此为基础,确定了移动机器人爬坡时驱动电机最大功率与最大爬坡度和爬坡时的车速之间的关系,分析和计算了履带车辆直线行驶电机、转向行驶电机、摆臂调节电机的功率,推导出了转向时内外侧履带所受的转向阻力矩,并确定了车辆对质心总转向阻力矩.该研究成果为履带车辆的样机研制和试验提供了理论依据和研究手段.     

结构智能健康诊断的信息融合原理

本文介绍了信息融合的基本原理，提出了基于信息融合的结构智能健康诊断的基本要领，给出结构智能健康诊断系统的信息融合层次、内容和结构，指出结构智能健康诊断的信息融合主要包括监测层信息融合、特征层信息融合和决策层信息融合。