基于赛教融合的智能交通课程实践教学研究

结合全国大学生智能汽车竞赛百度智慧交通创意组竞赛项目,设计智能交通课程实践教学内容,从竞赛内容凝练与课程知识点结合的教学案例和实验项目,实现赛教资源融合和赛教一体化实践平台共享。设计的实验教学项目融合了图像处理、数据分析、人工智能、智能车硬件平台等内容,包括数据采集、数据分析、数据集构建,深度学习模型建立与智能车平台部署等实践环节。学生从编写简单程序开始,不断提高,到构建复杂的深度学习模型实现智能车自动巡航控制实验。将竞赛任务具有挑战性和对抗性的特点融入课程教学,吸引学生兴趣,增强学生求知欲,提升学生创新能力和工程实践能力。

智能电动背景下车辆工程专业人才培养模式探索与实践

汽车产业发展迅速,智能电动汽车已成为全球汽车产业发展的战略方向,汽车产业转型升级,迫切需要适应产业发展需求的复合型人才。该文以汽车行业需求为导向,以培养综合型人才为目标,主要探讨智能电动背景下的车辆工程专业人才培养模式。首先,该文介绍智能电动化背景下车辆工程专业人才培养的现状和存在的问题。然后,介绍北京航空航天大学车辆工程专业建设基础扎实、学科交叉、本研融通的课程体系,研创本研融通的教学实验实践平台,以及建设并出版了智能化、电动化系列教材,并对本研一体化的人才培养模式进行实践与探索,旨在培养汽车行业新型人才。

矿用无人运输车辆精准停靠控制算法

以无人驾驶矿用运输车为平台,开展精准停靠控制试验研究。为尽可能精确地到达期望停靠位置,首先设计距离-速度规划方案,在此基础上提出1种前馈加反馈的执行器开度控制算法;其次,在底层控制中考虑加速度补偿项,并对制动切换逻辑进行优化;最后进行仿真测试和实车试验,通过测试纠正控制参数,避免掉烦琐的系统参数辨识。结果表明:采用精准停靠策略能降低干扰引起的速度波动,优化底层控制逻辑,有效提高停靠精度。

丘陵山地姿态调整轮式拖拉机运动控制研究

以丘陵山地姿态调整轮式拖拉机为研究对象,提出了一种基于改进遗传算法的运动控制方法,可根据地形条件实现对拖拉机的实时调平控制,提高其车身稳定性。首先,根据拖拉机机构间的运动关系,建立表征其轮心位置与车身姿态参数关系的运动学模型,并进行算例求解,验证了运动学模型的正确与准确性。然后,以提高拖拉机车身稳定性为控制目标,在运动学建模的基础上设计了一种基于改进遗传算法的运动控制方法。最后,对算法进行仿真验证,结果表明,使用算法进行运动控制可有效降低其车身姿态角,横向坡地最大侧倾角降低13.3°,纵向坡地最大俯仰角降低4.3°;在两种坡度兼有的路面上进行综合调整,其最大侧倾角和最大俯仰角分别降低13.8°和4°,极大提高了车身稳定性。同时将改进遗传算法与传统遗传算法进行对比,结果表明,改进遗传算法在响应时间和控制精度方面均优于传统遗传算法,其算法响应时间较传统遗传算法缩短63.93%,大幅提高了算法效率。

基于EKF-GRU的车辆轨迹预测

为提升行车安全,实现自动驾驶车辆正确的决策规划,提出基于扩展卡尔曼滤波(EKF)-门控循环单元(GRU)的车辆轨迹预测方法,结合学习方法与物理模型,在提升预测精度的同时,提高轨迹预测的合理性。首先,基于GRU构建预测网络,通过提取车辆的历史轨迹特征预测车辆的纵向加速度及横摆角速度;其次,基于车辆非线性运动学构建EKF状态估计器,结合观测值生成车辆未来有限时域的行驶轨迹;最后,在高速公路多车轨迹数据集NGSIM I-80和US-101上进行轨迹预测方法验证。结果表明:采用传统的物理模型生成预测轨迹,其最终距离误差(FDE)、均方根误差(RMSE)、平均距离误差(ADE)值分别为6.48、7.69和3.03 m。相比之下,利用EKF-GRU生成的预测轨迹表现出更高的准确性,对应的数值分别为5.45、6.67和2.56 m,分别提升15.90%、13.26%和15.51%。

外显初中生物学教师教学问题的两种教研方法

本文尝试以“象限法”和“学案反馈”为推手使得教学问题外显化,旨在调动教师参加区域教研的主动性和积极性,并且解决教学实际问题。实践表明,“象限法”能够快速地定位问题,“学案反馈”能直观地外显问题,这些方法能增加教研的针对性,激发教师积极性。

车辆视频检测感兴趣区域确定算法

利用最大方差阈值方法对灰度图像二值化后,对车辆底部阴影突变行检测,对感兴趣区域确定方法进行改进,实现了感兴趣区域的精确确定.通过计算精确确定后的感兴趣区域的灰度对称性和熵值归一化对称性测度,实现了车辆的精确检测,找到车辆的对称轴,并在车辆区域上边界一定范围内,进行灰度突变检测,实现了车辆上边界的准确定位.通过实验验证算法较好地实现了复杂环境下的车辆检测和上边界定位.

一种基于LQI的道路车辆定位方法实现

设计了一种基于无线网络的,用于特定路段的车辆定位系统。对常用的无线网络节点定位的方式进行了对比分析,结合车用无线定位的特点,选择了基于LQI信号的无线定位方式。在定位算法的设计中,改进了三边测量法,给出了一种基于正方形形心的定位算法。设计了合理的定位模型标定方法,对所设计的定位模型进行了标定。从定位误差的角度对标定的定位模型进行了试验分析。试验结果表明,论文给出的基于LQI的无线网络节点定位方法达到了预期的定位要求。

翼子板拉延成形的一步法有限元分析

研究了一步法数学模型及其中的一些关键问题,建立了一步法分析软件系统。提出了投影均值法得到较优的毛料初步解;提出了一种适用的压边力施加方法。通过计算NumiSheet2002标准考题,证明系统能较快、较准确地计算出翼子板拉延成形的下料较优毛坯形状尺寸和基本变形情况。

基于DDPG的无人车智能避障方法研究

本文中提出一种基于强化学习的无人车智能避障方法。鉴于无人车运动必须满足内外约束,包括汽车动力学约束和交通规则约束,且动作输出必须连续,而传统强化学习无法应对连续动作空间问题,提出了一种改进的DDPG算法,解决连续动作空间问题,实现转向盘转角和加速度的连续输出;采取多源传感器数据融合,满足无人车避障算法的状态输入;增加车辆内外约束条件,使输出动作更合理有效。最后,在开源仿真平台TORCS进行仿真,验证了算法的有效性和鲁棒性。

板料冲压成形毛料计算方法研究进展

较准确地计算毛料外形 ,可以提高板料的可成形性、材料利用率和生产率。综述了板料冲压成形毛料计算的各种方法 ,提出了板料冲压成形毛料计算今后的研究发展方向。

网格节点编号优化算法研究

引用图论理论到网格的节点编号优化算法中,把网格看成是简单的无向图,应用图的分层理论,生成整个网格的树结构,然后在树结构中按照从上到下、从左到右的顺序重新编号。算法用于覆盖件冲压成形分析程序中,计算实例速度表明,算法能大大缩短刚度矩阵带宽,提高计算速度。

车顶盖拉延件的设计及成形分析

研究了覆盖件拉延件的设计内容,主要包括冲压方向确定、压料面设计及工艺补充面设计的方法和原则,总结了常用的工艺补充面控制截面线形状。对车顶盖进行了拉延件设计,采用有限元方法对车顶盖拉延件进行了成形过程分析,求得了最小下料毛坯形状尺寸,结果证明,设计的拉延件能很好地满足成形性要求,产品已投入生产。

反向法在冲压件成形初期设计阶段的应用

基于最小功路径 ,根据虚功原理 ,建立反向法非线性有限元方程组 ,对板料成形状况进行初步估计。开发的独立有限元源程序能快速求得冲压件毛料形状以及厚度变化情况 。

提高汽车构造教学质量的多教学模式探索

为了提高车辆工程专业的核心课程《汽车构造》的教学质量,进行了多种教学模式相结合的教学模式探索。综合采用多媒体教学与传统教学相结合、实物讲解与多媒体教学相结合、启发式教学、网络教学和反转教学模式相结合起来,充分发挥各教学模式的优点,达到教学过程的最优化,取得了较好的教学效果。

面向对象的冲压成形一步法有限元分析系统研究与开发

介绍了开发的一步法有限元分析软件(FastForm)，它能在较短时间内预测冲压件可成形性以及计算出冲压件成形所需的最优毛料形状。描述了FastForm功能模块，给出了组成FastForm系统的类及关键类的定义。给出了两个实例验证FastForm计算结果的准确性。

板料冲压成形盒形件的毛料计算

选用反向法计算冲压件毛料外形 ,开发了独立的有限元源程序 ,提出了一种求算毛料初步解方法———投影均值法 ,该方法提高了程序的收敛性和稳定性。假定压边力作用在凸缘区外边缘节点上 ,根据通过某节点的单元边的长度调整该节点处压边力的大小 ,简化了程序且有一定的合理性。程序运行稳定 。

基于百度AI Studio的机器学习课程教学设计与实践

针对机器学习课程内容多、难度大、理论性和实践性强、难于兼顾各层次学生需求等问题,提出将思想价值引领融入课程教学中,激发学生的学习内动力,阐述如何基于百度AI Studio丰富的课程资源和便捷的教学平台进行课程教学设计与实践,做到因材施教,达到学习成效金字塔理论中高效率的学习效果层级。

基于快速有限元分析的冲压件毛料展开

研究了一步法有限元分析技术,开发了冲压件毛料展开软件系统。建立三维冲压件网格和二维毛料网格之间发生塑性变形的平衡方程,求得毛料网格的修正值,得到的收敛值为冲压件的三维模型展开得到的平面形状。在刚度矩阵中引入阻尼矩阵改善矩阵的病态性,采用Newton下降法扩大算法的收敛范围,提高了非线性方程组的收敛性和算法的网格处理能力。实例表明该方法能较快较准确地求得冲压件的最优毛坯形状,在板料冲压成形领域具有良好的实用性。

基于三维激光点云的目标识别与跟踪研究

针对无人车环境感知中的障碍物检测问题,设计了一套基于车载激光雷达的目标识别与跟踪方法。为降低计算量,提高处理速度,引入了点云过滤与分割算法对原始激光点云数据进行缩减,有效提高了检测的实时性。使用多特征复合判据,基于SVM分类器改进了Adaboost算法,对三维激光点云进行直接处理,最大限度保留了感知信息,提高了识别准确度。提出基于最大熵模糊聚类的数据关联方法和相应的粒子滤波器,有效提高了复杂交通流中目标跟踪的稳定性和准确性。经百度Apollo平台数据集仿真、自主研发的无人驾驶平台实验验证和针对小目标交叠和遮挡情况的实车验证表明,该套方法具有良好的实时性和鲁棒性。