基于混合神经网络的汽车运动状态估计

针对现有车辆运动状态估计算法严重依赖动力学模型精度且在大的质心侧偏角工况下准确性难以保障的问题,本文提出了一种基于混合神经网络的车辆运动状态估计算法。通过分析车辆本身的动力学基本特性,设计了适合于车辆运动状态估计的HNN混合神经网络架构,实现了车辆运动状态的深度学习估计。基于多个标准工况组成的数据集与典型实车测试工况进行了网络训练与测试验证。结果表明,相比于传统算法,本算法基于神经网络实现了精准的无动力学模型的汽车运动状态估计,提高了估计精度,且对路面附着系数变化具有鲁棒性。

面向汽车构造教学的虚拟拆装实训教学平台

针对传统的汽车零部件拆装实习的教学方法在拆装的便利性、效率、安全等方面存在的一些问题,开发一款面向汽车构造教学的虚拟拆装教学平台的解决方案。平台由软件与硬件两部分搭建,以汽车发动机为模型,在Unity3D中进行软件部分的开发,继而将软件部分与虚拟现实头戴设备等硬件部分进行交互连接,实现人机交互,将汽车零部件拆装过程虚拟化。平台基于虚拟现实技术,通过虚拟现实设备呈现发动机拆装的整个流程,极大优化了人机交互体验,实现了将理论知识的教学和实际拆装过程有机结合成一套完备的虚拟现实教学体系的设计初衷。该平台具备了扩展性强、后期使用成本低、使用灵活方便等优点,将虚拟现实技术真正引入到拆装实习中,对现行的拆装实习教学具有现实意义。