基于卷积神经网络的道路车辆检测方法

提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。

微型燃气涡轮机增程式电动汽车设计

为提高纯电动轿车的适用性,弥补其续驶里程的缺陷,提出以微型燃气涡轮机作为增程器的增程式电动汽车开发方案.对主要动力总成及零部件进行分析,并根据分析确定整车参数,对主要零部件进行计算选型,在Advisor中对整车模型的可行性和燃油经济性进行了仿真验证.仿真结果表明:所提出的设计方案在纯电动模式下可以满足大部分人的需求,在增程模式下,平均每百公里等价油耗为2.02L.该设计方案提升车辆的燃料适应性,同时充分利用了电网能量,相比于传统车,燃油经济性也有很大提升.

基于电池荷电状态和行驶工况辨识的电动汽车续驶里程估算

为消除驾驶员因电动汽车续驶里程估计不准确,产生的"里程焦虑"。提出了一种基于电池荷电状态和行驶工况辨识的电动汽车续驶里程估算模型。以大连市某电动汽车运行数据为研究对象,首先分析了SOC与行驶里程的相关性,将工况数据划分为432个工况片段。然后利用主成分分析、模糊C聚类分析对工况片段进行分类、辨识,并建立了续驶里程的估算模型,进行续驶里程的估算。最后利用实车数据,在Matlab中进行仿真验证,结果表明此方法是可行的,所建立的模型具有较高的准确度。

基于历史数据的HEV工况识别与预测方法

混合动力汽车在实际行驶中需要按照实际路况调整合适的能量管理策略,才能充分发挥其燃油经济性。利用城市道路的拥堵情况具有一定周期性的特点,本文提出基于历史数据的混合动力城市公交车工况识别与预测方法,解决现有工况识别方法的识别延迟问题,且具有一定的预测性。根据采集的实际公交车的行驶数据,验证工况识别的准确率。最后设计相应的工况历史数据的存储和管理设备。