基于优化动力学模型的路径跟踪控制研究

针对一般路径跟踪模型预测控制器在高速大曲率工况下适应性差的问题,提出了一种基于优化动力学模型的自适应预测时域控制策略。首先,为解决经典动力学模型在较高侧向加速度工况下精度不足的问题,建立了包含侧倾转向和变形转向特性的优化模型,实现了车辆状态的较高精度预测;其次,为解决高速大曲率工况下固定预测时域控制效果不佳的问题,提出了基于二维高斯函数的自适应预测时域策略,以低算法复杂度实现了预瞄距离的实时调整;最后,通过CarSim/Simulink联合仿真实验验证了控制器在双移线道路上的控制效果,结果表明,横向位置峰值误差降低45.1%,横摆角峰值误差降低72.4%,设计的控制器对极限工况有更好的适应性。

基于S变换双阈值法的汽车零部件载荷谱加速编辑

针对S变换编辑法加速编辑效果不佳的问题,提出了一种基于S变换双阈值编辑方法。该方法先对载荷谱进行S变换以获取最大幅值谱,在以双阈值识别并保留的幅值谱片段为依据保留对应的载荷谱片段后,再将其拼接成加速后的载荷谱,最后对比分析S变换双阈值编辑法与S变换编辑法编辑的加速谱的统计参数、功率谱密度、穿级计数和疲劳仿真结果。研究结果表明,S变换双阈值编辑法可明显压缩原始载荷时间,且其压缩效率高于S变换编辑法,转向节的疲劳损伤和寿命分析误差更小,适用于汽车零部件载荷谱加速编辑研究。

基于驾驶事件的驾驶风格分类与识别方法研究

针对基于数据统计特征的驾驶风格分类识别方法容易忽略驾驶员在驾驶过程中驾驶风格多样性的问题,提出了一种基于驾驶事件、谱聚类与随机森林相结合的驾驶风格分类识别方法。设计试验采集驾驶数据,进行数据预处理,提取转弯事件和制动事件,经标准化和降维处理后,运用谱聚类算法分别对转弯事件和制动事件进行驾驶风格聚类。采用熵权法赋权得到每位驾驶员的驾驶风格权重,对比5种机器学习算法对驾驶风格识别的精确度,结果表明基于随机森林的驾驶风格识别精确度为92.73%,显著提高了驾驶风格识别准确率。

热成型钢电阻点焊热影响区精准建模技术

对于大变形工况,热成型板材电阻点焊热影响区在碰撞中容易失效,结构碰撞仿真分析中需要对热影响区进行精准建模,进而实现整车碰撞性能的高精准预测。针对某热成型钢板1500HS母材的断裂行为进行了研究,设计了不同缺口试样,并进行了材料力学性能实验,基于不同应力状态下的失效应变拟合得到母材MMC断裂曲面并生成平面应力状态下的GISSMO失效曲线。设计了电阻点焊拉伸失效试样,以母材材料性能为基础,基于逆向标定方法得到了热影响区的失效参数。为验证研究结果的准确性,设计了热成型钢板帽型梁落锤实验,帽型梁点焊尺寸为6 mm,焊点间距为30 mm。通过对比分析,电阻点焊热影响区的精准建模方法能够实现冲击加速度和位移的双重精度要求,能够满足结构安全开发工程需求。

基于微观车流的拟人化换道决策规划

为提高无人驾驶车辆换道过程中的安全舒适性,在传统换道决策基础上引入换道对局部交通流的影响,并加入换道惯性因子。针对解耦式横纵向轨迹规划不足,提出联合横纵向约束规划;基于动态规划及二次规划算法,结合上一帧纵向规划约束当前时刻横向轨迹曲率;纵向规划过程中根据当前时刻横向规划结果筛选关键障碍物,并添加曲率限速约束,结合横纵向规划最终生成换道轨迹。实车验证结果表明,所述方法生成的横向、纵向换道轨迹能有效提升换道轨迹的合理性、稳定性和舒适性。

基于路面影响因子的轮毂电机驱动车辆自适应转矩控制

为实现轮毂电机驱动越野车辆在附着条件多变、路面起伏不定的复杂环境中动力性和稳定性的多目标优化,提出一种基于路面影响因子的自适应转矩控制策略。以滚动阻力差异、空气阻力归一化比例、坡度阻力归一化比例、路面附着差异方差以及最小路面附着系数5个特征参数作为输入,并基于模糊理论方法搭建路面影响因子五参数辨识模型。基于辨识出的路面影响因子,开发整车动力性和稳定性多目标优化自适应转矩控制策略,构建了三层式控制架构:顶层引入路面影响因子对加速度紧迫程度进行判定,采用模型预测控制算法得到期望总驱动力;中层为目标决策层,以最优滑转率为目标决策驱动防滑力矩,并基于路面行驶阻力,决策期望前馈补偿力矩;下层为转矩分配层,以需求总驱动力及轮胎利用率作为控制目标,引入路面影响因子优化两者权重系数,以多约束条件的混合优化算法对转矩进行自适应控制。利用Matlab/Simulink-CarSim联合仿真平台进行仿真,基于实车进行验证。结果表明,在低附着路面,在0.2s内快速完成滑转率抑制;在对开路面,侧向位移接近0;在大扭曲路面,避免腾空车轮出现大滑转率,滑转率最高0.2。

黑河市寒区试车产业发展调研分析

寒区试车产业在冰雪经济中占有一席之地。随着汽车工业的不断发展,汽车环境性能试验越来越重要,而且是国家支持发展的“新动能”产业。高寒环境试验作为汽车环境试验的重要组成部分,可以为黑龙江冰雪经济发展提供新的动力。本调研报告简要介绍了寒区试车行业概况,分析了黑河市发展寒区试车产业具有的优势及近年来取得的成效,总结了发展经验,剖析了面临的问题,提出了破解对策,以期对相关研究和决策提供参考。

某点燃式大功率甲醇发动机样机台架试验研究

为开发13LM100甲醇新型发动机,使用新能源动力综合试验平台对甲醇发动机样机进行台架试验,对试验过程中先后出现的发动机起动困难、异常熄火以及扭矩不稳等故障现象进行排查分析并提出改进解决方案。结果表明:燃料温度为21.5℃、环境温度低于10℃且冷却液进液温度低于50℃时,发动机起动困难,通过发动机冷却液恒温系统将进液温度控制在50℃以上,可确保发动机顺利起动;冷却液回液温度高于91.5±1℃时,发动机异常熄火,通过发动机冷却液恒温系统将回液温度控制在90.5℃以下,可避免发动机异常熄火的情况;在排除燃油供给系统、点火系统、进气系统等因素后,发动机仍扭矩不稳,通过扫点调整废气再循环系统(EGR)流量系数并选取最佳试验结果对应的EGR率,可确保发动机运转平稳,扭矩稳定。

无人驾驶车辆路径跟踪混合控制策略研究

针对单一控制算法无法同时满足无人驾驶车辆对路径跟踪精度和控制器求解速度需求的问题,提出一种基于线性二次型调节器(LQR)和模型预测控制(MPC)的混合控制策略。该策略在低速工况下使用线性二次型调节器、在高速工况下使用模型预测控制算法进行路径跟踪控制,在此基础上设计基于有限状态机(FSM)的控制算法切换机制,并通过遗传算法(GA)对控制参数进行优化,基于CarSim和MATLAB/Simulink仿真平台对混合控制策略进行仿真验证,并进一步完成了实车试验。试验结果表明,所设计的混合控制策略能够在提高跟踪精度的基础上缩短计算时间,与单一控制算法相比,平均横向误差和平均航向误差分别减小了26.3%和39.6%,平均计算时间缩短了10.9%。

基于多特征提取与灰狼算法优化SVM的车内异响识别方法

传统的异响识别方法对测试设备要求较高且易受实验员经验差异影响。针对这种情况,提出一种基于多特征提取与灰狼算法优化支持向量机(Support Vector Machine,SVM)的车内异响识别方法。该方法以采集实验获得的6种车内常见异响作为研究对象,提取短时能量、小波变换优化的梅尔频率倒谱系数(DWT-MFCC)及其一阶差分组成混合特征参数,将灰狼优化算法应用于SVM的参数寻优中,建立异响识别模型并进行识别分类,同时探究选用不同维度的特征或不同算法对识别效果的影响。结果表明,所提取的25维混合特征能有效传达异响信息,该方法在收敛速度与识别准确率方面优势明显,能更好地实现车内异响的识别。

电动助力转向系统Carsim-Simulink联合仿真控制研究

电动助力转向系统作为电动汽车的主流配置,其性能好坏对整车转向操纵稳定性能有重要影响。以某款自主品牌电动汽车EPS系统为研究对象,进行动力学分析并依次建立Simulink子系统模型。根据实车参数,设计直线型助力特性曲线并输入前述模型,最终建立Carsim/Simulink联合仿真运动学模型并开展国标操纵稳定性仿真试验。结果表明:在方向盘转向角脉冲和角阶跃试验中,较无EPS助力控制车型,有EPS助力控制车型具有良好的车辆瞬态响应度和操纵稳定性;在转向轻便性试验中,验证本款车型助力特性合理,车辆具有较好的助力效果。

多轴分布式电驱动车辆电液复合制动控制研究

针对多轴分布式电机驱动车辆电液复合制动中易出现的车辆制动抖动问题,提出了一种建压阶段电机制动力修正策略和一种基于前馈-反馈的协调控制策略,分别在建压阶段和其他阶段通过协调复合制动力来解决制动抖动的问题。针对防抱死控制系统与电机制动系统共同作用时的制动矛盾,提出了一种基于PID控制的ABS控制策略,主要通过改变电机制动力来解决制动矛盾的问题。通过TruckSim、Matlab/Simulink及AMESim联合仿真验证,制动冲击度在建压阶段下降了20.66%,在电机退出阶段下降了92.59%,驾驶感觉得到明显改善。而ABS控制策略也可在保证理想滑移率的同时完成制动能量回收;结合整车制动试验,表明协调控制策略在保证制动效果良好的同时实现了制动能量回收,效果显著。

采用生理响度感知机制的车内噪声声品质预测

现有车内噪声声品质预测的响度计算中没有考虑真实人耳生理解剖结构的传声特性,因此提出了一种基于生理响度感知模型的车内噪声声品质预估方法。首先,采集两款轿车的车内噪声样本,并通过主观评价试验得到车内噪声的主观评价烦恼度。之后,整合中耳集总参数模型与耳蜗传输线模型,构建生理响度模型。然后,以生理响度模型的响度计算值为主要参数,结合尖锐度、粗糙度与车内噪声的主观评价值,通过TabNet模型构建了车辆声品质预测模型。最终,对比分析了所构建声品质模型与基于现有标准响度模型所构建的声品质模型的预测效果。结果表明,采用生理响度模型的声品质预测平均误差百分比仅有4.73%,优于采用Moore响度(6.13%)与Zwicker响度(6.94%)的声品质预测结果。此外,所构建的TabNet声品质预测模型的平均误差百分比也低于基于BP神经网络模型的平均误差百分比(7.60%)。采用生理响度模型的TabNet声品质预测能够提高车内噪声声品质客观评价的准确率。

电动汽车电控液压制动系统CarSim/Simulink联合仿真研究

针对某款国产电动汽车的电控液压制动系统,文章基于滑移率的比例-积分-微分(PID)控制提出了防抱死制动系统(ABS)模型,以改善车辆制动性能,提高在对开路面上的制动有效性和安全性。首先,使用Simulink软件建立液压电控制动系统的动力学模型;然后,基于滑移率设计PID控制器,并通过1/4车辆模型验证其有效性;最后,利用S函数将ABS控制器的Simulink模型输入CarSim平台中,开展CarSim/Simulink双平台联合控制仿真。结果表明,基于滑移率的PID控制的ABS对比无ABS的车辆,制动性能更加优越,在对开路面上制动稳定性更加明显。

行人腿型冲击器肌肉材料参数反求

aPLI先进行人腿型冲击器在碰撞测试中的生物仿真度,在很大程度上取决于其几何结构及其模拟腿部肌肉的合成橡胶的超弹性力学特性。根据橡胶准静态单轴压缩试验数据,分别对用于表述橡胶超弹性的Ogden和Mooney-Rivlin本构模型进行材料参数拟合,得到相应的材料参数并将拟合曲线与试验曲线进行比较,对比不同本构模型的拟合精度。结果表明,2阶Ogden材料模型更符合试验结果。为提高有限元模型中肌肉橡胶材料参数的准确性,重构压缩试验有限元模型,以拟合得到的2阶Ogden本构模型材料参数为初始值,通过将有限元与优化策略相结合,基于自适应响应面法对2阶Ogden模型中μ1、α1、μ2、α2这4个材料参数进行优化,获得该材料在准静态压缩状态下的一组最佳材料参数。

两轮电动车骑车人头部损伤的生物力学分析

两轮电动车(powered two-wheeler,PTW)骑车人头部损伤是我国道路交通事故中一种常见的伤害类型,完善骑车人头部损伤评价标准对制定两轮电动车骑车人安全法规以降低碰撞损伤风险具有重要意义。本文采用头部具有详细解剖学结构的人体数值模型进行骑车人-车辆碰撞仿真,对头部进行生物力学分析和损伤评估,并与行人-车辆碰撞中行人头部损伤进行对比分析。研究发现行人和骑车人在车辆碰撞事故中运动学响应较为相似,但头部生物力学响应存在差异,骑车人头部损伤风险高于行人。同时发现骑车人握力因素影响头部的运动学响应,应考虑其在两轮电动车骑车人头部损伤评估中的影响。

电动汽车热失控危害性评测技术研究

随着电动汽车保有量的增加,动力电池热失控导致的着火事故时有发生,对热失控危险性进行评测是提升电动汽车安全性能的重要手段之一,而行业内尚未形成量化评估方法。针对上述问题,搭建了电动汽车整车燃烧试验平台,并开展了大量由热失控引发电动汽车火灾的模拟试验,提取了以下可用于电动汽车热失控危害性评测的参考指标与部分潜在指标:试验开始至动力电池热失控的时间间隔可作为电池故障预警有效性的指标;热失控至车辆起火的时间间隔与车内温度可作为乘员逃生安全性的指标;烟气体积分数超标时刻及其与起火时刻的关系可作为驾驶室毒气危害性的指标;车内可燃气体体积分数和车外热辐射强度可作为评估爆炸危险性和相邻车辆引燃风险性的指标。通过提出上述评价指标,为后续形成量化评估方法及相关标准提供参考。

基于代理遗传优化的智能驾驶系统加速测试方法

提出了一种基于代理遗传优化的智能驾驶系统加速测试方法。首先,通过场景要素层次分析权值与优解区域特征改进参数采样模块中的拉丁超立方采样区间,实现了采样效率与优化效果的协同提升;其次,利用参数采样结果和重复度筛选机制增加遗传寻优模块的种群多样性,克服了传统遗传算法的局部收敛难题;然后,利用基于循环更新机制的代理筛选模块对场景测试结果进行预测,平衡了加速算法与代理模型应用之间的效率与精度矛盾;最后,搭建仿真平台在高维时序分解的前车变速场景下对待测智能驾驶系统进行加速测试与验证。结果表明,本文提出的方法可有效搜寻大量关键场景并提升测试效率。

全触屏人机交互模式下驾驶人视觉分心时长预测

为了准确预测全触屏人机交互模式下驾驶人视觉分心时长,建立了考虑驾驶人分心风格的视觉分心时长预测模型。采用实车道路试验所采集的多车速视觉分心数据,基于击键水平模型(KLM)建立一组适用于全触屏车载设备的基本操作单元,以及以各基本操作单元数量与车速作为输入特征的视觉分心时长预测随机森林模型(RF),并采用自组织映射(SOM)算法将驾驶人聚类为谨慎型、正常型、激进型3类分心风格表征驾驶人视觉分心特性差异,将该参数作为输入特征添加至原模型实现优化。结果表明:优化后模型具有最良好的预测精度,测试集的均方误差、平均绝对误差和决定系数R^(2)分别为2.4148 s^(2)、1.0371 s、0.9345,较原模型分别提升30.52%、11.8%、3.18%;模型性能显著优于线性回归模型与XGBoost模型。研究结果可用于协助车载辅助驾驶系统适时警示或实施干预以降低分心所致的追尾风险,并为交互界面设计提供指导意见。

车人碰撞中人地接触损伤仿真及防护方法鲁棒性分析

人车事故中行人主要与车辆和地面接触而遭受损伤。此前已有大量研究在车辆接触阶段对多体行人模型进行了验证,但对地面接触阶段的验证较少。本文中评估了用于预测车辆撞击后行人运动和地面接触的4个PC-Crash行人模型。通过车辆和地面接触的HIC伤害与最近研究中的6个尸体实验数据对比显示,其中PC2014行人模型能很好地预测行人头部损伤,车辆和地面接触HIC的平均误差分别为6.07%和5.85%,数据说明PC2014行人模型可以用于再现人车碰撞事故以及开发未来地面接触伤害防护对策。控制制动防护方法鲁棒性研究显示,在3种行人姿态(奔跑、步行和应急)扰动下,HIC平均降低比例分别为63.2%、57.9%和67.8%,说明控制制动防护方法具有很好的抗行人姿态干扰能力。进一步分析不同姿态下的行人损伤发现,3种步态序列之间均有显著性差异,在应急步态下控制制动防护方法有着更好的抗行人姿态干扰能力;而在奔跑步态序列下,往往可以通过控制制动防护方法产生最低的头地碰撞损伤,表明在使用控制制动防护方法对行人进行保护时须考虑到不同姿态产生的影响,以进一步提高控制制动防护方法的地面伤防护效果。