基于FSC的碳纤维悬架粘接工艺

碳纤维横臂和车身、轮边的粘接工艺会极大地影响悬架的强度,这是许多方程式车队在悬架轻量化道路上需要攻克的一大技术难点。为此,基于中国大学生方程式汽车大赛(Formula Student China,FSC)对悬架整体进行受力分析,并对粘接工艺、材料选取等方面进行研究,利用ANSYS进行动力学仿真,控制粘接面的粗糙度和连接同心度等,最后进行多次拉伸试验,设计一套受力最高可达36 kN的基于美国3M DP460结构环氧树脂胶和铝合金接头的碳纤维悬架粘接方案,完全满足赛车需求,保证车手在赛车练习和比赛时的安全,确保悬架性能的正常发挥。

FSC赛车驾驶室的人机工程适应性

为了提高驾驶室的适应性和安全性,以中国大学生方程式汽车大赛(FSC)赛车的驾驶室为研究对象,应用人机工程学理论和结合FSC驾驶员的实际需求,对驾驶室进行适应性分析,改进其驾驶视野、驾驶座椅和驾驶操纵装置,优化各器件间布局配置的关系.基于UG软件人机工程设计模块,设置FSC赛车驾驶室的人机工程适应性评价指标,对驾驶员驾驶姿态、操作舒适性和视野范围等进行模拟仿真,检验驾驶室设计的合理性,同时给出驾驶员舒适性的评价结果.研究结果表明,UG人机仿真系统可有效地分析驾驶室的适应性,设计后的驾驶室布置形式对于今后改进赛车设计具有借鉴意义.

基于ANSYS Workbench的FSC赛车车架有限元仿真

在满载弯曲、紧急制动、急转弯和满载扭转等4种工况下,应用ANSYS Workbench软件对由计算机图形辅助三维交互应用(CATIA)软件建立的中国大学生方程式汽车大赛(FSC)赛车车架的三维有限元模型进行仿真,获得了4种工况下的FSC赛车车架的有限元仿真结果,包括变形云图及应力分布.FSC赛车车架的有限元仿真结果与FSC规则的对比表明,FSC赛车车架结构满足设计要求,可为工程研究与应用提供参考.

FSC钢管式车架结构设计与改进

为改善赛车的操纵性和外界载荷承受能力,从结构稳定性入手设计一套具有足够强度和刚度的车架并进行轻量化改进.根据车架基本参数建立有限元模型,利用ANSYS软件进行各工况下的仿真,获得应力云图及模态振型,计算车架强度及刚度.结果表明,改进后的车架减重3kg,扭转刚度提高16.4%,可满足正常使用要求.

FSC赛车踏板总成设计与改进

为使大学生方程式赛车更好地满足大赛规则对于踏板总成的要求,对其进行设计及改进.整个设计考虑到安全性、总成质量以及人机工程学等方面的要求,采用有限元分析软件对制动踏板以及底板的强度进行分析,并改进设计.经实车验证,设计的踏板总成装置能够实现相应的功能并符合大赛规则的要求,实现设计的预设目标.

FSC赛车车架强度及刚度分析

为了保证赛车车架的强度及刚度符合大学生方程式赛车比赛的规则以及赛车的加速、操控及安全性能要求,在CATIA中建立车架三维模型,将几何模型导入ANSYS Workbench中建立车架的有限元模型并进行有限元分析,计算出赛车车架在静态、弯曲、制动及转弯工况下的强度以及车架的扭转和弯曲刚度。在理论上保证了赛车车架的安全性要求,实际做出的车架最终安全地完成了2013年的中国大学生方程式汽车大赛。

FSC赛车空气动力学套件的设计及流场分析

针对中国大学生方程式赛车,运用三维建模软件CATIA建立车身的基本造型,设计一套包括前鼻翼、扩散器和尾翼的空气动力学套件,采用FLUENT软件对建立的整车模型进行外流场分析,对比分析改装前后赛车的气动性能。分析结果表明,在赛车上加装空气动力学套件后,虽然整车阻力有所增加,但赛车的气动升力特性由正变为负,下压力大幅度增加,整车升阻比提升明显,赛车的气动性能和操纵稳定性得到提高。通过实车实验,进一步验证了该设计方案的合理性。

大学生方程式赛车空气动力学套件的流场分析

针对大学生方程式赛车外形的设计要求及空气动力学套件的结构特点,采用ANSYS软件对赛车流场进行分析并优化了动力学套件结构。首先根据赛车整车外形及空气动力学套件各个部分,如前翼、侧翼及尾翼的设计参数建立CATIA数学模型,再利用ANSYS对其空气动力学套件各部分及整车进行流场分析,最后用分析结果来优化原设计参数,使赛车整体空气动力学性能达到较好的水平。通过不同车速仿真分析表明,车速在30m/s时,优化后的空气动力学套件能使整车的下压力由原来的40N提高到1 590N,而前轮气动阻力能减少约41.6%,表明赛车在高速行驶过程中具有更为良好的操控性能和空气动力学特性。

基于改进YOLO算法的FSAC赛车实时目标检测系统

针对中国大学生无人驾驶方程式大赛(Formula Student Autonomous China,FSAC)赛车目标检测系统检测速度较慢和鲁棒性较差的问题,文章提出了一种基于改进YOLO算法的实时目标检测方法。以YOLOv3-tiny网络为基础,根据目标物较为细长、尺寸较小的特点,使用k-means算法对数据集中的真实边界框进行聚类,选取合适的边界框数量和规格改进YOLOv3-tiny网络结构,使其目标检测时能融合更大的尺度信息,对小目标物检测更加有效和准确;将改进的算法部署在机器人操作系统(robot operating system,ROS)中,并将实时目标检测系统搭载到NVIDIA Jetson TX2嵌入式开发板中,形成适用于FSAC大赛特定场景的轻量化实时目标检测系统。实验结果表明,改进算法的召回率达到94.1%,比原始算法提高了11.8%;准确率达到93.2%,提高了3%;在NVIDIA Jetson TX2中画面每秒传输帧数FPS达到20,检测速度满足实时检测需求。