基于定常射流的有车轮方背Ahmed模型主动气动减阻

近年来,主动流动控制技术已用于汽车气动减阻研究,但较多针对无车轮的简化汽车模型开展且减阻量和净节率均有待提高。本研究针对原始及带有静止、旋转车轮的方背Ahmed汽车模型,采用数值模拟方法,在模型背部施加定常射流进行主动气动减阻规律的研究。首先,分析无射流工况下车轮对方背Ahmed汽车模型气动特性的影响;其次,重点探究有车轮工况下,射流槽布置形式、射流角度、动量系数等因素对气动阻力的影响规律。获得背部射流的最佳工况为:采用连续且距边缘较近的射流槽,射流角度45°,动量系数3%,减阻量可达9.5%,对应净节率为12.7 W。

有无车轮对低风阻车型气动特性的影响

针对有无车轮低风阻电动汽车模型进行数值计算,并通过对两种模型是气动力、表面压力、速度场等计算结果对比,评估了有无车轮对低风阻车型气动特性的影响。研究表明:车轮的存在使得整车气动阻力增大63.8%,其中各部件的贡献从大到小依次为前轮室、车身前部、背部、车底(负贡献)、后轮室;而升力增大一倍多,主要来源于车底的贡献;流场结果显示车轮对车身的气动作用体现在车轮带来的全局阻塞和局部尾迹两种效应的综合影响;后轮及后轮导流罩产生的尾迹会导致低阻车尾部涡环强度增强,回流区长度减小,背压降低。综合气动阻力、升力、压力分布和流场对比分析,明确了车轮的存在会给低风阻车型带来较大的气动特性变化。

基于轮胎半径自适应的智能车辆组合定位

定位系统是智能车辆环境感知系统的重要组成部分。设计了智能车辆轮胎半径自适应在线估计算法以提高车辆速度估计精度,从而在GNSS(Global Navigation Satellites System)不可用时提升IMU(inertial measurement unit)/WSS(wheel speed sensor)组合定位系统的精度。首先,在GNSS信号良好时,考虑车轮动态设计了多模型融合的轮胎有效滚动半径自适应算法,以准确估计轮胎有效滚动半径;然后,基于自适应误差状态卡尔曼滤波设计了多传感器融合组合定位算法。实车试验结果表明,所设计的算法在初始轮胎半径有不足2%的误差时,丢失GNSS 40s可将定位精度提高30%以上。

融合车辆动力学的双目视觉惯性SLAM研究

针对地下车库环境中无人驾驶汽车视觉同时定位和建图(SLAM)定位精度低的问题,提出一种融合惯性测量单元(IMU)角速度信息和车辆动力学信息的预积分方法.以IMU频率进行旋转预积分,以车辆动力学频率进行平移预积分.在平移预积分的计算中引入角速度信息,使其可以表达非平面运动.首先使用李代数和旋转群推导了相关的预积分公式、雅可比及噪声状态转移方程;然后以此预积分为基础将车辆动力学信息融合到双目视觉惯性SLAM中,以提高定位精度.地下车库实车实验表明:该方法将双目视觉惯性ORB-SLAM3的平均定位精度提高了32%.