基于二次规划的分布式电动汽车稳定性控制

为了减少稳定性控制中车速降低程度,降低轮胎纵向力利用率,本文基于分布式电动汽车平台,通过二次规划的方法分配各个车轮所需的纵向力,优先基于轮毂电机输出驱动力/制动力来实现横摆力矩分配。当所需横摆力矩超过轮毂电机的最大转矩时,启动液压制动系统进行补偿。双移线试验仿真结果表明,相比于传统差动制动控制系统,基于二次规划的稳定性控制系统与理想车速之间的误差保持在1km/h以内,车速降低82.25%,平均每个轮胎力纵向利用率下降9.71%。该稳定性控制系统能够提升车辆操控稳定性和安全性,并且在加速/减速工况下具有较好的鲁棒性。     

基于人机工程理论的复兴号动车组驾驶室分析方法

为了改善列车驾驶员的工作环境并降低驾驶员的疲劳程度,通过对列车驾驶室的布局设计进行人机工程校核与优化,在提高驾驶员的工作效率的同时,保证列车行驶的安全性与可靠性。以复兴号某车型的驾驶室为研究对象,利用RAMSIS软件开发环境建立了具适用于本研究的三维人体模型;依据《UIC 651标准》等相关标准对列车驾驶室的驾驶员伸及性、前方视野性、空间性、仪表盘视野性以及坐姿舒适性等方面进行了人机工程校核,针对欠缺合理之处进行了优化;在此基础上,利用G1评价方法对已设计的驾驶室布局进行了评价,评价结果表明对列车驾驶室布局设计方法优于传统车型的驾驶室设计,对列车驾驶室的布置具有重要的指导意义。     

基于优化DeepSort的前方车辆多目标跟踪

为了提升自动驾驶汽车对周边环境的感知能力,提出优化DeepSort的前方多车辆目标跟踪算法. 采用Gaussian YOLO v3作为前端目标检测器,基于DarkNet-53骨干网络训练,获得专门针对车辆的检测器Gaussian YOLO v3-vehicle,使车辆检测准确率提升3%. 为了克服传统预训练模型没有针对车辆类别的缺点,提出采用扩增后的VeRi数据集进行重识别预训练. 提出结合中心损失函数与交叉熵损失函数的新损失函数,使网络提取的目标特征有更好的类内聚合以及类间分辨能力. 试验部分采集不同环境的实际道路视频,采用CLEAR MOT评价指标进行性能评估. 结果表明,与基准DeepSort YOLO v3相比,跟踪准确度提升1%,身份切换次数减少4%.     

基于改变控制时域时间步长的智能车轨迹跟踪控制

为了解决模型预测控制设计智能车轨迹跟踪控制器存在求解计算时间长、在线实时性低的问题,借助于矩阵分块化策略,提出了一种基于控制时域变步长的模型预测轨迹跟踪控制方法。通过矩阵分块化改变控制时域步长,并融入到二次规划的求解过程中,重构目标函数形式和系统约束条件,以减少求解过程中最优控制序列中待求解变量的数量,降低求解计算时间。在Simulink与Carsim联合仿真平台中,将本文方法与传统模型预测控制方法进行仿真对比分析。结果表明,相比于传统模型预测控制方法,本文方法在保证轨迹跟踪精度的前提下,平均求解计算时间降低了24.39%,最大单次计算时间降低了45.05%,采用“前密后疏”的分块矩阵,其控制器性能优于“平均化”的分块矩阵。