基于CAN总线的双离合器式自动变速器综合控制

开发用于轿车的双离合器式自动变速器电控单元(TCU)的总线系统,应用网络分析工具CANoe搭建系统CAN网络节点的仿真平台。对网络的拓扑结构、应用层数据定义及总线波特率进行了仿真与优化,并根据仿真结果分析总线运行情况。提出轿车电动干式双离合器的综合控制策略,整车试验结果表明通过CAN总线使TCU与ECU之间进行实时通信,对发动机、双离合器和变速箱三者进行综合控制,能够有效提高DCT轿车的换档品质,实现动力换档。     

分析超限运输车辆对公路的影响及管理措施

1超限运输的概念及其法律依据 1.1超限运输管理的形成原因与发展改革开放后,我国经济进入一个新的发展阶段,经济迅速发展,公路运输大幅度增长,能源、电力、水利等基础工业发展迅速。同时我国重型设备制造工业的崛起,和自制的大型、重型设备的公路运输量增长较快,承担超限运输的企业和车辆不断增长,     

货车超载超限造成的经济危害以及治理办法

超载超限运输是公路第一杀手,严重破坏公路路面及其桥梁设施,造成国家交通费的大量流失,容易引发道路交通事故,危及人民群众的生命财产安全,导致汽车工业的畸形发展;整治违章超载必须加强教育,提高公民的交通意识和法治观念,提高执法人员的整体素质,加大执法力度．并实行宏观调控和综合治理。     

车牌自动识别系统在高速公路上的应用研究

随着高速公路里程的不断增加,尤其是高速公路联网收费范围的不断扩大,如何利用高新科技,进一步提高高速公路管理及服务水平,使道路使用者体会到安全、舒适和高效,日益成为大家关注的问题。     

车辆-有砟轨道-桥梁系统动力分析模型及验证

针对桥上有砟轨道,利用耦合动力学理论,建立了车辆-有砟轨道-桥梁系统动力分析模型,编制了仿真计算程序.通过与既有理论分析结果和软件计算结果的对比,对本文所建模型的正确性进行了验证.该模型可用于研究车辆、轨道和桥梁结构的动力相互作用,可用于对车辆运行的舒适性以及桥上有砟轨道结构的动力特性进行预测评价.     

基于RFID技术的车辆牌照设计

随着机动车辆的迅速增加,车辆管理的难度越来越大,假牌、套牌的情况经常发生,交通管理水平亟待提高.本文设计一种基于RFID技术的交互式车辆牌照.系统采用AT89S52系列单片机处理器,利用2.4～2.5 GHz ISM频段的有源电子标签,完成了基于nRF2401A射频收发芯片的RFID系统设计,在探测器的设计中,加入了GPRS模块,实现探测器和远程监控计算机的通信,从而实现车辆的智能管理.     

一种运动车辆阴影去除的新算法

文章提出一种改进运动车辆阴影去除新算法,首先通过帧差获得车辆和阴影的轮廓图像,然后对轮廓点应用离散K-L变换解除R、G、B分量的相关性,并运用颜色聚类检测出阴影区域,最后用帧差法产生的运动车辆图像与获得的阴影图像差分得到去除阴影的运动车辆,实验表明该方法能够更好地实现运动车辆阴影的去除。     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

线控四轮转向汽车平行泊车路径规划与跟踪控制

针对线控四轮转向汽车平行泊车路径规划与跟踪控制问题,提出一种基于改进粒子群优化算法的平行泊车路径规划方法和一种基于前馈控制和反馈控制的平行泊车路径跟踪控制策略.首先,综合考虑线控四轮转向汽车运动学非完整约束、动力和转向子系统的过程约束和边界约束、避障约束、泊车初始位姿和目标位姿约束,建立以最小化泊车过程总时长为目标的平行泊车路径规划约束最优化问题,并采用可以处理等式约束和不等式约束的粒子群优化算法对其进行求解,得到最优平行泊车路径.随后,利用平行泊车路径规划过程得到的车轮转向角作为前馈控制量,并利用汽车实际位姿与期望位姿的偏差构建PI反馈控制量,实现对规划的平行泊车路径快速、精确和稳定的跟踪控制.最后,利用车辆动力学仿真软件构建模型在环仿真系统,验证所提出方法的可行性和有效性.结果表明:所提出的方法可以快速、精确和稳定地引导线控四轮转向汽车自动完成平行泊车任务.     

基于应变信号时频分析与 CNN网络的车辆荷载识别方法

针对现有神经网络车辆荷载识别方法的识别精度不足且训练样本采集困难的问题,提出了一种基于应变信号时频分析与CNN网络的车辆荷载识别方法,对移动车辆总重进行荷载识别.首先,利用连续小波时频变换方法处理桥梁跨中应变信号,得到应变信号的时频特征,并利用双线性插值算法将时频信号矩阵变为大小为64×64的数值矩阵,作为CNN网络的输入数据;其次,利用CNN网络的回归学习算法,在训练少量数值矩阵后直接建立应变响应与车辆荷载的映射关系,从而实现对未知车辆荷载的识别;最后,通过模拟试验发现虽然在不同路面粗糙度和噪声影响下,CNN网络的荷载识别结果会受到不同程度的影响,但在一定范围内的路面粗糙度和噪声影响下仍然能较精确地识别车辆荷载.