基于深度学习的交通路口自动识别

基于车辆轨迹数据提取道路信息已经成为数字地图更新的一种有效而廉价的方法，引起了广泛的研究。交通路口是道路信息的重要组成，如何快速而准确提取交通路口具有一定的挑战。深度学习的快速发展为解决这一问题提供了一种新的思路。本文针对轨迹数据在交通路口的分布特性，首先提出一种基于LSTM深度学习的转弯轨迹模式自动提取方法，通过统计航向变化规律对路口转弯轨迹进行建模分类，然后采用LSTM深度模型学习轨迹时间序列，从而实现转弯轨迹模式的自动识别，训练好的模型可以对新的未知轨迹数据实现自动快速地提取转弯轨迹。其次，针对因路口转弯点的稀疏性而影响准确定位路口中心这一难点，本文提出一种联合补偿点计算和转弯轨迹航向变化幅度的方法选取路口候选点，然后通过聚类路口候选点识别道路交叉口。为验证和评估该方法的有效性，采用福州市鼓楼区出租车实际轨迹数据进行测试。结果表明，该方法道路交叉口识别准确率达到96.7%，为电子地图实时更新及无人驾驶自动导航应用等提供关键技术支持，同时我们开放该方法源代码和实验数据，以便于其他研究者开展相关研究。     

汽车安全带卷收器失效形式分析及结构优化

针对汽车安全带卷收器失效的问题,以复合紧急锁止式汽车安全带卷收器为研究对象,简介了 汽车安全带卷收器的工作原理和失效形式;通过分析汽车安全带卷收器失效的原因,提出解决汽车安全带卷 收器支架变形和芯轴断裂的结构优化设计方案;应用 HyperMesh 有限元软件分析,以轻量化为目标,分析了 汽车安全带卷收器结构的应力值和强度值,对比标准表明其结构满足使用性能要求,降低了后期制作样品的 成本,提高了其经济性和技术性,为汽车安全带卷收器设计提供参考。     

基于机器视觉的智能小车转向系统滑模控制

针对智能小车转向时跟踪精度差、响应时间较慢的问题，提出了一种基于机器视觉的智能小车转向系统的滑模控制方法。首先，以感知路面信息的智能小车为研究对象，对其转向系统进行了原理分析及数学建模。通过对永磁直流电机工作过程的分析，建立了电枢电压平衡方程和转矩平衡方程，得出了相应的传递函数，并采用实验方法对传递函数参数进行了辨识。其次，针对上述被控对象，设计了滑模控制器，并进行了稳定性证明。利用Matlab/Simulink仿真结果验证了滑模控制算法的有效性。理论结果和实验验证相结合表明，相较于PID(proportional integral differential)控制，滑模控制具有较好的跟踪精度和响应速度。在频率为20 Hz时，跟踪精度提高了89.3%。此外，滑模控制能够克服系统的不确定性，尤其是对于非线性系统，显示出良好的控制效果。     

轿车后车门刚度的有限元分析与测量

通过对上海大众Ｓａｎｔａｎａ２０００型轿车后车门事的变形进行研究，应用有限元法获得了后车门在标准装配条件下的位移，应力分布规律，有而为车门装配过程薄弱环节的检测提供了依据。同时也为车门刚度的进一步完善设计和轿车装配质量的进一步提高提供了一种新方向。