电动汽车启动控制仿真

为了提高电动汽车启动性能，基于永磁同步电动机驱动系统的数学模型，采用广义预测PI控制策略对电动车启动过程进行了控制;依据永磁同步电动机转子的凸极效应，采用高频电流注入法追踪转子的初始位置，对含有位置信息的高频电压信号进行检测，并通过外差法得到转子位置信号，通过对启动过程仿真，结果表明，所采用的方法是正确可行的，对电动汽车的启动过程控制具有一定的实用价值。     

基于城市模型的微型飞行器三维路径规划

针对城市的三维环境,提出了微型飞行器(M AV)的路径和航迹优化设计算法。该算法把M AV的能量损耗(路径长度和路径高度变化)和风险度(威胁点对微型飞行器的威胁程度)作为路径的优化指标,用D e launay图生成路径网络的“节点”,采用D ijsk tra算法进行寻优,设计出符合指标要求的三维最优路径。将设计得到的折线路径进行圆滑处理,以得到飞行器的航迹。最后给出了仿真实例,生成的航迹成功避开建筑物和威胁点,并符合M AV的运动学要求。     

电动汽车动力蓄电池快速充电关键技术探究

以动力蓄电池为能源的电动汽车被认为是２１世纪的绿色工程,而快速充电技术是电动汽车推广的一个关键．本文深入分析了铅酸蓄电池的微观与宏观充电特性,在一个蓄电池的四阶动态模型的基础上,提出了一种能够按马斯定律对蓄电池快速无伤害充电的智能充电算法．并提出了模型的动态修正和充电电流在线实时调整的方法     

四阶特征方程判定地效翼船动稳定性的适用范围

在分析五阶方程各模态特性的基础上,通过特征多项式根与系数的关系,证明了四阶方程动稳定不能确保五阶方程一定动稳定;同时通过四次与五次特征多项式的分析比较,给出四阶方程作为五阶方程有效近似的判定准则,作出判定曲线,得到四阶方程适用的飞高范围,并分析了各种气动导数的变化对动稳定性的影响,为设计提供必要的依据。     

我国汽车保有量预测方法浅析

对影响我国汽车市场的主要因素进行了分析,建立了以指数平滑、多元回归、神经网络为基础的汽车保有量预测模型,并对三种模型的适用性作了简单分析．     

ROPS/FOPS弹塑性变形计算方法的研究

ROPS/FOPS(Roll Over Protective Structure/Falling Object Protect Structure)是加装在工程车辆驾驶室外的一种装置 ,其主要功能是在车辆发生滚翻与受落物冲击时有效地保护司机的生命安全。本文推导了弹性、弹塑性阶段 ROPS/FOPS变形的计算公式 ,编制了相应的计算机程序 ,计算了 TY32 0马力推土机的 ROPS/FOPS弹塑性变形量。     

车辆热特征分析与热系统设计

车辆冷却和空调系统是车辆的重要部件。在综合分析大量文献的基础上,该文介绍了有关车辆热特征分析和热（冷）系统方面的研究进展、车辆空调装置设计的新方法、车辆用热交换器新工艺以及相关领域的研究进展。     

一种网络攻击下网联自动车的改进换道模型

网联自动车被认为可以提升交通效率、保证行车安全并节约能源,但是由于无线通信系统的开放性,网联自动车很容易受到网络攻击的威胁。现有的研究主要集中于网络攻击的种类及过程,并评估该攻击对车辆纵向行为的影响。本文旨在研究网络攻击对车辆横向行为的影响,即对网络攻击下的换道行为进行研究。通过对经典的跟驰模型智能驾驶员模型（Intelligent Driver Model, IDM）和经典的换道模型最小化换道总制动模型（Minimizing Overall Braking Induced by Lane changes, MOBIL）进行改进,提出了一种扩展换道模型（Extended Lane-Changing model, ELC）,来对网络攻击影响下的车辆换道行为进行建模分析。最后通过仿真实验,说明了不同的恶意网络攻击对车辆换道行为的影响。结果表明,网络攻击会显著影响车辆的换道决策,并导致异常驾驶行为。     

基于D-S证据信息融合方法的全地形车行驶工况辨识

磁流变阻尼器的全地形车智能悬架可以使车辆面对不同行驶工况下提供更好的减振效果,为了解决在传感器存在噪声或异常等情况下车辆行驶工况辨识困难的问题,文中提出了一种基于D-S(Dempster-Shafer)证据理论的多传感器信息特征值的融合技术提高行驶工况辨识的准确性。通过改进的距离评估方法对全地形车行驶工况的传感器敏感特征值进行了提取和筛选,采用区间估计将传感器的噪声和异常值当做不确定性信息。利用D-S合成对特征层的辨识结果进行决策层融合,基于可行区间的决策规则完成对车辆行驶工况的辨识。最后使用Carsim整车仿真试验平台,验证了基于D-S证据理论的决策层融合方法的有效性。     

面向无人驾驶碾压机的容错控制方法研究

无人驾驶碾压机高精度路径跟踪控制依赖于传感器对车体信息的准确测量,但在恶劣的高原大坝环境下,定位传感器极易出现信号突变、信号丢失现象,对系统的安全性与稳定性构成极大威胁。针对无人驾驶碾压机在恶劣工况下传感器的短时定位失效问题,提出了基于自学习模型的信号代偿容错控制方法。根据无人驾驶碾压机运行过程中转向系统漂移特性,构造了带流量损耗参数的线性转向模型,提出了模型参数在线学习算法,用于学习系统的流量损耗特性。以串联抗扰控制器作为车辆控制基础,实现定位短时失效场景下的容错控制。实车验证结果表明：车辆能够在传感器失效后的40 s内继续进行高精度碾压作业,与无代偿和模型无自学习代偿2种情况对比,分别延长了近18.7倍和2.7倍的运行时间,极大地提高了系统的安全性与作业效率。