基于多点冲击的侧面碰撞台车试验方法

通过对侧面碰撞过程中车门内饰板运动过程的分析,简化车门侵入速度,建立了一种基于质量弹簧模型的可以复现车门板上多个点运动的侧面碰撞台车试验方法.在此基础上建立了基于MADYMO软件的侧面碰撞台车-假人有限元模型.通过仿真计算验证表明,基于多点运动复现的侧面碰撞台车试验得到的假人伤害值与整车试验得到的假人伤害值有很好的一致性.结果表明,该台车试验方法可以很好地复现车门内饰板、座椅与假人之间的相互作用关系,而且该方法非常易于在工程上实现,可以满足工程应用的需要.     

车辆侧面碰撞台车试验方法

介绍了几种常用的侧碰台车试验装置的曲线复现原理,指出了现有侧碰台车试验方法存在的不足．在此基础上,结合侧碰车门内板速度曲线的特征．提出了一种易于在工程上实现的双速度平台侧碰撞台车试验方法．数学仿真验证表明,利用双速度平台曲线进行台车试验得到的假人伤害值与直接用车门内板速度曲线进行台车试验得到的假人伤害值有很高的相关度,完全能满足工程应用的需要．     

车辆行驶工况开发方法

基于大量的车辆行驶工况开发的方法和设备的研究，将车辆行驶工况的开发从道路调查到工况的验证分为五个基本过程．结合某个具体项目的研究，对每一过程所使用的方法进行了比较深入的论述．应用研究结果证明了这种方法的完整性和科学合理性．     

驾驶员驾驶行为的统计学特性

使用自然驾驶数据研究了驾驶员驾驶行为的统计学特性.选取车辆的纵向加速度、侧向加速度、横摆角速度和速度作为描述驾驶员驾驶行为的特征参数.首先,讨论了驾驶员驾驶行为特性的收敛性.使用核密度估计得到了驾驶行为特征参数的概率分布,使用相对熵描述不同数据集之间分布的差异.接着,使用稳定收敛的数据集研究了驾驶行为特征参数的分布特性.最后,使用驾驶行为特征参数的条件分布研究了它们之间的相互影响.结论包括:前向加速度,制动减速度,侧向加速度,横摆角速度均近似服从帕累托分布;制动减速度或前向加速度增加时,驾驶员的转向操作倾向于更加剧烈,反之亦然;驾驶员制动,加速,和转向操作的剧烈程度随速度增加均先增大后减小.     

基于非合作模型预测控制的人机共驾策略

提出一种基于非合作模型预测控制(model predictive control, MPC)的智能汽车人机共驾策略.首先,建立了驾驶员和控制系统两者共同控制车辆的人机共驾系统模型.接着,得到了驾驶员和控制系统的代价函数.然后,求解了非合作MPC人机共驾策略的纳什均衡解.最后,通过仿真验证了非合作MPC人机共驾策略的优点和有效性.证明了非合作MPC的纳什均衡解可以通过非迭代的方法求解,并通过驾驶员和控制系统置信度矩阵的更新实现了驾驶权的逐渐交接.Matlab仿真表明,非合作MPC人机共驾策略可以在智能车辆遇到危险时将驾驶权逐渐从驾驶员转交给控制系统,同时保证驾驶员实时在环.     

涉及骑车人的典型交通危险场景

对上海地区真实交通中的自然行驶工况进行视频采集、筛选和分类,得到152例涉及骑车人(自行车、摩托车、电动助力车)的危险工况.通过聚类分析和卡方检验得到了7类典型的危险场景.最后用PreScan软件对这7类危险场景进行虚拟建模,得到了涉及骑车人的典型危险工况场景库.     

儿童乘员车内滞留热伤害研究

基于上海机动车检测中心和同济大学儿童乘员车内安全联合项目.为了研究儿童乘员在乘用车和校车车内可能受到的热伤害,通过车内温度试验,得到了不同环境温度下乘用车和校车车内温度变化数据,研究了打开车窗、车身颜色、内饰颜色对乘用车车内温度变化的影响.     

汽车碰撞载荷数据库的建立与应用研究

为了获取我国主要车型的碰撞载荷特征,以某次汽车—测力墙碰撞试验的数据为基础,利用基于E-R模型的设计方法,采用Microsoft SQL Server 2005作为数据库管理系统,建立了汽车碰撞载荷数据库.在MathWorks MATLAB R2010a平台上,利用GUI设计工具以及MAT-LAB编程语言开发出了通过使用ODBC连接访问数据库的应用程序.并通过应用程序提取并分析了某次试验中的撞击力大小、撞击力分布以及撞击力高度等碰撞载荷特征,为汽车的耐撞性及相容性研究奠定了基础.     

基于改进YOLOv4颈部优化网络的安全帽佩戴检测方法

针对安全帽佩戴检测时易受复杂背景干扰，解决YOLOv4网络检测速度慢、内存消耗大、计算复杂度高、对硬件性能要求较高等问题，引入改进YOLOv4算法优化安全帽佩戴检测方法。引入MobileNet网络轻量化YOLOv4、跨越模块特征融合，实现高层语义特征和低层语义特征有效融合。针对图像中小目标分辨率低，信息特征少，多尺度并存，导致在连续卷积过程中易丢失特征信息等问题，采用改进特征金字塔FPN和注意力机制等颈部优化策略聚焦目标信息，弱化安全帽检测时背景信息的干扰。仿真结果表明，基于改进的YOLOv4颈部优化网络安全帽佩戴检测算法在CPU平台下的检测速度为34.28 FPS，是基础YOLOv4网络的16倍，检测精度提升了4.21%，检测速度与检测精度达到平衡。     

基于车载毫米波雷达动态手势识别网络

基于Transformer提出一种车载毫米波雷达手势识别方法，可用于车内人员进行人机交互.毫米波雷达信号不受车内光照变化影响，同时能够保证乘客隐私.首先，毫米波雷达采样信号经过二维傅里叶变换和滤波获得距离—多普勒（RDM）和距离—角度图(RAM)；然后，将连续多帧RDM和RAM经过三维卷积网络后进行特征融合与拼接得到特征向量，利用Transformer模块进行位置和序列编码；最后通过全连接层获得手势概率分布向量.采集了基于实际路况和多种干扰环境下的雷达数据制作了手势识别分类的数据集，实验结果表明该方法可以有效的检测与识别多种典型手势，识别准确率可以达到97.14%以上.