人工神经网络在汽车轮胎侧偏特性研究中的应用

引入人工神经网络理论中应用广泛的多层前向ＢＰ网络模型,进行汽车动力学仿真中轮胎侧偏特性的研究,得到轮胎侧偏特性的人工神经网络模型,并以实例验证这种建模方法的准确性和实用性。     

轮腿结合步态稳定裕度的研究

研究一种轮腿结合式步行机的步态特性和静态稳定裕度与步态参数间的关系，并对这类步态进行了计算机仿真。     

无人机数据链对雷达电磁干扰的适应性研究

通常评估电磁环境对数据链性能的影响是在"最坏"情况的假设下进行的,这对于由雷达辐射所引发的电磁干扰来讲,显得过于"严格",不仅不能反映数据链的实际适应能力,而且还可能引发系统的"过设计",造成不必要的浪费.基于雷达电磁干扰的时间离散性和数据链设计的时间冗余能力,给出了一种简便有效的电磁干扰综合分析方法.该方法通过天线耦合概率模型和干扰源与数据链间可能的最大耦合损失,可以计算出干扰概率或接收干扰脉冲数,并且可以与数据链容错能力进行比对,从而较为真实便捷地判断出数据链的环境适应能力.该方法还适用于任意形状方向图天线间的耦合分析.     

车速对汽车瞬态响应的影响

介绍了在前轮角阶跃输入下线性二自由度汽车模型的瞬态响应,讨论了行驶车速对汽车瞬态响应的影响。实例计算表明,较低的行驶速度使汽车具有较好的瞬态响应特性。     

高速公路交通仿真软件开发

为能对汽车控制系统进行有效的实地测试,从而设计开发了基于英国典型高速公路路段的交通模型。该模型提供了对英国高速公路交通流量模拟、路面状况模拟、交通规则模拟及路面用户的微观行为模拟。驾驶员模型包括道路汽车跟随模拟和汽车超车模拟。通过对本交通模型微观参数的优化,使所开发的交通模型能与实地测试数据相符合,从而能更真实地仿真实际高速公路的环境。基于该模型所开发出的具有图形用户界面的能为汽车控制系统的测试与评估提供有效的支持。     

并联混合动力汽车扭矩协调控制策略仿真研究

对于使用机械式自动变速器(AMT)的并联式混合动力汽车(PHEV),能量管理策略的实现需要对发动机、电机以及离合器和变速箱进行协调控制,为此,建立一个分层控制系统来管理整车的能量分配和实现整车的能量分配策略。能量管理策略的实现层以改善车辆行驶平顺性和减小离合器磨损为目标,协调控制动力和传动系统,实现能量管理层需要的扭矩分配、工作模式切换以及换档等要求。在Matlab/Simulink环境下建立了并联式混合动力汽车动力传动系统的仿真模型,通过仿真进行控制策略的辅助设计并验证了控制策略。当前开发的控制策略已经应用于实车,试验结果表明了控制系统和控制策略的适用性。     

扑翼微型飞行器自适应鲁棒姿态控制

给出了扑翼微型飞行器姿态控制系统的数学模型,并提出了一种自适应鲁棒控制的新方法。飞行过程的复杂性使得姿态控制器的设计极具挑战性,主要困难是系统表现为非线性、不确定性、多变量参数耦合以及各种干扰。由于自适应鲁棒控制不依赖系统的精确数学模型,所以将系统分为名义模型、结构不确定性和非结构不确定性,对其分别设计直接反馈控制器、自适应控制器和鲁棒控制器,并用李亚普诺夫定理分析了系统的稳定性。仿真结果证实了所提方法的有效性。     

基于ADAMS/ATV的履带装甲车辆托带轮分布方案优选

履带装甲车辆的履带与托带轮的垂向冲击是产生冲击噪音和导致履带疲劳与断裂的重要因素。基于ADAMS软件中的ATV模块对某型履带装甲车辆建立了动力学模型，针对各托带轮所受履带的垂向冲击力大小不均匀的问题，综合动力学仿真分析，优选托带轮的分布方式，改善其动力学性能。     

一种求解车辆路径问题的混合多蚁群算法

提出一种新的蚁群算法（Multiple Ant Colonies Algorithm based on Sweep Algorithm, SbMACA）用以求解车辆路径问题（Capacitated Vehicle Routing Problem, CVRP）。该方法同以往蚁群算法的不同之处主要体现在两个方面：第一,首次将扫描算法应用于蚁群算法,通过对蚂蚁所构造的初始解中的不同子回路之间的点进行交换优化,该算法可以有效地改进初始解的质量;第二,提出并采用了一种新的多蚁群技术,各个蚁群分别进行各自的搜索,在各个蚁群均停滞后,对蚁群之间的信息素进行交换与更新,以利于蚁群跳离局部最优值。实验结果表明,SbMACA算法具有很强的搜索能力,求取各CVRP的Benchmark问题所得解的质量同最好解相比较而言,平均仅有 0.28%的差距,是求解车辆路径问题的一种十分有效的方法。     

基于多线索的车辆跟踪方法研究

针对车载摄像机的汽车辅助驾驶系统,提出了一种基于多线索的车辆跟踪算法。利用运动估计预测目标在下一帧的感兴趣区域,即跟踪窗。在跟踪窗内联合使用车辆的先验知识、评估环节、分块模板等线索定位车辆目标。在跟踪过程中,提出去除误识别的措施。这种基于多线索的车辆跟踪方法实现了对后方多车辆的稳定跟踪,也适合前视车辆。实验结果表明该算法是鲁棒和准确的。