200km／h电动车组制动力控制研究与试验

200km/h电动车组采用微机控制直通电空制动系统,在制动力的控制精度和系统的响应时间上达到了国外同类产品的性能,详述了电动车组制动力的理论计算,在同济大学制动技术研究中心实验室内的高速及城轨制动控制系统1：1静止试验台上,经过反复试验,证实了理论计算值和试验值具有很好的一致性,同证明了该系统制动力控制精度高,具有空气制动与动力制动能自动配合,并可充分利用动力制动等优点。     

浮动车数据缺失道路的速度推估模型与实现

介绍了浮动车数据(FCD)的基本概念,给出了浮动车数据预处理及与地图匹配的基本流程.在对浮动车数据在路网中覆盖率分析的基础上,当路网中浮动车数据出现缺失时,利用海量的路况历史数据库,提出基于路段空间关系的道路速度多元线性回归推估模型,并推出了按周天分类的模型系数.根据实测检验结果,得到了该方法速度误差的分布概率和状态误差的分布概率,并以此分析了结合空间关系的多元线性回归模型的适用性和可靠性.最后以上海城区为例,给出了基于该方法完整的道路速度的推估与路况发布实例.     

基于出行方式和活动交互作用的小汽车使用预测模型

为改进我国传统小汽车出行需求预测方法,基于活动理论建立了小汽车使用预测非集计模型.从小汽车使用者活动模式的统计分析入手,对小汽车使用模式进行划分,在多项Logit(MNL)模型的基础上建立协同进化Logit小汽车使用预测模型.模型中采用协同进化方法计算确定了个体出行活动选择顺序,体现了小汽车使用者出行方式选择和活动的交互作用.模型适应性分析表明,该模型可用于城市小汽车出行需求预测和交通需求管理政策的‘评价.以沈阳市为例对模型进行了实例分析,结果表明模型预测正确率达88.9%,65%以上的小汽车使用者先确定小汽车使用模式再进行活动模式的选择,验证了出行活动选择顺序的个体差异性,提高了小汽车出行需求预测方法的精度.     

基于神经网络方法的集成式驾驶员跟车模型

为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型.通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用Kalman滤波器对数据进行了处理和估计.设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度.利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证.仿真结果表明;神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性.     

基于图像处理技术的汽车追尾预警系统的研究

如何防止高速公路中汽车追尾是智能交通系统所要急待解决的问题.本文利用中心透视原理和图像处理的方法可以解决车道识别,车辆识别和车间距测量的关键难点,达到高速公路汽车追尾预警的目的.实验结果表明效果良好,算法简便,可以有很好的实时性.     

摆式客车倾摆控制系统输入延迟补偿方法

运用在线检测信号作为倾摆控制系统参考信号的摆式列车,由于低通滤波会造成信号滞后.对滞后的补偿,目前主要是运用陀螺仪、轨道负荷分配差异方法.提出横向未平衡加速度信号预测法,来补偿由于滤波造成的加速度滞后,给出了建立参考输入信号的算法.研究表明：运用信号预测法,不必测出曲线超高及半径的具体值,可以不使用陀螺仪及轨道负荷检测装置,滤波可由软件或硬件实现,节约成本;对滞后时间不同的车辆,设置不同的启动阈值,不仅可保证倾摆的正确性,而且保证了控制参考输入信号的实时性.     

基于OV7620智能车的路径识别及控制策略

智能车是可以自动识别道路并以最短时间行驶全程的一种无人驾驶汽车.路径识别跟踪技术和快速、稳定的控制策略是智能车发展的重要标志.给出以OV7620作为智能车的主传感器,以红外对管作为辅助传感器对赛道的信息进行采集.OV7620把赛道的亮暗程度转化成像素的灰度值,采用边沿跟踪检测图像处理算法.采用PID与bang-bang算法相结合的算法对智能车进行速度控制.实验表明智能车可以实现任意路径识别与智能快速行驶.     

我国燃气汽车可持续发展政策探讨

通过对燃气汽车现状的分析,围绕燃气汽车需求的政策体系、燃气汽车产业实现规模经济的政策体系和燃气汽车产业技术创新的政策体系三方面进行了探讨.     

汽车跑偏原因及解决方法

随着社会的经济发展,汽车已经成为现代化社会出行以及运输的主要工具。文章主要分析了汽车跑偏的原因及解决汽车跑偏的问题,方便驾驶员在出现跑偏时,自己能及时解决问题,避免事故发生。     

基于情感分析的汽车造型设计感性评价方法

针对分析用户感性评价时出现的数据采集范围不够广、成本高、数据准确性低、非结构化数据利用率低等问题,提出一种基于情感分析的工业设计感性评价方法,以纯电动汽车为例,构建电动汽车造型感性意象的预测模型。首先基于情感分析量化用户的主观评论,获得感性意象评分,然后针对纯电动汽车的造型特征,提取了与传统内燃机汽车存在差异的主要设计要素,最后通过数量化理论I建立感性意象评分与设计要素的映射模型。以电动汽车设计方案优化为例,证明了该方法的可行性,预测结果的相对误差为5.41%。该方法符合用户的主观认知,能够有效预测用户对方案的感性评价,从而辅助设计师根据感性评价优化产品设计,具有实际应用价值。