摘要：为了考核汽车传动系疲劳耐久性,利用汽车传动系道路模拟试验系统在室内重现车辆在真实道路上的行驶扭矩载荷谱。对载荷谱数据进行频谱分析,确定负载模拟系统载荷谱频带宽度。为了提高负载模拟控制系统对目标载荷曲线的跟随精度,设计了一种滑模变结构技术和迭代学习控制技术相结合的控制器,迭代学习控制通过重复执行同一任务来减少跟随误差,使系统输出尽可能逼近理想值,结合滑模变结构控制响应快,对参数变化及扰动不敏感的优点提高了模拟系统的鲁棒性。滑模迭代学习控制方法在学习10次后其控制精度(4.7%)比使用常规PID控制(8.3%)提高了3.6%,迭代后载荷响应误差可控制在5%以内,能够满足室内耐久性试验的要求。

摘要：生产力及社会需求的发展驱动了人类生产模式的变革。客户是企业激烈争夺的生存资源,蕴含着巨大的创新力。提出了一种面向客户集成的产品网络化定制(NCFC)应用模式,以集成客户创意,提高企业新产品开发能力,同时增强企业获得和保持客户的能力。客户是该应用模式的核心要素之一,对客户对象进行了深入研究,不同的客户,应采用不同的客户集成策略。建立了NCFC的业务过程模型,强调了该应用模式与企业内部工程设计分系统、管理信息系统、制造分系统集成的重要性。建立了以客户、制造商为角色主体的运行模式,并适用于多层定制的情形。

摘要：应用CATIA软件对某车架进行了CAD建模,使用Hypermesh软件对车架进行了网格划分,利用***/Nastran有限元分析软件对车架进行了自由模态分析,并通过实验方法进行了相应的实验验证,分析了该车架的前十阶固有频率及振型特征,使摩托车的结构在设计中尽量避免共振和噪声,加强其稳定性、舒适性,为车架的改进设计提供了理论依据。

摘要：分析对比液力变矩器原始特性和动力特性 ,讨论了当外界阻力发生变化时 ,具有不同透穿性的液力变矩器速比的变化规律及其对变速器传动效率的影响 ,指出在自动变速器设计中 ,合理选择液力变矩器的结构参数 ,特别是注重其透穿度与发动机适应系数的合理匹配 。

摘要：为考核双离合自动变速器(DCT)中阀体、传感器和电子元件等关键零部件在实际道路冲击振动下的疲劳可靠性,基于远程参数控制(RPC)技术,结合美国MTS液压伺服激振器和控制系统,设计并搭建了DCT关键零部件道路模拟试验台。通过在关键零部件附近安装加速度传感器和应变片,结合某企业可靠性试验方法,在襄阳试车场采集了大量载荷谱,并对载荷谱进行了分析和反复模拟迭代,准确快速地再现了DCT关键零部件在襄阳试车场相应试验路段的振动特性,为考核DCT阀体、传感器及电子元件等关键零部件的疲劳可靠性提供了一种行之有效的方法。

摘要：利用粉末反溅方法研制了酒敏灵敏度>20的性能良好的Si基SnO2/CeO2旁热式气敏元件,给出了重要参数之一的传感特征响应和恢复时间的实验结果,典型的稳态特征响应时间值在2.5s以上,恢复时间在7s以上;提出使用扩散反应模型对特征时间的物理意义及过程分析,在给定的边界条件下进行了解释;同时,建立了一种简单系统阶跃响应数学模型,并结合Matlab软件进行特征响应和恢复时间曲线处理的数学方法;最后,设计了有源串联相位超前微分网络以降低优化特征时间、提高元件响应速度。仿真和结果表明,特征时间显著减小,可提前约40%。

摘要：在CVT金属带钢环疲劳试验数据的基础上,通过作图法和数值分析法检验,确定了钢环寿命符合对数正态分布;采用解析法和作图法估计了分布函数参数,并得到了钢环的可靠寿命表达式。

摘要：为提高车辆对行驶环境的自我学习和决策能力,提出了一种基于深度确定性策略梯度(DDPG)的车辆自主避撞决策控制模型。基于Markov决策过程的强化学习理论和车辆纵向运动学特性,设计了决策所需目标对象及自车信息的状态空间和自车减速度的动作空间,以安全性、舒适性和效率因素为多目标奖励函数的端到端的车辆自主避撞决策模型。利用Matlab/Simulink构建的DDPG算法与交通环境的交互模型,通过了前车静止(CCRs)和前车制动(CCRb)场景测试。结果表明:本决策算法具有很好的收敛性,引入加速度和冲击度的极限值,在实现车辆有效避撞的同时,兼顾乘坐舒适性,且性能优于模糊控制。

摘要：为了解决永磁同步电机在室内传动系试验台架上模拟发动机扭振高动态响应特性的问题,首先建立了由平均扭矩、往复惯量引起的激振和燃烧压力引起的激振信号构成的发动机实时扭振模型,具有数学计算量小、动行速度快的特点,能满足高动态控制响应的要求;然后,设计了一种滑模变结构控制(sliding mode control,简称SM)和迭代学习控制(iterative learing control,简称ILC)相结合的控制器,利用变结构控制对系统参数和外部干扰具有不变性及迭代学习不依赖于系统精确数学模型的优势,提高了控制系统的稳定性和动态响应;最后,在室内传动系台架上进行了模拟试验。试验结果验证了发动机模型和控制算法在传动系试验台架上模拟发动机扭振的有效性和可行性。

摘要：为提高自动驾驶汽车对周围目标物的检测精度,提出了一种激光雷达和单目图像数据在鸟瞰图特征上融合的目标物检测算法(monocular-bird’s eye view fusion,Mono-BEVFusion)。为构建相机BEV特征,搭建了简单高效的深度预测网络预测相机特征的深度,基于显式监督的方法用深度真值对其进行监督。构建激光雷达BEV特征时,将激光点云体素化为柱状网格转化到BEV特征下,设计BEV特征融合网络将激光点云BEV特征和相机BEV特征融合,将融合特征输入到目标检测框架得到目标物(汽车、行人和骑行人)检测结果。利用KITTI数据集和实车路采数据对Mono-BEVFusion融合算法进行评估,实验结果表明该算法相较于现有融合算法综合平均精度提升了2.90个百分点,其中汽车类和行人类单项检测精度分别提升3.38个百分点和4.13个百分点。Mono-BEVFusion融合算法对遮挡目标或者距离较远的目标有较稳定的检测效果,能够有效避免单传感器的漏检现象,具有较好的实际应用价值。