摘要：热驱动弹热制冷是利用形状记忆合金被加热变形来驱动弹热材料相变从而产生制冷效应的新型固态制冷技术。本文设计了一种将弹热制冷装置与燃料电池相结合的组合系统,利用燃料电池产生的废热来驱动弹热制冷装置,以提高能量利用效率,并产生制冷效果。基于燃料电池和弹热制冷的工作原理,采用Simulink建立了全系统动态耦合仿真模型,研究了组合系统的动态工作特性,并分析了运行参数对系统性能的影响规律。结果表明:增加弹热制冷装置能提高整个系统的能量利用效率,电堆工作温度为80℃时该系统可产生1.76 kW的制冷功率,调整电堆工作压强至2.5 atm可最大化系统的综合输出功率和运行效率,电堆电流密度对组合系统的输出功率和运行效率呈现相反的影响趋势。

摘要：针对现有工况辨识策略在识别地形起伏度、变附着路面的不足,基于LuGre轮胎模型构建观测空间方程来快速捕捉附着条件的瞬态变化,基于模糊控制算法将实时工况与6种典型工况映射,根据工况辨识结果设计了闭环控制策略以自适应调节轮毂电机的实时输出力矩。仿真测试与实车验证表明,基于越野工况辨识的驱动力控制策略可快速跟踪各轮附着极限和接地状态的瞬态变化,自适应调节车辆的实时驱动功率,达到车辆动力性与稳定性的综合优化。

摘要：针对基于阿克曼转向的越野车最小转弯半径大、转向机动性不足的问题,利用轮毂电机驱动车辆转矩独立可控的优势,开发了路面自适应的原地转向控制策略。构建整车七自由度原地转向动力学模型,阐释原地转向过程中纵横向耦合运动轮胎力的演变规律,建立原地转向阻力矩和横摆力矩随车轮滑转率、路面附着系数变化的量化模型。以转向动力响应性为优化目标设计了不同附着条件下的横摆角速度期望轨迹,并以各轮滑转率安全阈值作为稳定性约束以减小转向中心偏移量,执行层基于模型预测算法进行横摆角速度的跟踪控制,同时引入自适应滑模控制器反馈调节车轮滑转率以确保纵横向运动的稳定性。仿真测试与实车试验表明,开发的原地转向控制策略在高、中、低附路面下均实现了期望原地转向轨迹的精确跟踪,并将转向中心偏移量限制在500 mm以内,提高了越野车原地转向灵活性和横向稳定性,实现了“既快又稳”的原地转向。

摘要：针对主流Transformer网络仅对输入像素块做自注意力计算而忽略了不同像素块间的信息交互,以及输入尺度单一导致局部特征细节模糊的问题,本文提出一种基于Transformer并用于处理视觉任务的主干网络ConvFormer. ConvFormer通过所设计的多尺度混洗自注意力模块(Channel-Shuffle and Multi-Scale attention,CSMS)和动态相对位置编码模块(Dynamic Relative Position Coding,DRPC)来聚合多尺度像素块间的语义信息,并在前馈网络中引入深度卷积提高网络的局部建模能力.在公开数据集ImageNet-1K,COCO 2017和ADE20K上分别进行图像分类、目标检测和语义分割实验,ConvFormer-Tiny与不同视觉任务中同量级最优网络RetNetY-4G,Swin-Tiny和ResNet50对比,精度分别提高0.3%,1.4%和0.5%.

摘要：为了解决双目视觉中的立体匹配问题、减少立体匹配网络的参数数量、降低算法的计算复杂度、提高算法的实用性。在PSMNet立体匹配网络的基础上进行改进,提出了一种具备浅层结构与宽阔视野的立体匹配算法--SWNet。浅层结构表示网络层数更少、参数更少、处理速度更快;宽阔视野则表示网络的感受野更宽广,能够获取并保留更多的空间信息。SWNet由特征提取、3D卷积和视差回归3个部分构成。在特征提取部分,引入了深色空间金字塔结构(Atrous Spatial Pyramid Pool,ASPP),用于提取多尺度的空间特征信息,设计了特征融合模块,将不同尺度的特征信息有效地融合起来以构建匹配代价卷;3D卷积神经网络利用堆叠的编码解码结构进一步对匹配代价卷进行规则化处理,获得不同视差条件下特征点之间的对应关系;最后,采用回归的方式得到视差图。SWNet在SceneFlow和KITTI 2015两个公开的数据集上均取得了优异的表现,与参考算法PSMNet相比,参数数量下降了48.9%,且误匹配率仅有2.24%。

摘要：局部和全局特征提取在车道线检测任务中扮演着重要的角色。针对现有的基于激光雷达的车道线检测算法局部特征提取层次单一和全局特征利用不充分的问题,提出一种基于自适应门控的双路激光雷达三维车道线检测算法。首先,通过全局特征金字塔结构,使网络提取具有全局相关性的多层次车道线特征;其次,引入双路结构,其中辅助通路将底层高分辨率纹理特征压缩到高级抽象语义特征从而降低计算复杂度,压缩的语义特征用作另一个构建的主通路的先验信息,帮助学习更加精细的底层纹理细节,并借助高效移动卷积模块,在缓解注意力窗口效应的同时产生更好的下采样特征;最后,设计一种自适应多阶门控模块来更好地利用上下文信息,使网络自适应捕捉车道线更具代表性的全局纹理及语义特征。在K-Lane数据集上的实验表明,所提算法F1分数较主流模型提升2.6个百分点,在不良光照、严重遮挡条件下分别提升2.7个百分点和3.5个百分点。将算法部署在实车平台实现在线检测,验证了算法的工程实用价值。

摘要：为解决行人检测任务中低能见度场景下单模态图像漏检率高和现有双模态图像融合检测速度低等问题,提出了一种基于双模态图像关联式融合的轻量级行人检测网络。网络模型基于YOLOv7-Tiny设计,主干网络嵌入关联式融合模块RAMFusion用以提取和聚合双模态图像互补特征;将特征提取部分的1×1卷积替换为带有空间感知能力的坐标卷积;引入Soft-NMS改善结群行人漏检问题;嵌入注意力机制模块来提升模型检测精度。在公开的红外与可见光行人数据集LLVIP上的消融实验表明:与其他融合方法相比,所提方法行人漏检率降低、检测速度显著提高;与YOLOv7-Tiny相比,改进后的模型检测精度提高了2.4%,每秒检测帧数达到124 frame/s,能够满足低能见度行人实时检测需求。

摘要：为解决路侧点云目标检测任务中复杂场景下远距离车辆漏检率高和道路行人误检率高等问题,提出一种改进PointPillars和Transformer的路侧两阶段三维目标检测算法。算法的第一阶段基于PointPillars设计:骨干网络嵌入SimAM注意力机制学习相似性信息以关注重要特征,替换下采样部分的普通卷积块为带有残差结构的卷积块以提高网络性能。第二阶段基于Transformer对第一阶段生成的候选框进行细化:编码器构建原始点特征进行编码,解码器利用通道加权增强通道信息,提高检测精度,改善误检问题。为验证所提算法的性能,在路侧数据集DAIR-V2X-I和车端数据集KITTI上进行实验。实验结果表明,所提算法相比其他公开算法检测准确率明显提升,同基准算法PointPillars相比,在moderate检测难度下,对DAIR-V2X-I数据集中汽车、行人、骑行者的检测准确率分别提高1.9百分点、10.5百分点、2.11百分点,KITTI数据集中汽车、行人、骑行者的检测准确率分别提高2.34百分点、4.73百分点、8.17百分点。

摘要：基于Gray-Taguchi稳健性优化设计方法,采用动力显式碰撞仿真与网格映射技术,对汽车中立柱的强度分布进行了考虑冲压塑性变形效应的多目标优化设计。首先建立考虑冲压效应的中立柱碰撞模型,分析了冲压效应对中立柱碰撞性能的影响;接着基于正交试验,选择最大侵入位移、最大侵入速度和吸能量3个指标为优化目标,采用Gray-Taguchi优化设计方法得到优化结果,并对最终的优化结果进行了整车侧碰仿真验证。经过优化,中立柱中部节点的最大侵入位移下降了5.6%,最大侵入速度下降了3.9%,吸能量提升了18.8%,即综合碰撞性能得到较大的提升。

摘要：考虑热冲压成形过程中工艺流程和材料变形行为的复杂性以及温度分布的时变性,提出一种基于热加工图和NURBS曲线的伺服热冲压工艺设计。以常用B1500HS热成形试样为研究对象,通过高温拉伸实验测得了不同热变形参数下B1500HS硼钢的真应力-真应变曲线,基于DMM原理构建了不同应变量下的B1500HS硼钢热加工图,计算了该材料在伺服热冲压过程中成形阶段最优速度和温度区间。根据典型热冲压模式的各阶段工艺特征和NURBS曲线数学模型,规划和建立了符合各约束条件的伺服热冲压工艺曲线,实现了对伺服热冲压工艺曲线的设计。借助CAE分析软件,开展了汽车中立柱伺服热冲压对比仿真实验。综合分析表明,与常规热冲压工艺相比,采用所提出的伺服热冲压工艺曲线模型成形时中立柱样件应力和温度分布更均匀,最大减薄率降低约8.5%,最大起皱度为4.002×10-3,主应变降低约12.5%,表明所提出的伺服热冲压工艺对危险位置破裂趋势有明显的抑制作用。