摘要：自动驾驶感知系统须对目标车辆运动进行感知,以制定合理交互决策。针对行为感知在时间上的滞后性和数据中可能存在的波动和异常值导致感知准确率差的问题,本文提出一种在线半监督混合方法。首先,采用自回归积分移动平均和在线梯度下降优化器设计基于数据驱动的车辆运动状态在线预测算法。然后,构建基于微簇的初始模型,并以K近邻为基分类器建立集成学习策略,设计错误驱动代表性学习和指数衰减策略实现对初始模型的迭代更新。最后,基于驾驶模拟平台采集了验证所提算法有效性的实验数据。结果表明,所提出的方法对于车辆行为波动具有快速适应性,在线预测算法可准确预测车辆运动趋势,行为感知算法对于不同预测时间下的车辆行为均有较强适应能力。

摘要：探索了基于虾螯轮廓外形设计的仿生夹层板(BSP)的耐撞性。按照拉伸试验获得的材料本构参数设置了Hyperworks有限元模型,制造了BSP样件,并试验验证了有限元模型有效性。比较了BSP-L0、BSP-L180、BSP-T0、BSP-T180四种配置方案的耐撞性指标,选择BSP-T0方案进一步研究。分析了圆弧高度比γ和梯形晶元窄底宽度B对BSP-T0耐撞性的影响规律,得到γ比B对BSP-T0耐撞性的影响更大。利用遗传学算法进行参数优化,Pareto前沿的一个最优解为比吸能SEA=3.080 kJ/kg、峰值载荷PF=30.700 kN、平均压溃效率CFE=86.884%,相应参数γ=0.355,B=4.23 mm,预测与仿真结果误差均在2%以内,预测效果理想,本文研究成果可为夹层结构设计提供新思路。

摘要：为满足基于L1、L2级辅助驾驶技术的车辆队列在高速公路上整体强制性换道需求,首先,提出了分层架构的车辆队列控制系统;随后,针对其中的策略层设计了队列整体换道条件判断方法,并详细描述了队列整体换道过程的具体控制流程,弥补了现有研究偏向理论而忽视实际应用的不足;最后,通过联合仿真平台与实体小车队列平台验证了所提策略的安全性、有效性与计算实时性。结果表明,所提策略可以在多种工况下判断合适的队列换道时机,并进行车辆队列整体换道流程的控制,且整套策略可以在实车嵌入式控制器上实时运行,具备面向实车产品开发的实用性。

摘要：智能驾驶汽车已成为人们关注的热点话题之一.然而,现有的智能驾驶技术仍面临一系列挑战,如交通障碍物的遮挡所引起的模型漏检,以及当汽车驶入隧道等光线骤变的场景时所引起的传感器感知精度下降导致的误检问题等.为保证复杂场景下车辆的感知安全,智能驾驶多模态感知技术应运而生.然而,现有的多模态融合方法仍局限于对检测精度的提升,缺乏感知过程的可解释性,并缺少对模型感知过程的评价指标.本文从信息论角度出发,按照通信模型的构建方法对感知模型进行设计,提出了一种基于信源信道联合编码理论的多模态融合感知模型,从理论上对模型的感知过程进行解释.同时,提出了一种新的评价指标——平均信息熵变(average entropy variation,AEV),用AEV来实时反映模型与外界感知交互过程中的稳定性.进而,对多模态模型的感知过程进行量化分析,增加模型的可解释性.最后,与其他的感知模型在KITTI数据集的评估结果进行比较,我们的模型在经过相似的网络结构时平均信息熵变下降到0.5904,更好地保证了检测任务的感知安全.

摘要：随着锂离子电池生产规模的迅速扩大,电池制造商急需高精度高效率的电池分选方法,增强电池成组后的一致性,从而提升电池组寿命、安全性和能量密度。基于容量和内阻等特性的传统分选技术可以满足成组后的静态一致性需求,但无法保证同组电池的动态一致性。因此,综合考虑电池在整个充放电过程中的性能,基于充放电电压曲线动态特性的分组方法是下一代分选技术的发展方向。本文基于电池产线大数据,从电池分容阶段的电压曲线提取关键动态特征,形成了基于K-means聚类的电池分选方法。此外,本文还从电池分容后的回充阶段提取了用于评估电池性能一致性的指标,并设计了一个以指标标准差为核心的电池一致性评价方法。与传统的电池分选方法相比较,本文方法分选后的电池综合性能一致性提高了15.65%。

摘要：基于以云控平台为核心的智能网联云控系统,本文设计了一种多车协同应用架构。该架构自下而上可分为基础设施层、原子能力层、业务能力层、平台服务层4个层级。其中,平台服务层包含多车协同、高精度时空信息和车联网安全等模块,确保系统安全、高效、可靠。以矿用卡车多车协同作业为例,验证了该架构的可行性,为智能网联云控系统在自动驾驶中的多车协同应用提供技术支撑。