一、汽车安全辅助驾驶系统中通用测量控制模板的设计(论文文献综述)
李隆[1](2021)在《基于以太网的智能汽车实时控制总线通信系统研究》文中进行了进一步梳理本文围绕FPGA芯片集成了时钟模块、以太网接口以及CAN接口模块等,建立了以太网控制器集成电路并且可以实现上层软件通信协议的硬件平台。基于此平台针对汽车智能控制体系的通信需求,完善了相关的车载通信协议。针对音视频传输系统,建立了UDP/IP协议栈,满足各应用模块的大数据、高实时传输需求;针对通信质量要求高的实时信息传输系统,以CANOPEN的协议为标准,重点分析了对象字典的工作原理,同时对映射部分进行了重新定义,规划编制了新的控制信息编码,在车载总线和车载Ethernet的通信传输上,基于以太网经典数据链路层通信模式的基础上进行改进,重新制定了请求应答以及定时主动报送新的通信模式。并采用合适的时间和动作同步机制,从而提高了车载网络中各从站节点与主站节点间的工作效率,实现了准确高效的通信目的。
刘孟楠[2](2020)在《电动拖拉机设计理论及控制策略研究》文中研究说明电动拖拉机作为一种新型农用动力机械,具有效率高、污染小、噪音低等优点,开展适合不同用途的电动拖拉机研究,解决新产品设计中的理论方法和技术问题,具有十分重要的学术和工程实际意义。论文针对电动拖拉机结构方案、驱动系统、电源系统设计及控制策略开展研究,以期为电动拖拉机新产品开发提供理论和技术支持。本文的主要研究内容为:通过对电动拖拉机功能分析,确定了电动拖拉机的性能需求,给出了电动拖拉机牵引动力性和经济性评价方法,建立了性能评价指标的数学模型。对电动拖拉机主要组成部件进行了特性分析和选型研究,设计了适用于拖拉机作业特点的电动拖拉机电源系统、驱动系统和总体结构方案,分析了电源系统、驱动系统和拖拉机的工作模式。通过电动拖拉机主要参数计算流程,给出了设计输入、电源系统、电动机、传动系统和总体参数的数学模型。分析了电动拖拉机的牵引动力性和经济性,结果表明,设计的电动拖拉机结构方案和给出的参数计算方法,可以保证拖拉机具有较好的作业性能。提出了以牵引性、经济性和连续作业性能为目标的电动拖拉机性能优化方法,确定了电动拖拉机优化的设计变量,建立了目标函数和约束条件数学模型。分析了电动拖拉机优化设计数学模型,基于改进非支配目标遗传算法设计了优化算法,制定了电动拖拉机优化设计流程。设计验证实例结果表明,所提出的优化设计方法,能较好地改善电动拖拉机牵引性、经济性和连续作业性能。根据电动拖拉机功能、作业要求和总体结构,提出了基于规则的电源管理策略。利用小波变换分析构造双通道正交滤波器组的方法,针对电源管理策略中的动态功率分配问题,设计了功率分配控制算法,推导了超级电容荷电状态(State of Charge,简称SOC)估计算法模型。根据电动拖拉机驱动系统的动力性和经济性控制需求,设计了基于全局优化的驱动电动机控制策略和变速器换挡策略,采用粒子群算法、模糊逻辑门限算法,设计了处理驱动控制信号的转矩推断算法、全局优化算法、转速控制算法和初始化算法。设计了满足整体控制功能需求的电动拖拉机总体控制策略,制定了基于J1939的电动拖拉机通信协议。研究了电动拖拉机硬件在环(Hardware in the Loop,简称HIL)测试方法,构建了电动拖拉机的HIL平台,分析了平台的性能。基于AVL Cruise建立了电动拖拉机犁耕和旋耕作业仿真模型,开发了整机控制器,基于dSPACE Simulator平台构建了电动拖拉机HIL系统,进行了犁耕和旋耕作业的HIL测试。犁耕和旋耕作业的HIL测试结果表明,设计的电动拖拉机控制策略优化了电源系统在田间作业时的工作状态,提升了犁耕等牵引作业时的电动拖拉机经济性,增加了连续作业时间,实现了旋耕等旋转动力输出工况中动力输出轴(Power Take off,简称PTO)转速切换的功能要求,达到了预期控制目标。
乔洁[3](2020)在《基于半物理仿真驱动的客运车辆关键性能虚拟测试技术研究》文中进行了进一步梳理汽车试验在汽车新车型开发过程中占有十分重要的地位,尤其是样车设计出来后的定型试验需要进行大量的实车测试试验,因而耗费大量的人财物资源,延长开发周期,间接降低新车型产品的市场竞争力。同时,据相关统计分析表明,营运车辆尤其是客运车辆的本质安全问题是触发道路交通事故群死群伤的主要诱因,而车辆本身结构安全性能又是支撑客运车辆安全行驶的主导因素。随着计算机科学技术的快速发展以及汽车产品研发数字化的不断推进,车辆性能试验的全数字化仿真是其主要发展趋势之一,而传统车辆虚拟仿真测试系统存在费用高昂、系统过于庞大复杂等诸多问题。因此,开展客运车辆关键性能虚拟测试技术研究,将对客运车辆新车型开发的提质增效具有重要的现实意义和深远的社会意义。本文依托国家自然科学基金面上项目(51278062)、陕西省自然科学基础研究计划项目(2018JQ5142),综合运用人机工程学、系统工程学、车辆系统动力学、优化理论技术、信号处理技术、虚拟试验技术和智能评价技术,通过理论分析、算法建模、程序设计及大量离线模拟试验,研究能实时进行客运车辆性能虚拟测试、适时评判和优化车辆设计参数等关键技术及低成本、便携式、个人辅助设计工作平台系统的实现。针对车辆操纵信息采集非实时性及车辆运行参数模型构建简易等效的技术问题,采用多核多线程的方法进行操纵信息实时并行采集及车辆运行参数模型构建精细化技术研究。通过线位移传感器、角位移传感器、微动开关及光耦隔离模块的硬件搭建,对车辆操纵信息数据进行初步采集标定转化;基于改进变步长LMS算法对采集的数据进行自适应滤波清洗,抑制杂波干扰,提高信息采集效能;采用共享片上缓存的多核体系架构,构建多线程间条件变量同步的并行实时采集框架,采用任务级并行模式实现驾驶操纵信息“采集—处理—传输”的无缝连接,节省程序执行时函数切换的时间开销,达到低开销、高并行的驾驶操纵信息实时采集传输效果;充分考虑车辆动力系统、传动系统、转向系统及气压制动系统的物理结构特征及动力传输特性,建立车辆运行参数精细化模型,实现车辆操纵信息向车辆运行参数信息的精准传递,提高了车辆动力学模型参数输入的有效性。针对传统车辆动力学模型解算迟滞性问题,采用改进四阶RTRK算法及模板技术进行车辆动力学模型实时解算技术研究。通过设立车辆动力学模型的约束条件,缩小整车动力学模型的系统边界;依据多视角车辆三维动力学模型受力分析,构建相应的整车动力学模型;基于主流轮胎模型比对,选用改进Gim模型构建轮胎地面力学模型,结合轮胎滚动力学模型,有效分析轮胎受力与结构参数变化下的轮胎力学特性,进而精确描述车辆行驶过程中整车运行姿态。通过对车辆动力学方程表达式进行标准化改造,将仿真时间区域按一定步长离散化,遴选改进四阶RTRK算法对车辆动力学方程进行实时解算,降低积分运行子程序工作量;采用基于C++的模板技术对车辆动力学方程的解算器进行封装,将车辆动力学方程的表达式作为函数参数进行传递,在编译过程中形成相应计算实例,避免了表达式对象加载造成的时间开销,从而提高代码复用性,完成车辆动力学方程的实时解算优化,解决了解算算法实时性与鲁棒性并存问题,实现了低耗时高精度的车辆试验工况仿真。针对车辆关键性能表征物理量繁多及传统车辆性能评价功能单一问题,基于改进雷达图理论,进行车辆关键性能评价技术研究。基于3DMax多边形建模技术、映射贴图技术和多边形平滑组技术,结合参照模板及扩展库进行试验车辆及试验场环境搭建,通过OpenGL矩阵堆栈调用,实现三维试验场景的多视角实时漫游。参照国标及相关ECE法规制定的车辆性能试验方案,构建车辆关键性能特征物理量方案集。通过对传统雷达图评价方法进行改进,采用扇形面积和扇形周长作为评价特征向量,以定性和定量相结合的方法,构建车辆关键性能层次分析模型的目标层、准则层和指标层。基于判断矩阵确定评价指标权重,针对不同量纲表述的评价指标进行归一化处理,依据指标权重和评价值计算的评价对象所占的面积和周长作为评价特征向量,根据构造的评价向量及构造函数的解析值完成车辆关键性能的技术评价,提升了车辆关键性能评价的有效性与实用性,便于车辆设计参数的优化改进。为验证论文所提出算法的有效性和实时性,完成客运车辆关键性能虚拟测试系统的设计开发,并进行系统的功能实现。基于市场主流车型,完成客运车辆关键性能虚拟测试试验,并对试验结果进行智能评价及对车辆设计参数进行优化改进。测试结果表明:本文提出的结合个人辅助操纵的客运车辆关键性能虚拟测试方案有效可行,系统使用便捷、成本低廉、工作稳定可靠,达到车辆设计工程师个人辅助设计应用要求。
宋治国[4](2020)在《基于稀疏表示和相关滤波的视觉目标跟踪技术研究》文中进行了进一步梳理视觉目标跟踪是计算机视觉里最基本的研究问题之一,其核心任务是估计视频序列中目标的运动状态,包括目标大小、目标位置、运动方向等,能进一步为后续高层次的视觉任务提供重要数据。目标跟踪能成为近年计算机视觉里研究的热点话题,得益于在智能交通、视频监控、人机交互等领域的广泛应用。过去几年,虽然目标跟踪算法取得了很大进展,但在实际应用中,目标的外观通常会受到光照变化、遮挡、快速运动、背景杂乱等因素影响,实现鲁棒的目标跟踪任务仍然具有很大的挑战。论文主要依据稀疏表示和相关滤波的基本理论,围绕如何设计一个鲁棒的外观模型、度量跟踪结果的可靠性、减轻模型漂移三个主要问题,研究目标跟踪的方法,具体研究内容和创新点如下:(1)提出了一种全局稀疏表示和多尺度局部稀疏表示联合的目标跟踪模型。基于稀疏表示的目标跟踪模型,大体分为全局稀疏表示和局部稀疏表示。全局稀疏表示模型能够捕获目标的全局信息,适用于目标的整体外观变化,如姿态变化、照明变化等场景。局部稀疏表示模型将目标分成一系列局部小块,能够捕获目标的局部信息,适用于部分遮挡、局部形变等场景。为了有效的建模目标外观,论文将两种模型结合,利用两者的优势互补进行目标跟踪。在局部稀疏表示的模型中,通常只在一个尺度下对目标进行分块。为了能够捕获不同尺度下目标的局部信息,增强目标的表示能力,论文将目标在不同的尺度下独立的分成一系列的小块,分别进行稀疏编码构成目标的外观表示。在局部模型里,本论文采用直方图交叉函数度量不同尺度下候选目标和对应尺度下模型的相似性,并基于块污染描述子设计了不同尺度下模型相似性度量的权重系数,将不同尺度下各模型相似性度量进行加权作为局部模型下的相似性度量结果。最后在贝叶斯框架下利用两个模型合作的相似性度量得分来估计目标运动状态。(2)提出了一种块描述子和结构局部稀疏表示结合的目标跟踪方法。在利用结构局部稀疏表示建模目标外观模型的跟踪器中,并没有考虑每个块的不同状态;在跟踪过程中,当这些块的外观变化不一致时,这将影响跟踪性能。针对这个问题,论文设计了块描述子来反映目标外观变化时每个块受到噪声污染的程度。首先将目标分成多个非重叠的局部块,并利用结构局部稀疏表示计算每个块的稀疏表示系数。其次进一步将每个局部块再分成多个子块,并将块描述子定义为各局部块中子块重建误差小于给定阈值的子块个数占各局部块中子块总数的比率。然后联合利用结构局部稀疏表示系数和块描述子建模目标的外观。最后为了适应目标的外观变化和缓解模型漂移,提出了一种异常知晓的模型更新策略。(3)由于计算的高效和性能的优越性,核相关跟踪在近年受到了极大的关注。但是基于核相关滤波的跟踪方法仍然存在一些缺点苛待改进,如特征单一、缺乏目标的尺度估计和跟踪可靠性判断机制等等。针对这些问题,论文提出了一种具有在线重检测机制的合作相关滤波跟踪框架。在不同的场景下,不同的特征具有不同的区分目标和背景的能力。本文首先根据多个不同的特征独立的学习了多个核相关滤波器,并提出了一种简单而有效的基于点乘的相关响应图融合方式,以获得最终的响应图。基于点乘,响应图可以互为滤波器滤除彼此的噪声,以获得一个更可靠的响应图,提高位移估计的准确性。其次,构建了一个尺度滤波器用于处理目标的尺度变化。而且,为了进一步提高跟踪的准确性,论文设计了一个跟踪可靠性度量标准和在线重检测器。当跟踪不可靠时,启动在线检测器,在局部区域内对目标进行重检测,以校正跟踪结果。(4)提出了一种多通道特征集成的实时核相关滤波跟踪方法,该方法基于低维特征。多通道特征集成通常能提高相关滤波器的跟踪性能,然而相关滤波计算的时间损耗与特征的维数成线性关系。为了减小计算代价,论文基于主成分分析对多通道特征进行了降维。不同于标准的核相关滤波跟踪器,论文提出在位移估计中采用两个核相关滤波器用于粗到细搜索定位。在粗搜索阶段,采用大的搜索窗,以便处理快速运动及从潜在的漂移中恢复模型;在细搜索阶段,采用小搜索窗从粗定位中进一步提炼目标的位置。此外,针对因噪声污染的样本进入模型更新而导致模型漂移的问题,论文基于最大相关响应和平均峰值相关能量设计了一个准则度量跟踪的可靠性。当度量结果低于给定阈值时,停止更新跟踪模型以缓解模型漂移。(5)提出了一种将相关滤波和卷积神经网相结合设计鲁棒跟踪器的方法。该方法采用预训练的VGGNet-19多层卷积神经网络提取目标的Conv3-4、Conv4-4和Conv5-4层卷积特征,然后训练三个独立的判别式相关滤波器。在跟踪过程中分别计算卷积响应,并基于点乘将卷积响应融合形成最终的响应图输出,用于定位目标。为了适应目标外观的变化,采用插值的方法更新各相关滤波器。针对模型漂移问题,论文依据乘积融合后输出响应图的尖峰旁瓣比、跟踪框重叠率和跟踪轨迹平滑程度设计了一个置信度量准则,用于调整模型更新中的学习率。
王先杰[5](2020)在《基于消失点的非结构化道路检测算法研究》文中研究说明近些年,随着道路交通以及无人驾驶技术的迅速发展,车道线检测技术显然已经发展为一种热门研究项目。相对于结构化道路检测,在非结构化道路检测中,由于路面没有较为清晰的边界线和道路标示线,以及受复杂环境因素的影响,这使得路面检测与识别的过程增加了一定的难度。因此,论文通过理论分析和仿真结果总结出一种消失点的非结构化道路检测算法研究,并对车道线识别各个环节进行了深入研究。主要工作如下:首先,论文介绍了道路检测技术这一课题的研究背景和意义,对国内外研究状况进行综述,列举出非结构化道路算法的组成及分类,并总结了整个检测系统的框架;其次,在基于道路模型匹配算法中,分别列举出Canny、Roberts、Sobel以及Laplacian边缘检测算子的不同增强效果,简要分析基于灰度、彩色和纹理特征的道路图像检测算法在检测过程中的区别,并总结出存在的相关难点;最后,本文再对图像纹理特征提取、道路消失点估计以及道路边界约束进行详细分析,并提出改进方案,即一种基于消失点的非结构化道路边界检测算法。算法步骤为:首先设计一种以4个尺度,6个方向的类Haar纹理的实、虚部模板,提取出每个图像像素的纹理特征及纹理主方向,并利用正交校正的方法对纹理主方向进行校正,排除那些不明显的干扰点,然后采用一种改进的局部软投票法,在三角形投票区域中对每个像素点纹理方向投票选取出路面的预估消失点,最后以道路消失点为基准,通过多信息融合的方式对非结构化道路主边界线进行检测搜索。为了能够快速有效地实现非结构化道路检测算法,本文是针对单一图像的非机构化路面检测,使用Visual Studio 2010开发环境并搭载OpenCV 2.4.10编程语言,在PC端完成了算法的设计与改进,并通过定性分析和定量分析两者相结合的方式验证了算法的可行性。实验结果表明,本文所提出的算法具有一定的实时性、鲁棒性和准确性,为实现试验车的实时检测提供了可靠的理论基础。图[27]表[4]参[92]
郭文婧[6](2020)在《基于雷达和机器视觉的汽车主动防撞预警系统设计与实现》文中研究指明随着汽车产业的飞速发展,我国汽车保有量不断增加,交通事故也频繁发生。现有汽车设计中人们主要重视被动安全设计,虽然此类设计可以有效保障驾驶者的生命安全,但不能从根本上减少事故的发生。主动安全设计通过检测车辆周围的行驶环境,在交通事故到来之前就能起到防范作用,从而大大减少交通事故的发生。防撞预警系统作为主动安全技术中的重要一环,主要用于辅助驾驶员避免汽车碰撞事故的发生。在即将发生碰撞危险而驾驶员没有意识到时,系统能够发出警报提醒驾驶员采取行动,从而有效扩大驾驶员的视野、缓解驾驶者的疲劳状态,提高车辆行驶在恶劣天气下的安全性,进而减少碰撞事故的发生。本论文以雷达测距技术、机器视觉和嵌入式技术为基础,开发了一款汽车主动防撞预警系统。系统主要由三个部分构成:信息采集部分、数据处理部分和执行部分。工作流程是首先由多种传感器采集周围路况信息和行车参数,然后交由数据处理部分进行分析处理,最后根据结果判断应该采取的措施。汽车在行驶中,系统能够自动发觉前方视野中造成影响的车辆或其他障碍物体,探测后方车辆与本车的实际距离,检测本车是否有偏离车道的风险,当发现危险时能够自动提醒驾驶员来防止碰撞事故的发生从而提升车辆在各种状况下的行驶安全性。本文首先阐述了汽车主动防撞预警系统的研究意义和国内外研究现状,分析了系统功能并完成了系统总体设计方案;研究了防撞领域测距传感器的特性并进行选型;针对分等级预警功能,建立了适合本系统的安全距离模型;利用图像处理的方法对道路图像进行检测,识别当前车道上的可行驶区域,并针对车辆偏离车道情况,给出车道偏离预警算法模型;接着进行总体硬件设计,完成了对各个子模块的硬件设计和选型;在系统硬件设计基础之上,完成了系统的软件设计,包括纵向车间距检测、车道偏离检测、显示和声光报警部分的软件设计;最后对各个子模块的性能进行测试,然后对整个系统进行功能测试,验证了本系统的可行性及准确性。本文通过上述的所有工作,完成了汽车主动防撞预警系统的设计,实现了课题目标要求。
刘铜[7](2020)在《智能视觉计算中目标跟踪状态预测及评估方法研究》文中提出目标跟踪是智能视觉中的一项关键核心技术,也是一个重要而富于挑战性的前沿研究课题。视觉跟踪技术被广泛应用于智能化的交通系统、安防监控、多媒体、机器人等复杂工程项目中。本文研究开发的状态计算方法旨在对视频序列中的目标对象实现精准而稳定的自动跟踪,其主要内容可以概括如下:(一)提出了基于划分损失计算的视觉目标跟踪方法。该方法使用了增量型离散余弦变换及结构化的信息损失表示,其可以自适应地将样本图像序列做分块处理,结合划分系数,以加强目标前景区域内更具判别力局部面片的积极效应,减弱其周围背景区域可能包含附近环境干扰的负面影响。在线状态预测过程即为粒子滤波概率推断框架内,通过似然评估进行最大后验求解。(二)提出了基于双向缩放计算的视觉目标跟踪方法。该方法使用了判别式相关滤波模型及多通道的图像样本表示,其可以自适应地根据目标外观出现的均匀或非均匀缩放变化,分别沿着水平方向和垂直方向高效地完成尺度搜索,通过尺度状态检测响应评估及双向尺度至尺寸转换模块,以获得不同方向上的最佳尺寸,在线实时预测具有动态宽高比的矩形目标边界框。(三)提出了基于在线融合计算的视觉目标跟踪方法。该方法使用了证据性推理分析策略及决策级的系统线索协同,其可以自适应地利用多跟踪预测器的判别特性和互补属性,以克服复杂环境中和困难情况下,单一深度学习方案的局限。通过对目标中心和区域进行在线评估判断,融合潜在有价值的决策,抑制可能失败的决策,并在跟踪过程中完善目标状态的预测结果。本文所提出的跟踪算法可以有效增强真实场景中目标跟踪的状态预估能力,减轻视觉跟踪过程中出现的位置漂移偏离,以及灵活应对目标区域宽高尺寸的自由变化。目标跟踪基准测试数据上的定性与定量比较实验结果,表明了本文所提出的视觉目标跟踪方法的准确性和鲁棒性。
方德光[8](2020)在《炭黑分散度在线检测方法及实验研究》文中认为炭黑是橡胶工业使用最广泛的补强材料,炭黑分散性的好坏影响混炼胶的加工性能和物理机械性能。炭黑如果分散不均匀,容易形成较大的二次聚集体,不利于后续加工工艺的进行,因此,炭黑分散度是衡量胶料混炼质量的重要指标,炭黑分散度的测定是橡胶工业重要的研究课题之一。目前炭黑分散度的检测手段主要有两种,一是人工目视检测,此方法受检测者主观因素影响较大,检测结果不准确;另一种是使用炭黑分散度自动评级设备,此类设备虽然在橡胶工业得到一定程度的应用,但存在一些明显的问题,具体表现在这些设备的检测过程都是离线的,只能在混炼结束后检测炭黑分散度;对炭黑聚集体的识别方法不够完善,不能准确识别图像中低对比度的炭黑聚集体;无法甄别胶料图像中的划痕,导致检测结果存在一定误差等等。针对这些问题,本文研发了炭黑分散度在线检测系统,采用线扫描相机采集连续排出的橡胶并对图像中的炭黑进行分析、识别,实现了混炼胶中炭黑分散度的连续在线检测,本文的主要工作如下:(1)针对低对比度炭黑聚集体识别困难的问题,提出一种基于背景估计的炭黑聚集体识别算法,此算法可有效检测出对比度偏低的炭黑聚集体,提高了炭黑分散度检测的准确性。(2)针对混炼胶图像中的划痕干扰炭黑分散度检测的问题,提出一种基于形态学运算和骨架抽取方法的划痕检测算法,经实验验证,此算法能有效甄别混炼胶图像中的划痕。(3)针对在线检测数据吞吐量大的问题,研究了炭黑分散度在线检测机理,构建了炭黑分散度检测流水线模型,基于多线程技术,使算法的图像采集部分、图像处理部分、结果评估部分并行运行。(4)研发了炭黑分散度在线检测硬件系统。通过分析检测对象的光学特征,对线扫描相机、线光源和编码器等合理选型。经验证,本文所构建的检测系统能够连续采集的混炼胶表面图像,采集的图像准确、清晰、细节丰富。(5)研发了一套炭黑分散度在线检测上位机控制软件,实现了图像采集、图表动态绘制、图像处理、数据库交互等关键功能;软件界面友好,功能完善,集成有历史数据检索、报表导出、软件在线升级等实用功能。(6)针对混炼胶表面图像存在噪声的问题,在分析噪声来源及特点的基础上,通过分析、对比常用的图像去噪算法,确定使用中值滤波对图像去噪,此方法在去噪的同时保护了图像的细节。实验结果表明,本文研发的炭黑分散度在线检测系统能实时检测混炼胶表面的炭黑聚集体,为橡胶工业实现自动化检测提供了参考,为研发混炼胶其他缺陷的在线检测系统提供了依据。
王文威[9](2020)在《基于转鼓平台的智能汽车整车在环加速测试研究与实现》文中提出新技术在给智能汽车赋能的同时,也给传统的测试工具和测试方法带来了新的挑战。目前智能汽车测试工具性能单一,存在无法实现复杂测试需求、测试加速中极端场景比例低等问题。为提升传统测试方案的测试能力,确保智能汽车在道路测试前可以得到严格充分的测试,本文提出了基于转鼓平台的智能汽车整车在环加速测试方案。所提出的测试方案可以实现被测车辆感知层多源信息仿真、道路模型动态复现、车辆转向跟随,并依据NGSIM数据集构建了组合型车辆跟驰模型,并对交叉熵重要抽样加速生成的测试场景进行仿真测试和实车测试,验证了所构建加速测试方法的正确性。主要研究内容包括:设计了由道路模拟子系统和信号仿真子系统构成的智能汽车整车在环测试架构。信号仿真子系统的实际感知数据主要由毫米波雷达暗箱和视频暗箱生成,虚拟仿真数据主要从场景软件的传感器模块获取。道路模拟子系统可以通过PID算法控制转鼓平台内部的伺服电机,实现测试场景中道路阻力、翻滚角以及俯仰角的模拟和转向随动。转向随动系统的模糊滑模控制算法依据被测车辆轮胎转角和方向盘转角,控制实现转向随动和状态检测,实验结果表明转向随动系统能够实现对智能汽车转向的准确平稳跟随。依据理论驱动模型和数据驱动模型构建了IDM-SVR组合型车辆跟驰模型。构建模型所使用的数据均是从NGSIM数据集中筛选的跟驰数据,通过模拟退火算法对IDM模型的参数进行标定,结合粒子群优化算法对SVR模型参数进行优化,最后通过最优加权法确定模型的加权系数,生成能够体现理论属性和数据属性的IDM-SVR车辆跟驰模型,组合模型能够明显改善速度和加速度的波动。在MCMC随机采样测试场景的基础上,通过交叉熵重要抽样方法实现对测试场景中极端场景的加速生成,解决了实际测试过程中极端场景生成率低的问题。实车实验时,测试系统上位机软件对测试工具进行参数设置,并使用毫米波雷达暗箱模拟测试场景信号。使用组合模型对生成的测试场景进行测试,结果表明,加速采样方案产生的事故率较实际道路产生的事故率有明显提升,可以有效提高加速测试效率。
颜春辉[10](2020)在《分布式驱动电动汽车分工况转矩分配与控制研究》文中研究指明分布式驱动汽车通常采用轮毂电机直接驱动车轮行驶,与传统汽车复杂的动力系统相比,采用轮毂电机驱动不仅能够简化车辆机械结构,减轻整车重量,提高驾乘体验,而且由于轮毂电机转矩响应迅速和电机转矩独立可控的优势,更有利于实施电动汽车智能控制和主动控制。针对分布式驱动车辆转矩分配与控制问题,设计制定合理转矩优化分配与控制策略,实现车辆转向行驶的差速控制与直线行驶的驱动防滑控制。首先对四轮轮毂电机驱动电动汽车进行简单建模,并运用七自由度模型,并对车身、转向系统以及驱动轮等分模块进行动力学分析。其次,由于车辆需要适应不同的驾驶需求,根据模块化设计和控制的思想,分不同的工况对转向行驶下的转矩分配和直线行驶转矩分配的问题进行研究。为满足车辆转向行驶工况下转向机动性与转向稳定性的需求,根据不同车速制定车轮驱动转矩控制策略,低速下参考理想转向关系,控制车轮驱动转矩实现电子差速;高速下以车辆行驶横向稳定性为目标,进行车辆驱动转转矩优化分配。控制策略从两方面对转矩控制进行协调,以适应不同车速工况。当车辆直线行驶时,考虑车轮滑转状况以及四个车轮驱动力的协调,制定了驱动防滑控制策略,以滑模控制为基础,通过监测车轮纵向力与转速之间的关系,获得车轮滑转失控时机,适时地启动车轮驱动防滑控制,通过减小纵向力,达到驱动防滑的目的。搭建满足研究需求的Car Sim和MATLAB/Simulink联合仿真模型,进行离线仿真,并搭建双轮毂电机实验平台,对转矩优化分配控制策略进行硬件在环仿真验证。仿真实验结果表明,转矩实时优化策略能够保证车辆高速行驶时电机转矩控制的实时性要求,保证车辆转向稳定性。搭建了四轮轮毂电机驱动的分布式电动汽车试验车,进行了实车试验,验证转向工况下转矩分配策略的控制效果,结果表明本文设计的基于电子差速转矩控制策略通过转矩协调控制可达到较好的差速效果。
二、汽车安全辅助驾驶系统中通用测量控制模板的设计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、汽车安全辅助驾驶系统中通用测量控制模板的设计(论文提纲范文)
(1)基于以太网的智能汽车实时控制总线通信系统研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.3 研究目的及意义 |
1.4 主要研究内容 |
第二章 车载以太网总线系统设计 |
2.1 汽车以太网通信系统需求分析 |
2.2 系统方案以及研发路线 |
2.3 硬件平台初步设计 |
2.4 总线拓扑结构设计 |
2.5 软件初步设计 |
第三章 硬件详细设计 |
3.1 硬件总体架构 |
3.2 各功能模块设计 |
3.3 硬件实物图 |
第四章 软件详细设计 |
4.1 音视频信号传输协议 |
4.2 实时控制信号传输协议 |
4.3 以太网与CAN总线协议桥接 |
第五章 数据传输应用测试 |
5.1 实时控制信号传输 |
5.2 实时视频信号传输 |
5.3 以太网总线与CAN总线桥接测试 |
第六章 结论及工作展望 |
6.1 结论 |
6.2 未来工作展望 |
参考文献 |
致谢 |
(2)电动拖拉机设计理论及控制策略研究(论文提纲范文)
摘要 |
Abstract |
符号说明 |
1 绪论 |
1.1 电动拖拉机研究的背景及意义 |
1.2 电动拖拉机发展现状 |
1.2.1 电动拖拉机发展历程 |
1.2.2 电动拖拉机技术研究现状 |
1.3 主要研究内容 |
2 电动拖拉机结构原理及性能分析 |
2.1 电动拖拉机功能分析及性能评价 |
2.1.1 电动拖拉机功能分析 |
2.1.2 电动拖拉机性能需求及评价 |
2.2 电动拖拉机结构设计 |
2.2.1 电动拖拉机电源系统结构设计 |
2.2.2 电动拖拉机驱动系统结构设计 |
2.2.3 电动拖拉机总体结构设计 |
2.2.4 电动拖拉机工作模式分析 |
2.3 电动拖拉机主要参数计算 |
2.3.1 主要参数计算流程 |
2.3.2 主要参数计算 |
2.4 电动拖拉机性能分析 |
2.4.1 设计实例 |
2.4.2 电动拖拉机性能分析 |
2.5 小结 |
3 电动拖拉机优化设计研究 |
3.1 电动拖拉机优化设计分析 |
3.2 电动拖拉机优化要素及数学模型 |
3.2.1 电源系统优化要素及数学模型 |
3.2.2 驱动系统优化要素及数学模型 |
3.2.3 拖拉机总体优化要素及数学模型 |
3.3 电动拖拉机优化设计算法及流程 |
3.3.1 电动拖拉机优化算法分析 |
3.3.2 电动拖拉机优化流程设计 |
3.4 设计实例及验证 |
3.4.1 电动拖拉机优化设计结果分析 |
3.4.2 电动拖拉机优化设计验证 |
3.5 小结 |
4 电动拖拉机控制策略研究 |
4.1 电动拖拉机控制策略分析 |
4.2 电源管理策略 |
4.2.1 基于规则的电源管理策略 |
4.2.2 功率分配控制算法 |
4.2.3 SOC估计算法 |
4.3 驱动控制策略 |
4.3.1 驱动电动机控制策略 |
4.3.2 变速器换挡策略 |
4.4 总体控制策略 |
4.4.1 总体控制策略 |
4.4.2 整机通信协议 |
4.5 小结 |
5 电动拖拉机控制硬件在环测试 |
5.1 硬件在环系统分析 |
5.1.1 硬件在环系统原理 |
5.1.2 硬件在环平台分析 |
5.2 硬件在环系统开发 |
5.2.1 电动拖拉机仿真模型 |
5.2.2 电动拖拉机整机控制器 |
5.2.3 电动拖拉机硬件在环平台 |
5.3 硬件在环测试 |
5.3.1 犁耕作业测试结果 |
5.3.2 旋耕作业测试结果 |
5.4 小结 |
6 结论与展望 |
6.1 研究结论 |
6.2 创新点 |
6.3 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(3)基于半物理仿真驱动的客运车辆关键性能虚拟测试技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题的提出及研究意义 |
1.1.1 研究背景和选题依据 |
1.1.2 研究目的和研究意义 |
1.2 国内外研究现状及评述 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 研究现状评述 |
1.3 研究目标、内容、技术路线与创新点 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 技术路线 |
1.3.4 研究创新点 |
1.4 本章小结 |
第二章 基于多核多线程的车辆操纵数据实时并行采集技术研究 |
2.1 基于多传感器融合的车辆操纵数据信息采集 |
2.1.1 基于线位移传感器的踏板信号采集与处理 |
2.1.2 基于角位移传感器的转向信号采集与处理 |
2.1.3 基于微动开关的挡位信号采集与处理 |
2.1.4 基于改进变步长LMS的自适应滤波洗出算法 |
2.2 基于多核多线程的数据实时并行采集方法 |
2.2.1 基于多核内存资源共享的数据实时采集软件框架设计 |
2.2.2 基于条件变量线程间同步的并行采集程序模型构建 |
2.3 考虑车辆结构特征的车辆运行参数模型构建 |
2.3.1 基于发动机负荷特性曲线的动力系统仿真模型构建 |
2.3.2 面向扭矩传递路径的传动系统仿真模型构建 |
2.3.3 基于转向梯形机构的转向系统仿真模型构建 |
2.3.4 基于气压传递原理的车辆制动系统仿真模型构建 |
2.4 本章小结 |
第三章 基于改进四阶RTRK算法及模板技术的车辆动力学模型实时解算技术研究 |
3.1 车辆动力学实时仿真模型构建 |
3.1.1 整车动力学仿真流程及模型构建约束条件 |
3.1.2 坐标系统及其关系模型的建立 |
3.1.3 车辆动力学模型的构建 |
3.2 基于改进四阶RTRK算法的车辆动力学模型实时解算方法研究 |
3.2.1 车辆动力学方程表达式的标准化 |
3.2.2 车辆动力学模型实时求解方法的选取原则 |
3.2.3 基于改进四阶RTRK算法的车辆动力学模型实时解算 |
3.3 基于模板技术的车辆动力学模型解算器的封装 |
3.3.1 解算器代码层级执行架构 |
3.3.2 面向模型仿真实时性的解算器封装 |
3.3.3 车辆动力学模型解算算例分析 |
3.4 本章小结 |
第四章 基于改进雷达图理论的车辆关键性能评价技术研究 |
4.1 基于OpenGL与3DMax的车辆虚拟试验环境构建 |
4.1.1 建模关键技术 |
4.1.2 车辆与试验场景构建 |
4.1.3 试验场景驱动 |
4.2 车辆关键性能虚拟试验方法与特征物理量方案集构建 |
4.2.1 车辆动力性试验方法 |
4.2.2 车辆操纵稳定性试验方法 |
4.2.3 车辆制动性试验方法 |
4.2.4 车辆关键性能特征物理量方案集构建 |
4.3 基于改进雷达图理论的车辆关键性能评价 |
4.3.1 层次分析模型与评价指标体系构建 |
4.3.2 基于判断矩阵的评价指标权重确定 |
4.3.3 基于特征向量的车辆关键性能评价 |
4.4 本章小结 |
第五章 客运车辆关键性能虚拟测试系统设计与实现 |
5.1 系统架构设计 |
5.1.1 系统设计任务与目标 |
5.1.2 系统设计原则 |
5.1.3 系统设计流程 |
5.1.4 系统功能模块组成 |
5.2 车辆关键性能虚拟测试系统仿真实现 |
5.2.1 试验车辆主要参数 |
5.2.2 车辆关键性能虚拟试验 |
5.2.3 试验评价及车辆设计参数优化 |
5.3 本章小结 |
总结与展望 |
参考文献 |
攻读博士学位期间取得的科研成果 |
致谢 |
(4)基于稀疏表示和相关滤波的视觉目标跟踪技术研究(论文提纲范文)
摘要 |
ABSTRACT |
主要缩略语对照 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 目标跟踪面临的挑战 |
1.2.2 相关工作及研究进展 |
1.3 论文的主要工作及结构安排 |
1.3.1 论文的主要工作 |
1.3.2 论文的结构安排 |
1.4 本章小结 |
第二章 目标跟踪基础知识与理论 |
2.1 目标的外观描述 |
2.2 目标跟踪状态的贝叶斯估计 |
2.3 图像稀疏表示基础理论 |
2.3.1 稀疏表示的数学模型 |
2.3.2 稀疏表示优化求解算法 |
2.4 图像相关滤波基础理论 |
2.4.1 相关滤波器基本概念 |
2.4.2 最小输出误差平方和滤波器 |
2.4.3 核相关滤波器 |
2.4.4 相关滤波器性能度量 |
2.5 目标跟踪数据集及评价准则 |
2.5.1 目标跟踪数据集 |
2.5.2 目标跟踪评价准则 |
2.6 本章小结 |
第三章 基于全局和多尺度局部模型结合的目标跟踪 |
3.1 引言 |
3.2 提出的跟踪方法 |
3.2.1 判别式的全局模型 |
3.2.2 产生式的多尺度局部模型 |
3.2.3 贝叶斯框架下目标跟踪 |
3.2.4 在线模型更新 |
3.3 实验结果与分析 |
3.3.1 定量分析 |
3.3.2 定性分析 |
3.4 本章小结 |
第四章 基于块描述子和结构局部稀疏表示的目标跟踪 |
4.1 引言 |
4.2 提出的跟踪方法 |
4.2.1 块描述子和结构局部稀疏表示 |
4.2.2 目标跟踪 |
4.2.3 更新策略 |
4.3 实验结果与分析 |
4.3.1 实验设置 |
4.3.2 总性能评估 |
4.3.3 属性分析 |
4.3.4 模板更新策略评估 |
4.3.5 典型结果分析 |
4.4 本章小结 |
第五章 具有重检测机制的合作相关滤波跟踪 |
5.1 引言 |
5.2 相关工作 |
5.2.1 基于多特征的目标跟踪 |
5.2.2 减轻模型漂移策略 |
5.3 提出的跟踪方法 |
5.3.1 位移估计 |
5.3.2 在线重检测 |
5.3.3 尺度估计 |
5.3.4 模型更新 |
5.4 实验结果与分析 |
5.4.1 实验环境 |
5.4.2 总性能评估 |
5.4.3 分量分析 |
5.4.4 不同特征组合评估 |
5.4.5 响应图融合方法分析 |
5.4.6 典型结果分析 |
5.5 本章小结 |
第六章 基于低维特征核相关滤波器的实时目标跟踪 |
6.1 引言 |
6.2 提出的跟踪方法 |
6.2.1 核相关滤波跟踪 |
6.2.2 多特征集成和维数减少 |
6.2.3 粗到细的搜索机制 |
6.2.4 尺度估计 |
6.2.5 模型更新机制 |
6.3 实验结果与分析 |
6.3.1 实验环境和评估标准 |
6.3.2 在OTB-2015数据集上的评测 |
6.3.3 在TColor-128 数据集上的评测 |
6.4 本章小结 |
第七章 基于多层卷积神经网和自适应模型更新的相关滤波目标跟踪 |
7.1 引言 |
7.2 提出的跟踪方法 |
7.2.1 判别式相关滤波器 |
7.2.2 卷积特征提取与响应融合 |
7.2.3 尺度估计 |
7.2.4 自适应模型更新 |
7.3 实验结果与分析 |
7.3.1 实验环境和评估标准 |
7.3.2 总性能评估 |
7.3.3 基于属性的评估 |
7.3.4 模型有效性分析 |
7.3.5 典型结果分析 |
7.4 本章小结 |
总结与展望 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
附件 |
(5)基于消失点的非结构化道路检测算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及目的 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 课题研究内容 |
1.4 本章小结 |
2 非结构化道路检测算法相关理论 |
2.1 引言 |
2.2 基于模型匹配的算法相关理论 |
2.2.1 边缘检测算法分析 |
2.2.2 道路模型匹配分析 |
2.3 基于特征的算法相关理论 |
2.3.1 基于灰度特征的算法 |
2.3.2 基于彩色特征的算法 |
2.3.3 基于纹理特征的算法 |
2.4 非结构化道路检测算法相关问题 |
2.5 本章小结 |
3 基于类Haar纹理的消失点检测 |
3.1 消失点检测方案 |
3.1.1 纹理主方向提取 |
3.1.2 投票区域规划 |
3.1.3 目标函数选取 |
3.1.4 相关问题 |
3.2 纹理主方向提取改进方案 |
3.2.1 类Haar纹理 |
3.2.2 纹理主方向校正 |
3.3 消失点估计改进方案 |
3.3.1 投票区域改进 |
3.4 本章小结 |
4 非结构化道路边界检测算法研究 |
4.1 类Haar纹理特征 |
4.1.1 模板设计 |
4.1.2 计算过程 |
4.1.3 纹理主方向校正 |
4.2 消失点检测 |
4.2.1 局部软投票法 |
4.2.2 算法流程 |
4.2.3 投票结果分析 |
4.3 道路边界检测 |
4.4 多信息融合的非结构化道路检测算法 |
4.5 本章小结 |
5 实验结果与分析 |
5.1 实验平台 |
5.2 实验设计 |
5.3 实验结果与分析 |
5.3.1 消失点检测分析 |
5.3.2 主边界检测分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 论文展望 |
参考文献 |
致谢 |
作者简介及读研期间主要科研成果 |
(6)基于雷达和机器视觉的汽车主动防撞预警系统设计与实现(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要研究内容 |
1.4 论文结构安排 |
1.5 本章小结 |
第2章 系统需求分析与总体设计 |
2.1 系统需求分析 |
2.2 系统总体设计 |
2.3 车载测距传感器比较 |
2.3.1 几种测距方式介绍 |
2.3.2 测距传感器对比及选择 |
2.4 安全距离模型 |
2.5 本章小结 |
第3章 道路图像处理及偏离预警 |
3.1 算法总体设计 |
3.2 道路图像预处理 |
3.2.1 图像灰度化 |
3.2.2 边缘检测 |
3.2.3 图像二值化 |
3.3 车道线的识别 |
3.3.1 逆透视变换 |
3.3.2 车道线拟合 |
3.4 车道偏离预警算法 |
3.4.1 TLC模型 |
3.4.2 FOD模型 |
3.4.3 CCP模型 |
3.5 本章小结 |
第4章 系统硬件设计 |
4.1 系统总体结构设计 |
4.2 主控模块 |
4.3 纵向车间距检测模块 |
4.3.1 车辆前方测距测速模块 |
4.3.2 车辆后方测距模块 |
4.4 车道偏离检测模块 |
4.5 显示模块 |
4.6 声光报警模块 |
4.7 本章小结 |
第5章 系统软件设计 |
5.1 主控程序设计 |
5.2 纵向车间距检测软件设计 |
5.2.1 车辆前方测距测速 |
5.2.2 车辆后方测距 |
5.3 车道偏离检测模块软件设计 |
5.4 显示模块软件设计 |
5.5 报警模块软件设计 |
5.6 本章小结 |
第6章 系统测试 |
6.1 系统测试环境搭建 |
6.2 系统功能测试 |
6.3 本章小结 |
总结与展望 |
致谢 |
参考文献 |
(7)智能视觉计算中目标跟踪状态预测及评估方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 应用背景与技术意义 |
1.2 本文研究的主要内容 |
1.2.1 基于划分损失的视觉跟踪算法 |
1.2.2 基于双向缩放的视觉跟踪算法 |
1.2.3 基于在线融合的视觉跟踪算法 |
1.3 本文研究的基本思路 |
第2章 智能视觉中目标跟踪方法概述 |
2.1 本章引言 |
2.2 粒子滤波型目标跟踪方法 |
2.3 相关滤波型目标跟踪方法 |
2.4 深度学习型目标跟踪方法 |
2.5 本章小结 |
第3章 基于划分损失计算的视觉目标跟踪方法 |
3.1 本章引言 |
3.2 流程步骤 |
3.2.1 局部式特征提取 |
3.2.2 结构化信息表示 |
3.2.3 概率推断及求解 |
3.3 实验测试 |
3.3.1 相关准备及设置 |
3.3.2 结果的定性比较 |
3.3.3 结果的定量比较 |
3.4 本章小结 |
第4章 基于双向缩放计算的视觉目标跟踪方法 |
4.1 本章引言 |
4.2 流程步骤 |
4.2.1 特征和表示构建 |
4.2.2 模型学习及更新 |
4.2.3 检测响应及转换 |
4.3 实验测试 |
4.3.1 相关准备及设置 |
4.3.2 结果的定性比较 |
4.3.3 结果的定量比较 |
4.4 本章小结 |
第5章 基于在线融合计算的视觉目标跟踪方法 |
5.1 本章引言 |
5.2 流程步骤 |
5.2.1 个体式决策评估 |
5.2.2 证据性分析推理 |
5.2.3 协同化状态预测 |
5.3 实验测试 |
5.3.1 相关准备及设置 |
5.3.2 结果的定性比较 |
5.3.3 结果的定量比较 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本文总结 |
6.2 研究展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(8)炭黑分散度在线检测方法及实验研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 炭黑分散度检测在橡胶工业的重要性 |
1.2 机器视觉检测技术的发展及现状 |
1.2.1 机器视觉检测技术的优势 |
1.2.2 国内外机器视觉检测技术的发展趋势 |
1.3 国内外炭黑分散度检测技术发展现状 |
1.4 本文的研究目的和主要研究内容 |
1.4.1 目前存在的主要问题 |
1.4.2 研究目的 |
1.4.3 研究意义 |
1.4.4 本文的研究内容 |
2 炭黑分散度检测系统构建 |
2.1 检测系统硬件整体构建 |
2.2 照明系统研发 |
2.2.1 照明方式选择 |
2.2.2 机器视觉常用的光源种类 |
2.2.3 各类光源的对比 |
2.3 工业相机的类型及相机选型 |
2.3.1 工业相机的类型 |
2.3.2 相机的选型 |
2.4 工业镜头的选型 |
2.5 编码器的选型 |
2.6 工控主机的选型 |
2.7 本章小结 |
3 炭黑聚集体的识别算法研究 |
3.1 机器视觉算法库Halcon简介 |
3.2 混炼胶表面图像预处理方法研究 |
3.2.1 噪声类型 |
3.2.2 图像空间滤波方法 |
3.3 炭黑聚集体提取方法 |
3.3.1 高对比度区域炭黑图像分割 |
3.3.2 低对比度炭黑区域的分割 |
3.4 混炼胶表面图像中划痕的识别 |
3.5 炭黑聚集体及划痕识别实验验证 |
3.6 本章小结 |
4 炭黑分散度检测系统上位机软件的研究与实现 |
4.1 上位机编程开发环境简介 |
4.1.1 Visual Studio2017 简介 |
4.1.2 SQL Server简介 |
4.2 上位机软件系统需求分析 |
4.3 数据库系统的研究与实现 |
4.3.1 炭黑分散度检测系统数据库研究 |
4.3.2 基于Win Form的数据库访问实现方法 |
4.4 上位机界面主要功能模块的实现 |
4.4.1 系统配置模块 |
4.4.2 在线升级模块 |
4.4.3 在线检测模块 |
4.5 C#与Halcon联合编程及多线程编程 |
4.5.1 C#与Halcon联合编程概述 |
4.5.2 上位机软件多线程编程开发 |
4.6 本章小结 |
全文总结与展望 |
本文所做工作 |
创新点 |
研究展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文及专利 |
(9)基于转鼓平台的智能汽车整车在环加速测试研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外智能汽车测试研究现状 |
1.2.1 测试方法 |
1.2.2 测试工具 |
1.2.3 测试加速 |
1.2.4 当前存在的问题 |
1.3 论文主要研究内容及章节安排 |
1.3.1 论文主要研究内容 |
1.3.2 论文章节安排 |
1.4 本章小结 |
第二章 智能汽车整车在环测试系统架构 |
2.1 整车在环测试系统总体结构 |
2.2 道路模型模拟子系统 |
2.2.1 转向随动系统 |
2.2.2 道路阻力模拟加载系统 |
2.2.3 道路姿态模拟系统 |
2.3 信号仿真及模拟 |
2.3.1 毫米波雷达硬件在环子系统 |
2.3.2 摄像头硬件在环子系统 |
2.3.3 传感器仿真在环子系统 |
2.4 测试评价流程及工作原理 |
2.5 本章小结 |
第三章 测试台架转向随动系统控制 |
3.1 测试台转向随动系统数学模型 |
3.1.1 永磁同步电机伺服系统数学模型 |
3.1.2 永磁同步电机伺服系统矢量控制 |
3.1.3 粘滞力补偿设计 |
3.2 滑模变结构控制设计 |
3.2.1 滑模变结构控制基本原理 |
3.2.2 滑模变结构控制器设计 |
3.3 模糊控制 |
3.3.1 数学基础 |
3.3.2 模糊控制组成 |
3.4 基于模糊规则的滑模变结构控制设计与实现 |
3.4.1 模糊滑模变结构控制器设计 |
3.4.2 系统仿真实验及结果分析 |
3.4.3 转向随动实车实验及结果分析 |
3.5 本章小结 |
第四章 基于自然驾驶数据的IDM-SVR车辆跟驰模型构建 |
4.1 自然场景驾驶数据处理及IDM模型参数标定 |
4.1.1 自然场景驾驶数据选择 |
4.1.2 数据筛选 |
4.1.3 跟驰模型选择及参数标定 |
4.2 基于支持向量回归的车辆跟驰模型构建 |
4.2.1 模型构建背景及原理 |
4.2.2 支持向量机原理 |
4.2.3 支持向量机参数及选择 |
4.2.4 基于PSO的支持向量机参数优化 |
4.3 IDM-SVR模型构建 |
4.3.1 模型组合 |
4.3.2 组合模型效果分析 |
4.4 本章小结 |
第五章 测试加速及系统集成测试 |
5.1 测试加速及实现 |
5.1.1 智能汽车测试评价 |
5.1.2 MCMC方法 |
5.1.3 二维Gibbs采样 |
5.1.4 交叉熵重要抽样 |
5.1.5 仿真测试及分析 |
5.2 系统集成及测试 |
5.2.1 系统硬件测试平台 |
5.2.2 系统软件测试平台 |
5.2.3 被测车辆纵向控制系统 |
5.2.4 实车测试及分析 |
5.3 本章小结 |
总结与展望 |
1 总结 |
2 展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
(10)分布式驱动电动汽车分工况转矩分配与控制研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 转矩分配与转矩控制研究概述 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文主要内容 |
第二章 四轮轮毂电机驱动电动汽车建模 |
2.1 引言 |
2.2 整车动力学建模 |
2.2.1 整车动力学模型 |
2.2.2 侧向纵向联合工况轮胎模型 |
2.2.3 电机驱动模型 |
2.3 汽车转向运动学模型 |
2.4 转向系统动力学建模 |
2.5 整车模型搭建及验证 |
2.5.1 仿真模型搭建 |
2.5.2 数学模型仿真验证 |
2.6 本章小结 |
第三章 四轮驱动汽车转向工况驱动力分配控制 |
3.1 引言 |
3.2 低速转向差速兼顾辅助转向的转矩控制 |
3.2.1 低速转矩控制目标和理论分析 |
3.2.2 自抗扰控制原理 |
3.2.3 自抗扰控制器设计 |
3.3 转向助力作用分析 |
3.4 高速转向以稳定性为目标的驱动力控制分配 |
3.4.1 车辆横摆稳定性控制原理 |
3.4.2 参考模型建立 |
3.4.3 横摆力矩决策计算 |
3.4.4 基于二次规划的转矩优化分配 |
3.4.5 二次规划算法 |
3.4.6 基于二次规划转矩分配控制器设计 |
3.5 转速控制与稳定性控制转矩协调控制 |
3.6 仿真 |
3.6.1 低速定转角转向工况仿真 |
3.6.2 高速转向工况仿真 |
3.7 本章小结 |
第四章 考虑车轮滑动率的驱动力分配控制 |
4.1 引言 |
4.2 车辆驱动防滑控制 |
4.2.1 驱动防滑的基本控制目标 |
4.3 车轮滑转状态下车辆稳定性分析 |
4.4 驱动防滑控制策略 |
4.4.1 车轮滑转的监测 |
4.5 基于特殊滑模控制的驱动防滑控制器设计 |
4.5.1 滑模变结构控制的基本原理 |
4.5.2 滑模控制器设计 |
4.6 仿真验证 |
4.7 本章小结 |
第五章 实验验证 |
5.1 引言 |
5.2 硬件在环台架实验 |
5.2.1 硬件在环实验台架介绍 |
5.2.2 实验结果分析 |
5.3 实车试验 |
5.3.1 实车试验平台介绍 |
5.3.2 实验结果及分析 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
四、汽车安全辅助驾驶系统中通用测量控制模板的设计(论文参考文献)
- [1]基于以太网的智能汽车实时控制总线通信系统研究[D]. 李隆. 兰州大学, 2021(09)
- [2]电动拖拉机设计理论及控制策略研究[D]. 刘孟楠. 西安理工大学, 2020(01)
- [3]基于半物理仿真驱动的客运车辆关键性能虚拟测试技术研究[D]. 乔洁. 长安大学, 2020
- [4]基于稀疏表示和相关滤波的视觉目标跟踪技术研究[D]. 宋治国. 华南理工大学, 2020(05)
- [5]基于消失点的非结构化道路检测算法研究[D]. 王先杰. 安徽理工大学, 2020(03)
- [6]基于雷达和机器视觉的汽车主动防撞预警系统设计与实现[D]. 郭文婧. 西南交通大学, 2020(07)
- [7]智能视觉计算中目标跟踪状态预测及评估方法研究[D]. 刘铜. 天津大学, 2020(01)
- [8]炭黑分散度在线检测方法及实验研究[D]. 方德光. 青岛科技大学, 2020(01)
- [9]基于转鼓平台的智能汽车整车在环加速测试研究与实现[D]. 王文威. 长安大学, 2020(06)
- [10]分布式驱动电动汽车分工况转矩分配与控制研究[D]. 颜春辉. 合肥工业大学, 2020(02)