以某企业正在开发的一款12 m右舵客车为研究对象,在Hyperstudy软件中建立车身骨架的近似模型,然后运用MOGA多目标遗传算法对车身骨架结构的壁厚进行优化,经过计算分析,轻量化后客车骨架质量减小206 kg,轻量化率达到9.13%,实现了轻量化的目标。通过对比分析轻量化前后车身骨架的典型工况性能和模态性能,验证了轻量化方案的合理性。

对汽车动力总成悬置系统的多目标优化问题进行了研究,明确了优化方向。基于算法融合理论,提出了结合多目标粒子群优化(MOPSO)算法和非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的混合算法,并运用经典测试函数分别对MOPSO算法、NSGA-Ⅱ及混合算法进行测试,验证了混合算法的可行性和高效性。运用混合算法解决了动力总成悬置系统的解耦问题,得到了多组满足要求的解集。实例优化结果证明,该混合算法对解决复杂动力总成悬置系统多目标优化问题是有效的。

为了提高智能车辆路径跟踪的精度,改善其行驶稳定性,提出了一种基于线性时变模型预测控制原理的路径跟踪控制器。对智能车辆进行动力学模型简化、三自由度动力学建模,对非线性动力学模型做线性化处理,获得线性时变状态方程,离散化得到离散方程和预测方程,考虑质心侧偏角、路面附着系数、轮胎侧偏角等约束条件,优化目标函数并转化求解方式为二次规划。基于MATLAB/Simulink和Carsim联合仿真平台,分别对直线路径和双移线路径跟踪进行仿真,结果表明,该路径跟踪控制器对目标路径有较好的跟踪效果。

进行了基于面部特征识别的驾驶员疲劳检测研究。设计了一种基于改进SSD的人脸特征检测算法,引进Resnet网络残差模块,解决了传统SSD算法训练的网络退化问题;使用Resnet-50替换原始SSD网络框架,有效减少了模型参数并提高识别率。针对驾驶室背景复杂的应用场景,采用Focal Loss代替Softmax Loss,以平衡正负样本的比例。实验结果表明改进SSD算法在自建的人脸特征数据集上的平均识别准确率为98.1%,比传统SSD算法提高了7.6%,体现为提高了对遮挡目标的识别率,且保持了较快的收敛特性。

依托某智能驾驶研发项目,通过对智能车辆单轨动力学模型的运动描述,建立换道策略和行车路径,结合模型预测控制最优化算法,协同智能车辆装载的传感执行设备,讨论了智能车辆在特定换道行驶场景下的路径规划与横向车辆控制。最后通过分析试验数据可知,在简化的低速换道场景下,最大横向位移误差小于0.5 m,整体性能良好。

对电子秤槽式电磁振动供料装置供料槽的刚度要求作了深入探讨,介绍了一种根据梁的最低固有频率的10～15倍的方法来确定供料槽刚度的一种简便方法.实践表明,用该方法确定的电子秤槽式电磁振动供料装置供料槽槽体的厚度符合实际,料槽刚度符合设计要求.

为了提升生产过程中的自动化水平,利用机器视觉结合三菱FX系列PLC设计了一套兼容多种产品自动分拣的系统,该系统是集上料、传送、检测、分拣、包装于一体的自动化系统。通过对小工件进行自动分拣,提高了小工件分拣的生产效率,同时保证了生产的质量,减少人员的投入,产生良好的经济效益。该系统为同种类型的小工件分拣提供参考。

电液系统是自动变速器的最重要组成部分它主要由电磁阀、换挡阀、离合器三部分组成涉及到电子、机械、液压多个物理领域。从动力学的角度分析该系统的动态特性可以提高离合器的控制精度。通过对电液系统的结构进行建模和仿真分析得到了电液系统的压力与电流的特性曲线并发现了压力滞环效应。通过分析滞环产生的原因提出了电磁阀电流的颤振控制并分析了电磁阀颤振控制的原理。并进行压力滞环实验验证了颤振电流可以明显减小压力滞缓、提高离合器的压力控制精度。

在220 t电动轮矿用自卸车转向系统机液联合建模的基础上进行动力学仿真。首先建立比＂两轮二自由度＂更符合实际矿用车情况的四轮二自由度转向系统动力学模型;分析220 t电动轮矿用自卸车稳态转向在ADAMS中进行稳态转向仿真并在ADAMS和AMESim机液联合模型的基础上对转向油缸和转向横拉杆进行了多工况受力分析。结果验证了220 t电动轮矿用自卸车全液压转向系统的正确性以及所研发样车具有不足转向特性操纵稳定性较好。

电动轮自卸车是露天矿山物料运输的重要工程车辆。矿区复杂的道路状况对电动轮自卸车的转向系统提出了较高的要求。针对载质量220t电动轮自卸车的全液压转向系统，从分析自卸车转向负载出发，计算了全液压转向系统的主要性能参数，并以此为基础，确定了转向液压缸、转向器、流量放大器、转向液压泵和转向蓄能器的主要性能参数。并给出了全液压转向系统的总设计图及元件布置图。