-
智能汽车自动驾驶技术的发展与挑战
来源:西南大学学报(自然科学版) 发布日期:2019-07-25
汽车自动驾驶技术的进步受益于人们对减小车辆碰撞行为所作的努力,人类驾驶员安全驾驶积累的相关经验将有助于驾驶自动化的发展.在解决车辆典型碰撞事故过程中,车辆纵向、横向及十字交叉路口的相关自动化技术的发展推动了汽车自动化驾驶水平的提升.智能汽车的完全自动驾驶是人类奋斗的最终目标,作为科技改变世界的钥匙,智能汽车的自动驾驶将可能引发社会制度的改变.人们的信任程度最终会影响自动驾驶的实际应用,并决定自动驾
-
智能汽车横向运动控制关键技术及现状
来源:山东交通学院学报 发布日期:2019-07-09
智能汽车通过良好的运动控制效果达到自主行驶的目的,智能汽车的横向运动控制是保障行驶稳定性的前提。阐述基于比例-积分-微分(proportion integration differentiation,PID)控制、模型预测控制(model predictive control, MPC)及滑模变结构控制等现阶段汽车横向运动的主要控制方法,说明每种控制方式的实际应用,探讨其各自的优缺点及适用范围,指
-
智能汽车换道避障路径规划与跟踪控制研究
来源:机械设计与制造 发布日期:2019-07-08
为了提高智能汽车行驶安全性,研究了智能汽车换道避障路径规划与跟踪控制问题。在路径规划方面,给出了换道避障决策过程,提出了等速偏移函数与正弦函数加权叠加的路径规划方法,经验证此路径满足曲率约束条件;建立了车辆运动学和动力学模型,使用位姿误差方程求解了期望横摆角速度;在路径跟踪方面,将RBF神经网络与滑膜控制结合,提出了神经滑膜控制器;经仿真验证,相比于传统滑膜控制器,神经滑膜控制器不仅减弱了抖振现象
-
无人驾驶汽车涉水安全的探讨及报警系统的设计
来源:科学技术创新 发布日期:2019-07-05
无人驾驶技术能够有效的提高交通效率并减少交通事故率,是未来智能汽车技术的重要发展方向,但其面临的问题难点也是前所未有的。本文介绍了无人驾驶技术的构成与功能,并对其在涉水行驶时可能发生的安全问题进行探讨,最后针对该问题提出一种解决方案。
-
智能汽车对前方车辆的运动感知与换道意图辨识
来源:西安理工大学 发布日期:2019-06-30
智能车辆是一种不需要人类操作就能自动感应周围环境、自动导航的载具。智能汽车有着提高车辆行驶安全性、减少交通事故、有效的管理交通流量、纾解交通压力等多种优点,现已成为未来汽车科技的主要发展方向。智能车辆在道路上安全行驶的前提是对行驶环境有准确的感知理解,其中对在途其它车辆的运动感知和驾驶行为理解尤为重要。本文以城市道路环境为背景,对智能车辆前方车辆目标的运动状态和换道意图进行研究,主要研究内容如下:
-
智能汽车MCS辐射抗扰试验方法研究
来源:汽车零部件 发布日期:2019-06-28
针对智能汽车多功能前视摄像头系统(MCS)辐射抗扰测试存在的难点,通过分析MCS的工作原理,结合汽车零部件电磁兼容测试要求,提出一种在半电波暗室内进行MCS辐射抗扰度测试方案。
-
车企数字化,机械艺术变奏曲
来源:产城 发布日期:2019-06-25
国际管理咨询公司罗兰贝格对于"数字化"给出的定义是,"通过数字化技术的应用,对企业的运作模式、管理模式、商业模式进行提升与改变的过程。"数字化转型已经渗透至各行各业,它会给汽车行业与车企、驾乘者带来什么?或将是高效的车辆开发与制造,安全性、舒适性双双提升的全新出行体验。
-
我国智能汽车产业形态探究
来源:汽车与配件 发布日期:2019-06-15
智能汽车因智行梦想而生、依科技创新而起、以产融发展而强、凭共享出行而兴。智能汽车是汽车与互联网、通信、电子信息等众多产业融合发展的必然趋势,它在给汽车行业带来巨大冲击的同时,也为包括汽车在内的众多产业创造了新的发展空间和机遇,并最终重塑汽车产业。产业形态是产业的外在表现形式,本文从产业形
-
基于hp自适应伪谱法的智能汽车紧急变道轨迹规划与优化
来源:中国公路学报 发布日期:2019-06-15
为了提高智能汽车紧急变道轨迹规划的实时性和适应性,将紧急变道过程分为初始阶段和跟踪阶段,初始阶段的轨迹由优秀驾驶人紧急变道模型产生,跟踪阶段的轨迹采用Sigmoid函数规划出紧急避让路径。首先通过聚类分析处理优秀驾驶人转向操作的实车试验数据,拟合得出紧急变道过程中的方向盘转角随时间的关系(即驾驶人紧急变道模型),作为智能汽车在紧急变道初始阶段不同速度下车辆控制的输入量。然后通过建立与求解约束方程,
-
向超级中央计算机迈进——智能汽车电子电气构架变革迎接数字化重塑
来源:微纳电子与智能制造 发布日期:2019-06-15
传统汽车正在向智能化方向转型与发展,智能汽车在其研发与生产制造过程中必定会发生翻天覆地的变化。就智能汽车E/E构架设计面临得挑战,及发展趋势做详细的论述,并预测其商业化落地时间大约为2025年。根据智能汽车的新架构中央计算机-层-区的概念构建,得出AI芯片是中央计算机的核心这一结论,并且通过安波福、特斯拉、博世和宝马汽车的计算架构分析来支持此结论。
027-87841330