汽車技術(shù)最新期刊目錄

基于深度學習的板殼結(jié)構(gòu)網(wǎng)格智能劃分技術(shù)研究————作者：黃澤輝;唐洪斌;范陽;王士彬;

摘要：為解決板殼結(jié)構(gòu)網(wǎng)格劃分效率低、合格率低等問題，提出了一種基于深度學習的板殼結(jié)構(gòu)有限元網(wǎng)格智能劃分技術(shù)。首先，對板殼結(jié)構(gòu)典型特征進行分類，并為每類特征開發(fā)網(wǎng)格劃分策略；其次，基于卷積神經(jīng)網(wǎng)絡(luò)訓練特征識別模型，自動調(diào)用策略完成特征區(qū)域網(wǎng)格劃分；最后，對非特征區(qū)域進行幾何清理及網(wǎng)格優(yōu)化。經(jīng)某乘用車白車身驗證，與主流batchmesh方法相比，本方法將網(wǎng)格自動劃分合格率從82.1%提升至92.6%，總工時...

不同溫度下鋰離子電池自適應(yīng)多狀態(tài)聯(lián)合估計————作者：王中偉;楊坤;馬超;王記磊;王杰;

摘要：為了準確估計不同溫度下電池參數(shù)、荷電狀態(tài)及功率狀態(tài)，提出基于自適應(yīng)遺忘因子的遞推最小二乘法聯(lián)合自適應(yīng)擴展卡爾曼濾波算法。通過實時校正、更新參數(shù)，提升電池參數(shù)辨識和荷電狀態(tài)估計的精度；以模型端電壓辨識結(jié)果、荷電狀態(tài)估計結(jié)果及電池最大放電電流為約束，實現(xiàn)電池功率狀態(tài)聯(lián)合估計。試驗結(jié)果表明：動態(tài)應(yīng)力測試工況下，辨識電壓最大絕對誤差和荷電狀態(tài)最大絕對誤差結(jié)果分別為62.699 mV和1.894%；當持續(xù)放...

某乘用車外后視鏡風哨聲控制研究————作者：楊曉濤;潘作峰;馬龍;鄧玉偉;侯杭生;

摘要：針對某乘用車外后視鏡風哨聲問題，通過實車主觀評價進行風哨聲問題確認及分析，根據(jù)計算流體力學（CFD）方法提出攝像頭與鏡殼間不合理階差消除方案與空腔消除方案，改善流場和監(jiān)測點壓力，并通過實車測試和主觀評價驗證方案的有效性。結(jié)果表明：綜合考慮使用路面、速度段和NVH嚴重程度的風哨聲錯誤狀態(tài)指數(shù)（ESI）由1.12降至0，成功解決了后視鏡風哨聲問題

考慮駕駛員橫向駕駛習慣的車道保持人機共駕策略————作者：劉平;田云鵬;段灝天;姚佳玉;

摘要：為了解決因傳統(tǒng)車道保持輔助系統(tǒng)忽略人機交互性所致的人機沖突問題，提出了一種車道保持人機共駕策略。以駕駛員歷史橫向位置表征駕駛員橫向駕駛習慣，根據(jù)3σ原則動態(tài)劃分道路邊界，并設(shè)計了考慮駕駛員橫向駕駛習慣的車道偏離決策模型。同時，根據(jù)風險評估值與駕駛員疲勞因子分配輔助駕駛系統(tǒng)的控制權(quán)。試驗結(jié)果表明：所提出的人機共駕策略能夠有效避免因疲勞駕駛和駕駛失誤導致的車道偏離風險；考慮駕駛員橫向駕駛習慣，車道保持...

基于汽車空調(diào)溫度控制性能提升的導流板響應(yīng)面優(yōu)化分析————作者：劉翔;朱帥;朱凱;

摘要：為解決汽車空調(diào)出風口溫度不均勻和差異性大的問題，對汽車空調(diào)出風口溫度控制曲線進行試驗和仿真，采用響應(yīng)面優(yōu)化的方法對導流板結(jié)構(gòu)的外邊長度、里邊長度和傾斜角度與平均溫度和溫度差進行相關(guān)性分析，得出回歸多項式、響應(yīng)面曲線圖和導流板結(jié)構(gòu)的最優(yōu)參數(shù)設(shè)計，仿真結(jié)果表明該方法改進了汽車空調(diào)的溫度控制曲線性能，探究了響應(yīng)面優(yōu)化方法在汽車空調(diào)導流板結(jié)構(gòu)設(shè)計方面的應(yīng)用

《汽車文摘》2025年專項征稿啟事

摘要：<正>尊敬的汽車及相關(guān)技術(shù)領(lǐng)域?qū)＜覍W者、研發(fā)工程師、高校師生：在全球汽車產(chǎn)業(yè)迎來深刻變革的今天，2025年將成為汽車技術(shù)發(fā)展的關(guān)鍵節(jié)點，新技術(shù)、新材料、新理念將不斷涌現(xiàn)，推動汽車行業(yè)向更智能、更環(huán)保、更安全的方向發(fā)展�！镀�車文摘》期刊作為中國汽車工程學會會刊，秉承“覽全球汽車技術(shù)文獻，指中國汽車技術(shù)之道”的使命，致力于成為汽車領(lǐng)域最具影響力的綜述類期刊。在此，我們特別發(fā)布2025年專項征稿啟事，聚...

球鉸強度對小偏置碰撞的影響及仿真精度提升————作者：邵金華;趙美洲;陳鵬;禹慧麗;

摘要：為探究底盤結(jié)構(gòu)中球鉸強度對小偏置碰撞的影響，從而提高實際工程應(yīng)用中仿真模型的精度，采用試驗與仿真結(jié)合的方法，通過底盤關(guān)鍵零部件材料實試驗與球頭失效試驗獲得對應(yīng)材料力學參數(shù)，對關(guān)鍵位置球鉸強度進行設(shè)計，搭建局部臺車對底盤零件進行標定來提高分析模型仿真精度。結(jié)果表明球鉸強度對小偏置碰撞工況的影響較大，標定后的模型分析結(jié)果與試驗的一致性較好

基于圖時空注意力的多車交互軌跡預測模型————作者：張新鋒;趙娟;劉國華;劉鵬菲;

摘要：為有效提取高速交通場景下車輛間的交互特征，從而準確預測動態(tài)障礙軌跡，基于編-解碼框架，提出基于圖時空注意力的多車交互軌跡預測模型。結(jié)合斥力場和圖模型建立車-車圖交互場，利用節(jié)點和鄰接特征矩陣表征車輛之間的動態(tài)交互，通過圖空間注意力和時間多頭注意力提取深層時空交互，獲取圖時空融合編碼；將車輛橫縱向行為意圖獨熱編碼與其拼接，實現(xiàn)目標車輛多模態(tài)軌跡預測。利用NGSIM數(shù)據(jù)集進行驗證，相較于其他6種模型，...

轉(zhuǎn)彎和直行場景下駕駛員認知分心識別的研究————作者：曾娟;許博;王昊;張洪昌;

摘要：為了探尋轉(zhuǎn)彎和直行場景下駕駛員分心駕駛的內(nèi)在機理，通過駕駛模擬器搭建直行與轉(zhuǎn)彎虛擬場景，采集駕駛員不同駕駛狀態(tài)的駕駛績效和眼動信息數(shù)據(jù)，并使用KNNImputer算法對設(shè)備在采集過程中缺失的數(shù)據(jù)進行插補處理；通過配對樣本T檢驗對時間長度為1 s、重疊率為75%的時間窗口提取的樣本數(shù)據(jù)進行顯著性差異分析并提取特征指標；基于該特征指標集合，采用XGBoost分類器構(gòu)建不同場景下的認知分心識別模型。試驗...

基于MPDB和FWDB正面碰撞兼容性研究————作者：胡遠志;高文凱;符志;

摘要：根據(jù)歐洲車輛安全委員會工作標準建立全寬可變形壁障（FWDB）有限元模型，采用英國交通研究實驗室臺車實驗方法進行標定，并使用已經(jīng)標定驗證的移動漸變性可變形壁障（MPDB）有限元模型，分別搭建轎車和某SUV的MPDB工況和FWDB工況碰撞模型進行車輛正面碰撞兼容性研究。計算車型MPDB工況和FWDB工況兼容性評價指標，分析結(jié)果發(fā)現(xiàn)當前MPDB工況對車輛結(jié)構(gòu)兼容性評價尚有一定的局限，無法評價主吸能結(jié)構(gòu)在...

分布式電驅(qū)動承載平臺的動力學建模與模型預測控制————作者：原野;陳龍;潘偉;李藝;秦兆博;

摘要：針對分布式電驅(qū)動承載平臺軌跡跟蹤控制存在高速跟蹤精度低、魯棒性弱等問題，設(shè)計了基于期望前輪轉(zhuǎn)角跟蹤的分層式橫向運動控制策略。以分布式電驅(qū)動承載平臺為研究對象，基于各子系統(tǒng)的動力學分析和輪地作用關(guān)系分析，構(gòu)建了完整的膠輪、車體、電驅(qū)等模塊的一體化動力學模型。通過構(gòu)建上層模型預測控制（MPC）軌跡跟蹤和下層轉(zhuǎn)向電機轉(zhuǎn)角控制的分層式運動控制策略，可實現(xiàn)承載平臺橫向位置的高精度控制�；�于Simulink搭...

動力電池直冷系統(tǒng)控制策略及散熱性能研究————作者：陳世龍;楊元龍;楊乃興;趙劍坤;陳文輝;

摘要：針對電動汽車直冷系統(tǒng)，提出了一種具有啟停功能的模糊PID控制策略，并利用AMESim和Simulink聯(lián)合仿真搭建了整車模型，對電池在不同控制策略下的散熱過程進行了模擬，結(jié)果表明：相比傳統(tǒng)PID控制，啟停-模糊PID控制具有響應(yīng)時間快、超調(diào)時長短和系統(tǒng)功耗低的優(yōu)點，且對環(huán)境溫度較高或行車速度較小情況下的超調(diào)時長縮短和功耗節(jié)省效果更為明顯

基于集成學習和脈搏多維特征融合的駕駛疲勞檢測方法————作者：趙國亮;辛聰;劉強;陳澤平;葉青;

摘要：為了提升駕駛疲勞檢測準確性，以駕駛員的生理信號脈搏波為數(shù)據(jù)源，在提取心率變異性特征的基礎(chǔ)上，引入基于血液動力學的脈搏波波形特征進行多維特征融合，構(gòu)建可以有效表征駕駛疲勞的特征數(shù)據(jù)集，并基于集成學習構(gòu)建駕駛員疲勞狀態(tài)三分類模型，在數(shù)據(jù)預處理階段引入重采樣方法，并對比不同采樣方式對模型檢測性能的影響。試驗結(jié)果表明：脈搏信號多維特征融合可以顯著提高對駕駛疲勞的檢測精度，相對于僅采用心率變異性特征的方法，...

基于腦電特征的虛擬現(xiàn)實誘發(fā)自動駕駛暈動癥識別————作者：邵舒羽;張揚;范曉麗;

摘要：針對自動駕駛與虛擬現(xiàn)實技術(shù)融合中，因視覺信息與操作信息不匹配引發(fā)的暈動癥問題，通過模擬駕駛平臺的主動駕駛與自動駕駛雙任務(wù)范式，同步采集受試者的腦電信號，并結(jié)合Go/No-go行為范式和標準化暈動癥問卷，探究不同駕駛模式對大腦認知資源分配的影響。結(jié)果表明：自動駕駛場景顯著加劇視覺-前庭沖突引發(fā)的暈動癥癥狀；基于虛擬現(xiàn)實的自動駕駛?cè)菀滓�起暈動癥，其神經(jīng)機制表現(xiàn)為Pz、Cz、Fz通道功率譜密度升高（p<...

基于FSAC多傳感器賽道錐桶建圖算法研究————作者：李逸龍;李剛;鄧偉文;徐龍;

摘要：針對中國大學生無人駕駛方程式賽車（FSAC）在高速循跡與八字環(huán)繞工況中，因單傳感器識別錐桶有限、精度不高導致建圖失效問題，提出了一種基于激光雷達、工業(yè)相機和組合慣導松耦合的錐桶地圖構(gòu)建算法。通過將雷達數(shù)據(jù)投影至相機坐標系，對相機的YOLOv5目標檢測框與激光雷達的錐桶包圍框進行相似度匹配。將包含顏色（RGB）信息的點云從雷達坐標系轉(zhuǎn)換為地圖坐標系，并利用組合慣導系統(tǒng)實時計算的車輛位姿，更新融合錐桶...

基于改進YOLOv8n的環(huán)衛(wèi)車輛駕駛員疲勞檢測方法————作者：仝光;趙博;隨婷婷;劉書炘;

摘要：針對環(huán)衛(wèi)車駕駛員的駕駛環(huán)境和駕駛安全，提出了一種基于改進YOLOv8n算法的駕駛員疲勞檢測方法。使用FasterNet替換YOLOv8n目標檢測算法的主干網(wǎng)絡(luò)，并設(shè)計FasterNet-YOLO的輕量級網(wǎng)絡(luò)模型；在主干網(wǎng)絡(luò)和頸部中分別加入壓縮和激勵（SE）模塊與卷積注意力機制（CBAM）模塊，保留輸入的重要特征信息；引入Zero-DCE++算法對攝像頭輸入的視頻流進行亮度增強，處理因駕駛員面部亮度...

《汽車工程師》集中與分布式電驅(qū)動系統(tǒng)及其關(guān)鍵技術(shù)�？�征稿通��

摘要：<正>作為戰(zhàn)略新興領(lǐng)域和新質(zhì)生產(chǎn)力代表，新能源汽車產(chǎn)業(yè)的高速發(fā)展和電動汽車綜合性能的不斷提升正在重塑汽車技術(shù)與品質(zhì)、高端與豪華。多電機集中式與分布式電驅(qū)動系統(tǒng)是下一代模塊化高性能新能源整車平臺的關(guān)鍵技術(shù)，是汽車電驅(qū)動系統(tǒng)從中央集中式到軸獨立式，再到輪獨立式的變革性技術(shù)，對于擴展提升電驅(qū)動系統(tǒng)綜合效率途徑、實現(xiàn)驅(qū)底一體化底盤動力學綜合控制、改善整車綜合性能具有重要意義。為此，《汽車工程師》計劃推出“...

基于DBO-FHA的雙向CLLLC諧振變換器參數(shù)優(yōu)化設(shè)計————作者：馬帥旗;賀海育;任思嘉;趙佳瑤;張力蕾;

摘要：針對采用基波分析（FHA）法設(shè)計CLLLC變換器參數(shù)時，步驟繁雜、無法找到變換器最優(yōu)硬件參數(shù)的問題，提出一種基于基波分析法和蜣螂優(yōu)化（DBO）算法的CLLLC變換器參數(shù)設(shè)計和尋優(yōu)策略。通過FHA推導出變換器參數(shù)的設(shè)計邊界，并將其作為設(shè)計約束條件；根據(jù)變換器的轉(zhuǎn)換效率與硬件參數(shù)間的關(guān)系，建立變換器工作效率函數(shù)；利用DBO算法在設(shè)計約束范圍內(nèi)，對目標函數(shù)進行尋優(yōu)，獲得最佳效率點的硬件參數(shù)。試驗結(jié)果表明...

基于IHHO-Stacking集成模型的車輛駕駛性評估————作者：莫易敏;王相;王哲;蔣華梁;李瓊;

摘要：為解決車輛駕駛性主觀評價一致性差及客觀評價無法反映主觀感受的問題，提出了一種基于堆疊（Stacking集成學習方法的評價模型，首先研究了車輛加速工況特性，定義了工況駕駛性客觀評價指標，使用評價指標作為輸入特征訓練Stacking集成模型，并且使用改進的哈里斯鷹優(yōu)化（IHHO）算法優(yōu)化了Stacking集成模型，提高了預測性能。最后通過道路試驗表明，IHHO-Stacking集成模型的性能均優(yōu)于單個...

帶狀態(tài)檢測機制的ELM-UKF算法估計鋰電池SOC策略————作者：談發(fā)明;趙俊杰;

摘要：為解決無跡卡爾曼濾波（UKF）算法對鋰電池荷電狀態(tài)（SOC）估計精度不高的問題，結(jié)合極限學習機（ELM）與UKF間的互補優(yōu)勢，提出了一種帶狀態(tài)檢測機制的ELM-UKF組合算法估計鋰電池SOC。首先，算法利用UKF估計電池SOC的相關(guān)濾波數(shù)據(jù)作為樣本集訓練ELM模型，將訓練成功的ELM模型用于在線補償UKF的SOC估計誤差，進而實現(xiàn)估計偏差的實時修正；其次，算法針對ELM模型預測輸出設(shè)計了狀態(tài)檢測機...

提交