摘要点击排行

    一年内发表的文章 |  两年内 |  三年内 |  全部
    Please wait a minute...
    选择: 显示/隐藏图片
    1. EMB夹紧力控制与传感器故障诊断研究进展
    张奇祥,靳立强,靳博豪,张伊晗,陈鹏飞,刘永腾,李建华
    汽车工程    2022, 44 (5): 736-746.   DOI: 10.19562/j.chinasae.qcgc.2022.05.011
    摘要1286)   HTML66)    PDF(pc) (2824KB)(1221)   

    电子机械制动系统(electro-mechanical brake system, EMB)采用电控纯机械制动技术,可实现多种主动安全控制功能,具有结构精简、响应迅速,能够对车轮制动力矩进行独立精确控制等优势。为全面梳理EMB系统的发展现状,明确其未来技术走向,本文首先介绍了EMB的组成架构,分析了EMB典型结构型式的优缺点并确定了相关内容的主要研究方向。然后从夹紧力控制和传感器故障诊断两个层面分别对国内外的研究进展展开综述;分析了夹紧力控制算法的发展历程及未来研究重点,对比了3种典型夹紧力控制算法的试验效果;接着介绍了传感器故障诊断的具体类型及作用,通过定量化的指标分析不同故障诊断算法的实际控制效果。最后对EMB系统所面临的问题及未来发展趋势进行了分析和展望,指明了进一步的研究可以集中在夹紧力控制和传感器故障诊断等算法准确性和鲁棒性的提高、EMB与线控底盘集成控制技术的协调控制以及EMB对整车稳定性和舒适性的影响等方面。

    图表 | 参考文献 | 相关文章 | 多维度评价
    2. 融合Lite-HRNet的Yolo v5双模态自动驾驶小目标检测方法
    刘子龙,沈祥飞
    汽车工程    2022, 44 (10): 1511-1520.   DOI: 10.19562/j.chinasae.qcgc.2022.10.005
    摘要1094)   HTML40)    PDF(pc) (2181KB)(838)   

    针对目前自动驾驶领域的目标检测算法在对道路小目标和密集目标进行检测的时候出现漏检的问题,提出一种融合Lite-HRNet的Yolo v5网络。首先为了获得高分辨率的特征检测图将Lite-HRNet作为Yolo v5的主干网络,以增强对小目标及密集目标的检测。为提升暗光场景下的检测性能,将红外图像与可见光图像进行动态权值融合,充分发挥可见光图像与红外图像的互补优势。由于主干网络进行了充分的特征融合,为加快检测速度取消在检测层中的特征融合结构。其次为了加快收敛速度和提高回归精度采用α-EIoU作为边界框损失函数,同时为选取针对数据集更合适的先验框,使用二分K-means算法进行聚类,并且使用小目标数据增强算法对数据集进行样本扩充。最后在flir数据集上进行对比测试,根据实验结果,提出的算法比Yolo v5在平均精度上提高了7.64%,小目标和密集目标的漏检率明显减少。

    图表 | 参考文献 | 相关文章 | 多维度评价