期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
易格斯助力中国大学生方程式赛车
1
《林业机械与木工设备》 2016年第1期49-49,共1页
中国大学生方程式汽车大赛(FSC)是由高校在校学生组队参加的汽车设计与制造比赛,被誉为"汽车工程师的摇篮"。2015年中国大学生方程式汽车大赛分为电车组和油车组,分别在上海和襄阳举行。经过多年的磨合,越来越多的车队认识到易格斯... 中国大学生方程式汽车大赛(FSC)是由高校在校学生组队参加的汽车设计与制造比赛,被誉为"汽车工程师的摇篮"。2015年中国大学生方程式汽车大赛分为电车组和油车组,分别在上海和襄阳举行。经过多年的磨合,越来越多的车队认识到易格斯产品的优势,有更多的年轻设计师愿意大胆尝试来自易格斯的新技术。 展开更多
关键词 易格斯 中国大学生 汽车工程师 方程式赛车 塑料轴承 汽车工程学院 总冠军 北京理工大学 速度极限 拖链
在线阅读 下载PDF
FSAE电动赛车再生制动系统开发 被引量:6
2
作者 张京明 陈磊 +1 位作者 张晋华 崔淑梅 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2017年第1期108-113,共6页
为提高大学生方程式(FSAE)纯电动赛车耐久赛成绩,开发一套适用于FSAE电动赛车的再生制动系统.对ADVISOR软件二次开发,通过修改整车模型、车轮模型、驱动控制模型及电池模型等,建立适用于FSAE纯电动赛车的仿真平台;为保证再生制动系统的... 为提高大学生方程式(FSAE)纯电动赛车耐久赛成绩,开发一套适用于FSAE电动赛车的再生制动系统.对ADVISOR软件二次开发,通过修改整车模型、车轮模型、驱动控制模型及电池模型等,建立适用于FSAE纯电动赛车的仿真平台;为保证再生制动系统的稳定性,降低赛车控制器和传感器精度对系统的影响,提出一种后轴并联制动力分配控制策略,并进行了耐久赛工况分析;对再生制动系统控制器进行软硬件开发,并进行实车试验.仿真及试验中再生制动能量回收率分别达到20.89%和19.07%,所设计的再生制动系统可有效回收FSAE纯电动赛车的制动能量,提高耐久赛成绩. 展开更多
关键词 电动汽车 再生制动 大学生方程式(FSAE)赛车 仿真分析 实车试验
在线阅读 下载PDF
基于Optistruct的FSEC赛车电池箱轻量化结构设计及优化 被引量:6
3
作者 鲁亚妮 王继辉 +1 位作者 潘斌 李少华 《塑料工业》 CAS CSCD 北大核心 2019年第8期57-64,共8页
在中国大学生电动方程式汽车大赛(FSEC)中,整车的轻量化设计对于赛车性能的提高具有十分重要的意义。基于有限元法和Optistruct复合材料多层次优化设计方法,采用碳纤维代替传统钢材对电池箱进行轻量化结构设计及优化。通过自由尺寸优化... 在中国大学生电动方程式汽车大赛(FSEC)中,整车的轻量化设计对于赛车性能的提高具有十分重要的意义。基于有限元法和Optistruct复合材料多层次优化设计方法,采用碳纤维代替传统钢材对电池箱进行轻量化结构设计及优化。通过自由尺寸优化确定加筋的位置、数量,通过尺寸优化获得各铺层的厚度,通过铺层次序优化获得具体的铺层次序。综合运用加筋结构与夹层结构,非加筋部分采用夹层架构,选用铝蜂窝填充以提高电池箱的防火性能。经优化后的电池箱质量减轻了69.08%。在3种不同加载条件下,箱体的最大位移分别减小了72.74%、70.41%以及82.46%。 展开更多
关键词 中国大学生电动方程式汽车大赛赛车 电池箱 加筋 夹层结构 多层次结构优化 轻量化
在线阅读 下载PDF
基于改进YOLO算法的FSAC赛车实时目标检测系统 被引量:15
4
作者 李涛 张代胜 +1 位作者 张飞 张南岳 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2020年第9期1153-1158,共6页
针对中国大学生无人驾驶方程式大赛(Formula Student Autonomous China,FSAC)赛车目标检测系统检测速度较慢和鲁棒性较差的问题,文章提出了一种基于改进YOLO算法的实时目标检测方法。以YOLOv3-tiny网络为基础,根据目标物较为细长、尺寸... 针对中国大学生无人驾驶方程式大赛(Formula Student Autonomous China,FSAC)赛车目标检测系统检测速度较慢和鲁棒性较差的问题,文章提出了一种基于改进YOLO算法的实时目标检测方法。以YOLOv3-tiny网络为基础,根据目标物较为细长、尺寸较小的特点,使用k-means算法对数据集中的真实边界框进行聚类,选取合适的边界框数量和规格改进YOLOv3-tiny网络结构,使其目标检测时能融合更大的尺度信息,对小目标物检测更加有效和准确;将改进的算法部署在机器人操作系统(robot operating system,ROS)中,并将实时目标检测系统搭载到NVIDIA Jetson TX2嵌入式开发板中,形成适用于FSAC大赛特定场景的轻量化实时目标检测系统。实验结果表明,改进算法的召回率达到94.1%,比原始算法提高了11.8%;准确率达到93.2%,提高了3%;在NVIDIA Jetson TX2中画面每秒传输帧数FPS达到20,检测速度满足实时检测需求。 展开更多
关键词 中国大学生无人驾驶方程式大赛(FSAC)赛车 目标检测 YOLO算法 机器人操作系统(ROS)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部