为了充分发挥分布式驱动电动汽车电机扭矩响应迅速及力矩独立可控的特点，采用底盘稳定性协调控制方法，通过电子稳定性系统与扭矩矢量控制单元的协调控制处理各类工况下车辆的稳定性需求，即通过扭矩矢量控制单元（TVCU）单独控制提高车辆处于稳定条件下的动态性能，通过电子稳定性控制（ESC）系统保证车辆趋于不稳定时的动力性及稳定性，并基于实车验证了该稳定性协调控制方法的鲁棒性。

针对汽车行驶过程中存在侧向分力时应用纵向动力学模型进行整车质量与道路坡度估计存在偏差的问题，提出了基于纵-横向动力学耦合的质量估计模型和坡度估计算法。通过分析加速阶段对质量估计的影响，设定质量估计触发条件，并使用带遗忘因子的递推最小二乘法对整车质量进行估计，融合运动学卡尔曼滤波算法与动力学扩展卡尔曼滤波算法对道路坡度进行联合估计。通过Simulink-CarSim联合仿真与实车试验对算法进行验证，结果表明，基于纵-横向动力学的质量估计算法误差为0.82%，融合坡度估计算法误差在3%以内，验证了该算法具有较好的准确性与实时性。

在同步定位与地图构建（SLAM）算法构建语义地图的过程中，为解决使用深度学习技术提取的语义信息中含有噪声的问题，提出通过网格的概率表征语义观测的语义匹配法，结合网格匹配和概率更新降低噪声的影响，无需特征点匹配等辅助手段即可增量地构建清晰的地图。基于实车数据构建的地图所包含的斑马线和车道线均清晰准确，证明了该方法的有效性。

为在车型设计阶段建立有效的电磁辐射仿真预测及设计能力，基于电磁波辐射理论，研究电机驱动系统中动力线缆电磁辐射产生机理，提出了用于电磁兼容仿真的整车有限元模型。搭建了电磁辐射干扰模型，对动力线缆产生的电磁辐射进行仿真预测，通过实际测量数据与仿真结果的对比分析，验证了辐射仿真模型的正确性，应用该仿真模型优化线缆布置方案降低了车内电磁辐射强度。结果表明，该方法可以在车型设计阶段识别高压线束布置方案电磁辐射风险，并进行设计方案优化，避免试制阶段整改试验，有助于缩短整车设计研发周期以及降低试验成本。

基于某峰值功率为200 kW的大功率三堆共轨质子交换膜氢燃料电池（PEMFC），使用Fluent软件对脉冲阀引射器单体和供氢系统的多缸共轨脉冲阀引射器进行稳态计算流体力学（CFD）迭代计算，确定引射器方案，利用引射器台架试验验证了设计方案和仿真模型的可靠性，对脉冲阀引射器引射系数的影响因素进行仿真分析，可知同等压力变化条件下，二次流喷射压力对引射系数的影响最大，入堆压力次之，喷射压力影响最小，同时，氮气含量对引射系数影响较大，最后进行脉冲阀引射器瞬态仿真分析，结果表明：同稳态结果相比较，瞬态条件下计算的引射系数有很大的裕度，因此在电堆实际工作时可以进一步覆盖低功率工况；保持脉冲阀占空比不变，提高喷射频率，有利于引射系数的提高。

为实现面向服务架构（SOA）的整车功能安全开发，在分析SOA特点的基础上，结合ISO 26262标准，建立基于SOA的汽车功能安全正向开发流程，提出了基于功能的概念开发阶段和基于架构的系统开发阶段的功能安全设计方法：在概念开发阶段，面向产品能力导出功能安全需求，定义产品能力的功能安全等级；在系统开发阶段，基于软件组件架构、物理部署等实现技术安全需求的进一步导出与分配。

为缩短混合动力专用变速器（DHT）的标定周期，搭建硬件在环（HIL）仿真平台完成了DHT的电控参数虚拟标定。将获得的标定数据与实车常规标定数据进行比较，结果表明，虚拟标定方法获得的标定数据与常规标定方法获得的数据接近，可有效缩短整车开发周期。

为准确识别驾驶疲劳，提出基于小波特征和长短期记忆（LSTM）神经网络分类器的驾驶疲劳识别方法。在真实驾驶环境下采集了驾驶员非疲劳状态与驾驶疲劳状态的脑电信号，对脑电信号进行小波分解，计算4个小波系数的统计值、能量值和相对能量作为特征数据，用特征数据对LSTM神经网络进行分类训练与测试。试验结果表明，随着所构建特征数据的通道数量增多，LSTM神经网络的分类性能逐渐提高，特别是在14通道方案下，平均分类准确率约为96.1%。

针对纯电动汽车电力系统在高频变载荷条件下易发生母线电压振荡失稳的问题，建立整车电力系统各部分的小信号模型，获得了系统源-变换器的输出阻抗与电机负载的输入阻抗，在传统阻抗比判据基础上，结合系统的稳定裕度，推导了整车电力系统稳定性判定规则，并利用伯德图进行了系统失稳预测研究，探究高速工况下纯电动汽车的电力系统失稳边界。仿真验证结果表明，轮毂电机在额定转矩下工作时，整车的最高车速不应超过188 km/h，且轮毂电机的转矩变化会影响车辆稳定性，单个轮毂电机转矩突变不应超过220 N·m，与理论分析结果基本一致，证明了该稳定性判定规则可在一定程度上预测整车电力系统失稳边界。

为满足车辆队列行驶研究的试验验证需求，针对具备辅助驾驶功能的车辆设计并开发了可扩展、支持多场景切换的车辆队列试验平台。队列车辆基于视觉感知采用纯跟踪算法进行横向控制，基于毫米波雷达采用协同自适应巡航进行纵向控制，基于具备辅助驾驶功能的车辆搭建队列试验平台硬件系统架构，并借助软件系统中车辆角色与功能场景要素实现队列系统的扩展与多场景切换。最后，基于3辆微型车搭建了车辆队列试验平台，并进行了功能和性能测试，结果表明，该队列试验平台可实现车辆入队、车辆组队、车辆队列稳定行驶，且控制效果良好。

针对智能汽车路径规划中双向快速扩展随机树（RRT-Connect）算法获得的路径不是最优解和狭小通道探索性能较差的问题，在分析RRT-Connect算法基本原理的基础上，对其在扩展策略和路径平滑等方面进行了改进。首先，引入概率偏向法对选取的随机点进行筛选，并基于人工势场进行扩展，以缩短路径和计算时间，然后，引入三次B样条曲线对路径进行优化，生成光滑路径，保证路径满足智能汽车的动力学特性，最后，通过仿真验证改进RRT-Connect算法的性能，结果表明，在简单障碍物、复杂障碍物和狭窄路径环境下，改进的RRT-Connect算法的平均路径长度和平均耗时均优于传统RRT-Connect算法。

针对中央电机驱动电动汽车升级为由轮毂电机驱动后非簧载质量增加，悬架参数需调整的问题，在MATLAB/Simulink中建立了半车被动悬架模型，以前后悬架的弹簧刚度、减振器阻尼为自变量，以车身质心加速度、俯仰角加速度、前后悬架动挠度、轮胎动载荷的均方根值为优化目标，运用灰狼优化算法寻找最优的刚度、阻尼参数。仿真结果表明，优化后，悬架的操纵稳定性保持在合理区间的同时，舒适性提升12.73%。

针对驾驶员分心驾驶检测领域中深度学习模型参数量大，在嵌入式设备上难以部署的问题，提出一种基于YOLOv8n的轻量化分心驾驶检测算法YOLOv8n-SGC。首先，构建ShuffleNetV2轻量化骨干网络，引入幻影卷积（GhostConv），减少模型参数量和计算量，实现模型轻量化；其次，在骨干网络后加入卷积和注意力融合模块（CAFM），融合全局和局部特征，提升算法检测精度。验证结果表明，相较于基准模型，改进模型的参数量和计算量都有所降低，且体积减小了28.67%，推理时间缩短了41.79%，mAP提高了1.1百分点。

针对汽车电动遮阳帘的开口尺寸对运行性能的影响难以确定的问题，对电动遮阳帘的结构及展开与收卷过程中的基本运动部件进行详细受力分析，得到了遮阳帘在运动过程中的受力状态与遮阳帘位置的关系，从而建立遮阳帘的系统阻力与其开口尺寸的数学表达式。对比遮阳帘设计方案的计算数据与实物样件的测量数据，结果表明：模型方案的计算结果与实物样件的实测结果趋势基本一致，验证了遮阳帘系统阻力数学模型的有效性。

为解决复杂路况下毫米波雷达被遮挡而导致目标检测失效的问题，提出一种基于谱估计的雷达遮挡检测方法。利用多通道信号积累求解目标回波二维谱，采用自适应恒虚警检测算法剔除雷达目标，运用谱估计求解回波背景功率，通过统计回波在一定时间区间的能量分布特性完成遮挡检测。试验结果表明，该方法能够实现雷达遮挡状态估计，10 s内检测准确率超过70%，100 s内检测准确率达到90%以上。