针对人机共驾场景下传统碰撞预警系统主要依赖车外环境参数，难以适应驾驶员疲劳或分心导致的反应时间延长等问题，提出双流联合感知网络（DSCP-Net）。车外分支引入动态蛇形卷积（DSC）和内部交并比（Inner-IoU）损失，以改善目标特征提取和边界框定位精度；车内分支构建轻量化行为认知模块（BCM），基于面部特征对驾驶员状态进行量化；决策层融合驾驶员状态与环境感知信息，自适应调整碰撞时间（TTC）阈值。试验结果表明，BCM对驾驶员状态的识别准确率达97.6%，在100 km/h重度疲劳紧急制动工况下，TTC阈值由3.0 s扩展至4.5 s，提供了41.7 m的安全缓冲区间，有效提高了人机共驾场景下的主动安全预警能力。

针对自动紧急制动（AEB）系统在复杂道路环境下的预期功能安全（SOTIF）风险识别与场景优先级排序问题，提出一种基于贝叶斯网络与多指标评分融合的触发条件叠加评估方法。选取天气状况、路面条件、交通交互行为和摄像头帧率4类触发条件，构建由触发条件到感知退化、制动裕度下降及危险事件发生的风险传播模型，并结合严重度、暴露度、可控性、感知退化度和耦合复杂度建立场景重要性评分体系。在晴天-干燥、中雨-湿滑、大雨-积水低附着系数3类平直路面下分别设计行人横穿、前车紧急制动和车辆切入3类交互行为，同时设置30帧/s、15帧/s和10帧/s 3种摄像头帧率，形成27组组合仿真场景。仿真结果显示，天气恶化与路面附着系数降低会显著削弱AEB系统的制动能力，摄像头帧率下降会增加目标确认延迟并压缩系统安全裕度。其中，大雨-积水低附着系数路面-行人横穿场景危险度最高，中雨-湿滑路面下的前车紧急制动和行人横穿场景亦表现出明显的边界风险。结果表明，所提出的方法能够有效识别AEB系统在SOTIF视角下的高风险叠加场景，可为场景库构建、虚拟仿真测试排序和安全论证提供参考。

针对轮毂驱动角模块构型设计面临的车轮大转角转向与悬架运动学强耦合、零部件易发生运动干涉、运动学与柔顺性（K&C）特性劣化等技术挑战，对行业主流角模块构型开展对比分析，明确各类构型的技术特点与适用场景，提出一种基于主销转向与双叉臂悬架的主销串联式集成角模块，并完成驱动/制动一体化轮毂电动轮设计、上置式主销转向动力单元匹配，采用悬架三平面设计准则完成悬架硬点布置与系统集成。K&C仿真迭代优化及数字样机（DMU）运动校核结果表明：优化后轮跳前束变化、轮跳外倾变化、轮跳轮心纵向位移、轮距变化等关键指标均满足设计要求，车轮在-30°~90°全转向角度范围内无零部件运动干涉，有效解决了大转角转向与悬架耦合引起的零部件干涉及K&C特性劣化问题。

针对车载场景下单一语音交互模式存在的噪声敏感、意图模糊和方向信息缺失等问题，提出一种融合语音、视觉与手势的多模态车载兴趣点（POI）智能识别方法。构建了包含数据采集、预处理、核心算法与交互输出的系统架构：在语音意图识别环节，采用低秩适应（LoRA）方法微调通义千问-7B（Qwen-7B）模型，实现结构化意图输出；在时空定位环节，设计基于扇形区域的多策略检索机制，将语音方向词与视线方向、手势指向或导航路线相融合，使候选POI规模缩减74.47%；在综合预测环节，利用通义千问-VL（Qwen-VL）实现跨模态注意力融合，完成POI排序推荐。在自建车载多模态数据集上的试验结果表明，所提出方法的准确率达85.4%，F1值达84.3%，较最优基线方法分别提升8.6百分点和7.7百分点，且在信噪比0 dB条件下仍保持70.1%的准确率，验证了多模态融合对车载噪声环境的鲁棒性。

为解决电动汽车永磁同步电机（PMSM）驱动系统逆变器开路故障诊断中准确率不足的问题，提出了一种融合一维卷积神经网络（1D-CNN）和长短时记忆（LSTM）网络的故障识别方法。首先利用MATLAB/Simulink对不同类型的三相逆变器开路故障进行仿真，以三相定子电流作为故障特征提取对象，并利用改进鲸鱼优化算法（IWOA）的1D-CNN-LSTM模型实现对三相逆变器开路故障的识别。不同故障诊断算法对比验证结果表明，所提出的方法可有效进行故障分类识别，平均识别准确率达98.73%。

针对传统电源网络采用熔断器和继电器对整车进行保护的方式易导致电网失效，进而引发智能驾驶系统故障的问题，提出一种基于半导体的智能配电方法，将汽车低压电器车身域控制器中的熔断器和继电器替换为半导体高边开关芯片，以大幅延长控制器使用寿命，并结合多脉冲过流检测保护策略实现过流、短路、过温等故障条件下对系统的有效防护，从而杜绝电路主回路烧蚀，降低整车燃烧风险。试验结果表明，采用智能配电技术替代传统熔断器和继电器可实现对整车电源网络的有效控制，并具备寿命长、成本低、响应快、可靠性强的优势。