为在兼顾大功率直流充电桩的充电安全性、服务体验等需求的同时提升其功率利用率，提出了一种柔性功率分配控制策略。结合环形功率分配拓扑，设计了充电启动、充电中及结束释放等阶段的功率分配控制时序及算法，通过对功率节点的静态、动态轮询切投提升其利用率。为保证系统稳定运行，引入最小剩余需求功率，并综合判断剩余需求功率差值、单次插枪时段内的切投次数及滤波时间等条件避免频繁切投。验证结果表明，实施该策略后整桩平均功率利用率由1.76%提升至2.24%，优化效果显著。

为研究中国乘用车乘坐位置安全性，基于中国交通事故深入研究项目（CIDAS）2011~2022年统计数据，分析了3种碰撞形态下各个乘坐位置的伤亡状况，利用危险度模型对前、后排位置乘员进行致命风险计算，并利用危险度加权模型和危险度几何平均模型分别对各个乘坐位置进行危险度计算。结果表明：前排相对于后排的致命风险系数为1.18；以驾驶员位置危险度100%作为参照标准，副驾驶位置危险度为79.57%、左后座危险度为105.23%、右后座危险度为93.82%、中后座危险度为191.69%。

为探究高强化运行工况下离子液体（IL）添加剂对内燃机关键配对副、氮化气缸套-喷钼活塞环摩擦学性能的影响，采用离子液体质量分数为2%的润滑油润滑配对副，通过分析磨损后配对副的表面微观形貌、成分以及摩擦化学反应产物，探究配对副在离子液体润滑条件下的磨损行为及其相关机制，评价其对配对副摩擦、磨损和磨损特性的影响。试验结果表明：离子液体添加剂有助于提升氮化气缸套-喷钼活塞环配对副的摩擦学性能；在180 ℃条件下，离子液体具有最佳的摩擦学性能，该现象与离子液体在气缸套表面上的摩擦化学反应及其产物有关。

针对自动驾驶汽车仿真测试场景生成方法进行了系统梳理，综述了自动驾驶汽车仿真测试场景定义、场景解构、数据驱动式场景生成、机理建模式场景生成等方向的最新研究进展，并对测试场景的相关评价与应用进行了总结，最后，提出了未来研究应重点考虑融入中国驾驶场景特征，深化边缘场景生成策略，加速场景构建的标准体系化建设工作。

以自动驾驶场景库为研究对象，通过分析当前自动驾驶场景库的不足和行业需求，研究形成基于真实交通数据的自动驾驶场景生成规范。首先，对场景要素和格式进行说明和规范；其次，通过场景挖掘、自动化标签处理和数据合规脱敏生成场景数据集；最后，通过对真实场景的风险评估以及对异常事件场景的标准化加工最终形成安全合规、高质量、高价值的城市级挑战性场景库。

针对纯电动汽车热泵系统压缩机NVH问题的噪声源及噪声传递问题，通过电动压缩机内部结构优化、增加声学包、空调管路优化等方式进行了改善，测试结果表明，内部结构优化可以降低电动压缩机振动激励噪声，增加声学包和空调管路优化可以减少压缩机噪声传递，从而改善热泵系统运行时车内噪声水平，提升整车NVH性能。

为研究在不同正面碰撞加速度波形及安全带是否预紧、限力的条件下，采用婴儿提篮约束时Q1.5假人头部、颈部、胸部的损伤情况，选取3款不同实车按照GB 11551—2014《汽车正面碰撞的乘员保护》的规定开展试验得到B柱加速度曲线，通过加速滑台进行模拟复现，并参照《C-NCAP管理规则（2024年版）》正面100%重叠刚性壁障碰撞试验中Q3假人试验的评分指标，对车辆在Q1.5假人试验中的表现进行评分。结果表明：碰撞过程中安全带预紧时肩带产生斜向上的拉力会导致头部受到较大冲击；当碰撞加速度一致时，安全带预紧对头部、胸部合成加速度峰值及其累积3 ms合成加速度、HIC₁₅、腰带力峰值、颈部剪切力最小值、颈部弯矩最小值的影响大于限力，肩带力峰值则为限力影响大于预紧；对假人损伤的影响程度由高到低依次为碰撞加速度波形、安全带是否预紧、安全带是否限力；假人胸部损伤最大，颈部损伤最小。

针对当前自动驾驶感知算法训练与测试过程中出现的多源异构数据稀缺、场景适配性不足等问题，构建了基于典型场景的多模态感知数据集，包含10个特定典型场景片段，涵盖激光雷达、摄像头和4D毫米波雷达等多模态传感器数据，提供了6种类别目标物的标注信息，并详细描述了数据采集设备的配置信息，包括传感器参数、标定数据和时间同步处理方案。所构建的数据集可为自动驾驶感知算法提供特定的驾驶场景信息，提升算法在复杂场景下的感知精度，从而提高自动驾驶系统的安全性与可靠性。

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。

为在复杂的城市街道背景条件下实现更为高效的交通标志小目标识别，提出了一种改进的YOLOv5s算法，通过引入卷积块注意模块（CBAM）空间通道注意力机制、自适应空间特征融合（ASFF）模块和改进检测框的损失函数进一步提升网络性能，TT100K交通标志数据集上的验证结果表明，所提出的改进算法的交通标志识别平均精度均值（mAP）达到84.5%。