为了解决因传统车道保持辅助系统忽略人机交互性所致的人机冲突问题，提出了一种车道保持人机共驾策略。以驾驶员历史横向位置表征驾驶员横向驾驶习惯，根据3σ原则动态划分道路边界，并设计了考虑驾驶员横向驾驶习惯的车道偏离决策模型。同时，根据风险评估值与驾驶员疲劳因子分配辅助驾驶系统的控制权。试验结果表明：所提出的人机共驾策略能够有效避免因疲劳驾驶和驾驶失误导致的车道偏离风险；考虑驾驶员横向驾驶习惯，车道保持辅助系统能够在赋予驾驶员足够自由度的同时，施加适当约束抑制车道偏离，从而有效减少人机冲突，并保证安全性。

针对分布式驱动电动汽车在转向系统失效无法准确跟踪期望轨迹的问题，提出了一种考虑转向失效后车辆稳定性与轨迹跟踪的容错协同控制策略。首先分别基于模型预测控制和滑模控制计算期望前轮转角和附加横摆力矩；其次，针对转向系统失效故障，基于非奇异快速终端滑模控制设计了前轮转角跟踪控制器，求解实现期望转角所需的差动转向力矩；然后，以轮胎负荷率和控制量误差最小化为优化目标，基于二次规划算法实现轮胎力分配。最后，分别在中速高附着系数和高速低附着系数两种工况下进行仿真试验，结果表明，所提出的容错控制策略在转向系统失效后仍能使车辆稳定跟踪期望轨迹，具有良好的控制效果。

为了准确估计不同温度下电池参数、荷电状态及功率状态，提出基于自适应遗忘因子的递推最小二乘法联合自适应扩展卡尔曼滤波算法。通过实时校正、更新参数，提升电池参数辨识和荷电状态估计的精度；以模型端电压辨识结果、荷电状态估计结果及电池最大放电电流为约束，实现电池功率状态联合估计。试验结果表明：动态应力测试工况下，辨识电压最大绝对误差和荷电状态最大绝对误差结果分别为62.699 mV和1.894%；当持续放电时间为5 s、30 s和120 s时，电池功率的平均误差分别为5.6×10^-3 W、6.5×10^-3 W及8.0×10^-3 W，所提出的自适应联合估计算法可有效提高参数辨识和状态估计的精度。

针对电动汽车直冷系统，提出了一种具有启停功能的模糊PID控制策略，并利用AMESim和Simulink搭建了联合仿真整车模型，对电池在不同控制策略下的散热过程进行了模拟，结果表明：相比传统PID控制，启停-模糊PID控制具有响应时间快、超调时长短和系统功耗低的优点，且对环境温度较高或行车速度较低情况下的超调时长缩短和功耗节省效果更为明显。

为解决板壳结构网格划分效率低、合格率低等问题，提出了一种基于深度学习的板壳结构有限元网格智能划分技术。首先，对板壳结构典型特征进行分类，并为每类特征开发网格划分策略；其次，基于卷积神经网络训练特征识别模型，自动调用策略完成特征区域网格划分；最后，对非特征区域进行几何清理及网格优化。经某乘用车白车身验证，与主流batchmesh方法相比，该方法将网格自动划分合格率从82.1%提升至92.6%，总工时减少66.7%，显著改善了网格质量与效率。该技术通过AI模型与预定义策略的结合，减少了人工干预，为板壳结构网格划分提供了智能化解决方案。

为解决汽车空调出风口温度不均匀和差异性大的问题，对汽车空调出风口温度控制曲线进行试验和仿真，采用响应面优化的方法对导流板结构的外边长度、里边长度和倾斜角度与平均温度和温度差进行相关性分析，得出回归多项式、响应面曲线图和导流板结构的最优参数设计，仿真结果表明，该方法改进了汽车空调的温度控制曲线性能。