针对城市道路环境中，轨迹规划与跟踪控制难以实时应对动态障碍物，且复杂交通环境中模型的鲁棒性不足问题，提出一种融合分层规划与动态重规划的轨迹优化方法。利用快速线性规划生成粗解路径，结合改进的人工势场法与数值优化进行路径精细化；通过设计轨迹重规划模块，实时预测动态障碍物趋势并调整路径；横向控制采用基于Frenet坐标系的模型预测控制（MPC），纵向控制使用双PID控制器。仿真结果表明：提出方法在静态障碍物直道避障场景中，45 m处提前完成避障决策；在超车场景下，速度波动约为5 km/h，优于GD-APF和D-RRT方法，其横向加速度主要保持在−1~1 m/s²，最大横向跟踪误差为0.84 m，纵向速度误差控制在1 m/s内，在路径平滑性、动态避障能力和轨迹跟踪精度方面具有较好的综合性能。

针对Bi-RRT*算法存在搜索盲目性强及路径可行性差等问题，提出一种基于引导连接和人工势场（APF）的Bi-RRT*算法。建立四轮转向车辆碰撞模型，通过提取环境引导点及方向一致性约束的搜索式连接，解决采样困难与折返路径问题，引入带目标距离因子的改进APF以引导生长方向，并采用贪婪剪枝与B样条平滑技术优化路径。试验结果表明：在复杂环境工况下，相较于传统RRT、RRT*、RRT-connect算法Bi-RRT*和Goal-Biased RRT*，所提出方案在路径长度上分别缩短了19.45%、9.94%、13.85%、4.10%和3.61%，在搜索时间上分别缩短了62.57%、65.15%、0.97%、66.63%和71.28%。

针对复杂泊车场景中自动泊车规划时间长、路径质量欠佳等问题，提出了一种基于智能概率地图的双向快速随机搜索树（SPM-Bi-RRT*）平行泊车路径规划算法。定义了3种复杂泊车场景，即狭窄车位、通道受限及存在障碍物场景，并基于向量叉乘法建立了简化车辆的碰撞检测模型。在采样策略方面，通过逐级限制采样区域，引入斥力偏置和先验路径，构建了基于概率地图的智能采样机制，从而提升了算法在搜索空间中的采样效率。同时，改进RS曲线的扩展代价并采用自适应动态步长策略，进一步结合剪枝操作与B样条曲线对冗余路径进行优化处理，有效提高了路径规划的成功率和搜索效率。仿真结果表明，提出的SPM-Bi-RRT*算法在3种复杂泊车场景中均能规划出平滑且无碰撞的路径，相较于原始RRT*算法，搜索时间分别减少56.67%、49.63%、58.42%，路径长度分别缩短7.74%、3.84%、3.65%。

针对智能汽车数字钥匙场景中非视距（NLOS）导致的定位误差问题，通过分析信道冲击响应（CIR）数据集的时域特征差异，基于监督学习的分类模型使用卷积神经网络（CNN）识别NLOS信号，考虑车端硬件资源限制对CNN网络结构进行了优化，经实车验证UWB定位系统的有效性和鲁棒性。试验结果表明：相比未进行NLOS识别处理的定位轨迹，融合深度学习与多模态定位算法的UWB定位系统的准确度明显提高。

车规级芯片作为汽车电子系统的核心元器件，其可靠性直接决定汽车行驶安全与使用寿命，传统经典加速老化模型多适配常规工业、消费类电子测试场景，未充分贴合车载复杂多变的特殊工况，在车规级芯片可靠性验证中存在寿命外推精度低、失效机理匹配度差、测试结果偏差大等问题。根据AEC-Q100车规标准，系统梳理了车规级芯片的典型失效机理、经典加速老化模型和汽车应用场景，分析未来老化模型的发展趋势，为车规级芯片的可靠性评估、测试方案设计及产品优化提供理论支撑与工程参考。

针对当前高级驾驶辅助系统（ADAS）的电磁抗干扰度（EMS）测试缺乏分布式视觉与激光雷达协同测试方案，且复杂电磁环境下多传感器协同存安全隐患的问题，提出一种基于车辆的ADAS EMS测试方法。通过设计仿真场景点云数字信号注入技术模拟激光雷达点云场景特征，基于PreScan与Simulink构建高精度测试工况，并采用直通滤波算法实现点云降噪。试验结果表明：直通滤波算法在保留目标特征的前提下，使点云数量减少22 851个，显著降低设备算力负荷。同时，搭建的传感器硬件在环平台在半点波暗室的自适应巡航控制（ACC）工况功能激活测试中，成功激活各传感器，毫米波雷达、摄像头和激光雷达的速度和相对距离识别精度均达到预期要求，验证了提出方案的有效性和可靠性。

针对数据缺乏导致新能源汽车在变工况下电机匝间短路故障诊断精度差、效率低的问题，提出了一种基于注意力机制优化多尺度卷积神经网络（Attention-MCNN）结合迁移学习的故障诊断方法。首先，搭建永磁同步电机匝间短路试验平台，采集三相电流原始数据，制作带标签数据集；其次，通过消融试验确定Attention-MCNN的结构和参数，对网络进行训练，得到预训练后的网络模型；最后，引入迁移学习，冻结经预训练的模型，输入其他工况下带标签数据对网络进行微调，得到具有识别目标域数据特征能力的网络模型，实现新能源汽车电机匝间短路故障诊断。试验结果表明，所提出的方法故障诊断平均精度达到95.67%，检测时间约为5 s，与传统方法相比，具有更低的数据依赖性。