XiaoMi-AI文件搜索系统
World File Search System车中
电动和自动驾驶汽车中的塑料会议
欢迎参加第一届 SPE ® 电动和自动驾驶汽车 (EAV) 塑料年度会议。EAV 会议由塑料工程师协会汽车分部赞助，它是唯一一个将电动或自动驾驶汽车中的各种塑料应用整合到一个活动中的会议。电动和自动驾驶汽车是交通运输的新领域，有许多新的子专业。在过去的几十年里，全球和本地已经举办了许多技术会议，专注于一个子专业，但忽略了汽车的许多其他领域。这对底特律地区渴望知识的汽车工程师来说是痛苦的。EAV 会议于 2021 年 10 月向 SPE 汽车部门董事会成员提出，并获得一致批准，整个董事会全力支持协助规划和实施本次会议。EAV 会议得到了 SPE 汽车部门志愿者成员组成的优秀策划团队的支持。这群志愿者在过去六个月里非常努力地将这次会议变为现实，我们感谢他们的奉献精神。如果您在会议期间看到这些委员会成员中的任何一位，请停下来向他们打招呼，感谢他们为 SPE 和 EAV 会议所做的努力和奉献精神。
电动汽车中的锂离子电池电池操作，降解和老化机制：概述
摘要：了解锂离子电池（LIBS）的老化机制对于在现实应用中优化电池操作至关重要。本文对现实生活中的电动汽车（EV）应用中的LIBS衰老进行了系统描述。首先，描述了这些应用中使用的普通电动汽车和锂离子化学的特征。然后将电动汽车中的电池操作分为三种模式：充电，待机和驾驶，随后被描述。最后，审查了实际充电，备用和驾驶模式中LIB的老化行为，并考虑了不同工作条件的影响。还讨论了这些过程中阴极，电解质和阳极的降解机制。因此，实现了对现实生活中EV应用中LIBS的老化机制的系统分析，提供了实用的指导，可以为用户，电池设计人员，车辆制造商和物料恢复公司延长电池寿命的方法。
旨在实现连接和自动驾驶汽车中数据的细粒度访问控制
摘要 - 经常使用大量的板载传感器和应用程序，以支持自主驾驶功能。基于当前的研究，几乎没有对应用程序访问车辆内数据的工作。此外，大多数现有的自动驾驶操作系统都缺乏身份验证和加密单位。因此，申请可以过多地获取一致的信息，例如车辆位置和所有者偏好，甚至将其上传到云中，威胁到车辆的安全性和所有者的隐私。在这项研究中，我们提出了一种细粒度的访问控制方案，以限制应用程序对CAVS（FGAC-INCAVS）中数据的访问。首先，我们提出了一个由以下要素组成的系统模型：受信任的第三方（TTP），这是完全值得信赖的权威；感知组件（例如传感器），可以捕获道路信息（图片，视频等）。）;和多个应用程序。然后，提出了一个基于快速属性的加密（ABE），安全分析还表明，它可以防止选择性和选择性攻击。此外，我们提出了一个基于中文剩余定理（CRT）的关键更新方案。最后，理论分析和仿真实验证明了其可行性和效率。
自动驾驶汽车中的人工智能 - ijrpr
自动驾驶汽车的可能性开始成为现实。尽管它可能面临许多挑战，但自动驾驶汽车肯定会成为现实，但这需要很多年的时间，因为制造自动驾驶汽车并不容易。它使用人工智能原理。许多人工智能算法用于开发此类车辆。自动驾驶汽车必须执行许多任务，因为这些车辆需要收集许多重要数据、规划和执行其轨迹等等。用自动驾驶汽车取代人类驾驶汽车并非易事。必须克服此类汽车面临的许多挑战才能使其成为现实。自动驾驶汽车行业是一个快速发展的行业。人工智能在开发自动驾驶汽车方面发挥着重要作用。制造此类自动驾驶汽车时，应该实施许多人工智能算法。路径规划是使用人工智能的主要任务之一。它在导航系统的帮助下工作。人工智能必须与传感器交互并希望实时使用数据。这是开发此类自动驾驶汽车面临的主要挑战之一，而且由于 CPU 的速度和内存限制，一些人工智能算法很难使用。使用这些汽车时，乘客的安全也很重要，因为这些现代车辆使用实时系统。此外，电动汽车依赖于电池的充电，因此使用此类车辆时会消耗更多电量。随着未来几年人工智能的进步，我们可以拥有安全的交通。不可能轻易解决大问题。因此，制造商将问题分解成更小的部分，并正在努力实现这一目标。
自动驾驶汽车中的传感器和传感器融合技术
摘要：随着传感器和通信技术的重大进步以及障碍物检测技术和算法的可靠应用，自动驾驶正在成为一项能够彻底改变未来交通和移动性的关键技术。传感器是自动驾驶系统中感知车辆周围环境的基础，多个集成传感器的使用和性能可以直接决定自动驾驶车辆的安全性和可行性。传感器校准是任何自动驾驶系统及其组成传感器的基础，必须在实施传感器融合和障碍物检测过程之前正确执行。本文评估了自动驾驶汽车中常用的传感器的功能和技术性能，主要关注大量视觉摄像头、激光雷达传感器和雷达传感器以及这些传感器在实际中可能运行的各种条件。我们概述了传感器校准的三个主要类别，并回顾了现有的用于多传感器校准的开源校准包及其与众多商用传感器的兼容性。我们还总结了传感器融合的三种主要方法，并回顾了当前用于自动驾驶应用中物体检测的最先进的多传感器融合技术和算法。因此，本文对传感器融合物体检测所需的硬件和软件方法进行了端到端的回顾。最后，我们强调了传感器融合领域的一些挑战，并提出了自动驾驶系统未来可能的研究方向。
自动驾驶汽车中的人工智能 - IJTSRD
自动驾驶汽车已经发展了近三十年。汽车要实现自动驾驶，必须不断感知周围环境，感知信息并采取行动。SAE International 提出了以下驾驶自动化级别，如图 2 [4] 所示： 驾驶辅助自动化：这是汽车自动化的初级级别或起点，系统协助驾驶员但不控制汽车。部分自动驾驶：系统采取部分控制，但驾驶员主要负责车辆的运行。高度自动驾驶：这允许用户让系统在更长的时间内控制车辆（例如在高速公路上）。完全自动驾驶：系统负责驾驶车辆，不受任何人干扰。但是，仍然需要人类在场。
评估汽车中的认知分心
是造成道路伤亡的重要原因。事实上，美国国家公路交通安全管理局 (NHTSA) 估计，注意力不集中导致了警方报告的所有撞车事故的 25% (Ranney、Mazzae、Garrott 和 Goodman，2000 年；Wang、Knipling 和 Goodman，1996 年)。其他估计表明，注意力不集中是造成所有撞车事故的 35% 到 50% 的一个因素 (Sussman、Bishop、Madnick 和 Walker，1985 年)。最近，来自 100 辆车自然驾驶研究 (Dingus 等人，2006 年) 的数据显示，注意力不集中是造成所有撞车事故和险些撞车事故的 78% 的一个因素，使其成为分析中最大的撞车事故单一原因。然而，在每一项分析中，注意力不集中的分类都是一个包罗万象的类别，涵盖了各种现象，包括疲劳、驾驶相关的分心（比如在合并过程中看后视镜）、视线非特异性地偏离前方道路，以及由于车内次要活动而分心。
