驾驶员行为数据采集与模型建立是利用历史驾驶数据对驾驶员行为的一种表征，可以根据其经验数据来更好地辅助车辆能够按照其意图进行操纵，极大地提高了辅助驾驶系统的可靠性，形成的驾驶员模型可以指导无人车辆实现类人驾驶，加速无人驾驶决策系统的发展。主要研究内容有：1. 针对特定场景的搭建；2. 模拟器数据采集与存储；3. 驾驶员模型建立与参数辨识；4.驾驶员模型验证。要求：1. 掌握RoadRunner的使用，能够搭建简易的跟驰、变道所需场景；2. 熟悉Matlab，能够对模拟器产生的数据进行存储；3. 了解驾驶员模型构建方法，采用机器学习算法构建驾驶员模型，并进行参数辨识；4. 构建评价指标对驾驶员模型进行验证。本项目面向2018或2019级本科生，要求参与者初步了解机器学习、聚类的基本算法；具有汽车理论或编程背景，或对相关研究方向具有兴趣。

创新训练计划宣讲

梅冰昂

机械与车辆学院

副研究员

个人介绍

梅冰昂，北京理工大学助理教授、硕士生导师。主要研究领域为动力装置内部传热传质特性、电化学储能特性，参与多项部级科研项目，近三年发表SCI 顶级期刊6篇，其中ESI高被引论文1篇，担任International Journal of Heat and Mass Transfer等国际期刊的审稿人。

宣讲时间

11月18日 19:40

宣讲地点

综B206

项目介绍

超级电容器导热特性基础理论研究

机械类

以国家清洁能源发展、能源领域供给侧改革为需求牵引，超级电容器具有功率密度高、循环寿命长、维护成本低等优点，作为储能设备有较好的发展前景。本题目主要研究内容是利用热阻分析的方法，测量超级电容器的导热特性，为超级电容器的综合能量管理奠定理论基础。本题目面向2018、2019及2020级本科生，要求对储能原理、传热学测量方法等方面有兴趣，具有较好的相关专业基础。

基于交流电学信号的测距方法研究

机械类

基于交流电学信号的测距方法研究是针对汽车运动零部件运动状态分析所需要采用的一种高精度的在线检测方法。本题目主要研究内容是利用交流电流电压信号，测量运动零部件间隙的电容电阻，实现间距的测量与分析。本题目面向2018、2019及2020级本科生，要求对数据处理和编程等方面有兴趣，具有较好的相关专业基础。

编辑 | 鲁 涛

审核 | 郝佳馨返回搜狐，查看更多