智能网联汽车实训建设方案

2021-12-30 13:10金重亮
时代汽车 2021年24期
关键词:智能网算法传感器

金重亮

摘 要:汽车产业开始朝着智能网联化方向发展,职业院校汽车类专业也开始开设智能网联汽车相关专业或课程。但是目前还没有健全的培养体系,人才培养模式处在探索阶段,现结合1+X证书制度及现有教学资源提出智能网联汽车实训教学方案,以实现人才培养质量的提升。

关键词:1+X制度 智能网联汽车 实训方案

Intelligent Networked Vehicle Training Method

Jin Chongliang

Abstract:At present, automobile industry began to develop in the direction of intelligent networking, vocational colleges automobile majors began to open related majors or courses. However, training system is not perfect, and is still in exploration stage. This article combines with “1+X” certification system and existing resources to build an Intelligent Networked Vehicle training system, to achieve the high quality of talent training.

Key words:1+X system, intelligent connected car, training program

1 引言

目前汽车产业朝着电动化、智能化、网络化方向发展,在政府的大力推广和市场不断培养壮大的情况下,中国汽车电动化已经处于世界第一梯队,也催生出中国代表性的品牌例如蔚来汽车等。随着《国家车联网产业体系建设指南》、《智能汽车创新发展战略》等政策文件的发布,发展具有中国特色的智能化汽车成为下一个产业发力点,产业潜力巨大并且有可能成为引领世界的驱动力,智能化和网络化将成为下一代汽车的特点。

2019年1月,国务院正式印发《国家职业教育改革实施方案》,并在职业院校及应用型本科高校开展“学历证书+若干职业技能等级证书”试点制度简称为1+X证书制度试点工作。职业院校汽车专业主要包括新能源汽车技术、汽车制造与试验技术等专业教学内容对标传统燃油汽车较多,并具备一定的新能源汽车教学资源,但是对于智能网联汽车专业教学、实训体系不够健全。本文结合智能网联汽车人才培养目标、1+X智能网联汽车相关证书培训考核要求制定实训教学体系[1][2]。

2 智能网联汽车方向人才培养目标

智能网联汽车需要车辆作为单独智能体具有环境感知、定位、路径规划、控制能力外,同时还能够借助外部设施或车辆进行信息交互实现自动驾驶功能。根据智能网联汽车“三横两纵”技术框架包含车辆设\施关键技术、信息交互关键技术、基础支撑技术,具体细分为环境感知技术、智能决技术、控制执行技术、V2X通信技术、云平台与大数据技术、信息安全技术、电子电控框架、高精地图定位等[3][4]。

从智能网联汽车产业相关技术来看,针对智能化方向主要集中在环境感知、定位算法研究、路径规划及决策技术研究、传感器研发、控制算法研究、试验测试分析等环节以设计和研发为主。对于这些方面高职学生知识结构难以胜任。但是目前随着智能网联汽车量产车的发布及大量上市,也逐渐需要对智能网联汽车进行后市场服务。结合高职院校培养人才定位并依据“智能网联汽车检测与运维”标准来构建智能网联课程、优化实训、培训过程,同时利用现有资源包括传统燃油车及新能源汽车资源相结合培养能够根据智能网联汽车安全技术操作规范,按规范完成智能网联汽车ADAS控制系统及各传感器、执行器、车载网络系统、智能座舱系统的故障检修作业的复合型应用人才。针对智能网联汽车特点在实施过程中有以下几点思考:

(1)简化算法、注重应用

由于智能网联汽车具有多学科交叉的特点,涉及学科多包括电控技术、计算机视觉技术、优化算法设计、控制技术等。对于高职学生内容较难,但在教学过程中回避算法只讲解传感器、执行器、控制器部分,学生无法全面了解新技术。为克服这一问题需要在教学过程中使学生了解到自动驾驶实现过程中存在的难点,引入解决方案并在实训时进行实践。通过实践来掌握具体硬件包括传感器、执行器对算法及控制的影响,进一步深入理解智能网联汽车技术。

(2)面向应用、找准定位

智能网联汽车的技术迁移应用较为广泛,不仅仅可以应用到自动驾驶领域还可以降维应用在物流小车、自动清扫车等领域并且未来具有较大的市场前景,能够增加学生就业机会。技术共性较强,使用的算法、传感器、执行器、控制器有共同性,在实训过程中可以适当引导学生强化自身知识结构,并针对特定场景下的应用进行学习和尝试,在较为简单的道路环境中进一步理解相关技术应用。

(3)差异竞争、求同存异

智能网联汽车专业涉及部分技术和计算机专业、自动化专业有所重合。在此背景下需要充分发挥汽车专业特有的特点,在传统燃油汽车和新能源汽车结构原理掌握的情况下,利用对汽车结构、汽车电气电控系统的良好认知进一步掌握自动驾驶功能在汽車上的具体应用。相对其他专业更理解汽车电控系统构架及原理能够更快的适应工作需求。

3 实训课程体系

根据市场发展趋势和现状主要针对智能化进行实训课程体系的构建,并参考智能网联汽车检测与运维职业技术等级要求,针对自动驾驶L2级别辅助驾驶技术制定实训方案,使学生能够同时达到等级要求[5][6]。

实训主要包括四个模块分别为模块1智能网联汽车结构认知模块、模块2 ADAS系统检修模块、模块3车载网络系统检修模块、模块4智能座舱系统认知模块。

模块1智能网联汽车结构认知模块主要能够让学生充分了解智能网联汽车和传统汽车的主要区别,包括环境感知、定位传感器、电控构架结构、执行器等。并展示相关功能让学生充分的认知自动驾驶的使用方法及使用条件等。

模块2 ADAS系统检修模块主要包括感知系统检测与维修、控制系统检测与维修、执行系统检测与维修。针对车规级传感器、执行器进行故障的检测与维修,包括视觉传感器、激光雷达、毫米波雷达、线控系统检修。

模块3车载网络系统检修模块主要包括目前汽车主流总线技术包括CAN总线、LIN总线、MOST总线系统相关检测与维修,此部分和传统燃油车以及新能源汽车相似,可以使用现有资源进行整合。另外还包括模块4智能座舱系统认知模块让学生了解智能座舱、语音识别、智能交互等新功能。

实训主要使用智能网联实训平台并辅助使用新能源汽车进行实训教学,智能网联实训平台可以让学生进行结构功能性认知、感知传感器安装、调试、检测、标定操作训练,并完成相应工单。对于车载网络系统,通过智能网联实训平台可以对CAN总线进行检测同时能够了解汽车线控系统工作原理。并辅助使用新能源汽车对CAN总线、LIN总线、MOST总线进行相关检测实训。智能座舱系统通过使用具有智能座舱配置的混合动力汽车进行认知和检测实训。

通过上述方法有效结合了智能网联汽车、新能源汽车之间的共同点,又能体现之间的不同技术,让学生能够更好的掌握智能网联汽车技术。

为了能够让学生更好的了解新技术,搭建感知系统实训平台,使用具有i7处理器和RTX30系列显卡作为计算主机运行先进开源算法,配合激光雷达包括多线激光雷达和单线激光雷达,毫米波雷达、视觉传感器以及深度视觉传感器。能够从训练、推理环节展现算法如何实现机器视觉的目标检测、车道线识别、行人检测等功能。激光雷达点云检测效果展现、目标识别等算法展现,该平台能够充分展示传感器、执行器对算法的影响,也能够让学生进一步理解系统工作原理。

感知系统实训平台使用Ubuntu操作系统,配合使用ROS系统框架,能够让学生运行算法并简单了解节点之间的工作原理。通过实训学生能够建立下一代汽车电控系统框架概念。

4 结语

在“1+X”制度背景下,结合目前智能网联汽车发展现状,为满足人才能提升需求,提高人才培养效率。提出智能网联汽车实训教学方案,能够结合智能网联汽车和新能源汽车的共同教学特点,又能突出智能网联新技术,提高职业综合能力培养高素质的复合型技术人才。为了进一步提高学生对新技术的理解及兴趣,搭建感知系统实训平台,充分展示传感器视角的真实世界,进一步提高实训教学质量。

参考文献:

[1]李寿冰,高艳芳,杨兴芳.职业教育1 + X证书制度试点的现状与对策[J].职业技术教育,2020,41(20):20~24.

[2]李妙然,邹德伟.智能网联汽车技术概论[M]. 机械工业出版社,2019.7.

[3] 黄晓延.智能网联汽车发展现状及人才培养分析[R],2020.3.

[4]丁伟,程岩.智能网联汽车人才培养模式探索与实践——以江苏信息职业技术学院为例[J].农机使用与维修,2021(09):113-114.

[5]謝达城,刘秋生,徐晓宇.基于“1+X”课证融通的智能网联汽车实训体系建设[J].时代汽车,2020(24):47-48.

[6]谢达城,刘秋生,徐晓宇.基于“1+X”课证融通的智能网联汽车实训体系建设[J].时代汽车,2020(24):47-48.

猜你喜欢
智能网算法传感器
DEP推出量产内燃机传感器可提升效率减少排放
Travellng thg World Full—time for Rree
跟踪导练(三)2
智能网联汽车加速到来
智能网联汽车为冬奥会添动力
光纤与光纤传感器
智能网联汽车仍面临三大挑战
北京大力发展智能网联汽车 行业规模将超千亿
学习算法的“三种境界”
算法框图的补全