近期，我校汽車與交通學院教師在國際期刊《Energy》（中科院一區top，IF：9），《Scientific Reports》（中科院二區，IF：4.9），《Iscience》（中科院二區，IF：5.0），MEASUREMENTI（中科院二區top，IF：5.2）及CSCD期刊《激光與光電子學進展》先后發表了8篇高水平論文文章，分享了在混合動力能量管理、穩定性控制及智能網聯無人駕駛中的傳感器識別領域研究的新成果。

依托于改造的混合動力四驅車，研究者提出了一種可在線實施的能量管理策略，并采用自主開發的硬件再環平臺，驗證了該策略的有效性。簡單快捷的硬件再環平臺引起了審稿人極大的興趣，給出了很高的評價。相關論文發表在《Energy》期刊上，第一作者為樊利康博士。

《Energy》期刊上的論文

基于硬件再環平臺，研究者繼續探究了四驅混合動力在極端路況下的穩定性策略，并提出了可在線運行的協調控制策略。該策略考慮了多環境、多影響因素下的最佳扭矩分配，保證了整車始終工作在最佳的運動狀態。相關論文已發表在《Scientific Reports》上，第一作者為樊利康博士。

《Science Reports》期刊上的論文

混動平臺發動機內部燃燒的穩定性對排放和燃油經濟性至關重要，因此研究者在采用先進燃燒理論分析發動機缸內燃燒過程的基礎上，通過可視化缸內燃燒過程，量化了缸內火焰燃燒的傳播路徑和火焰半徑，為混合動力高效專用發動機技術奠定了基礎。相關論文已經發表在《Scientific Reports》上，第一作者為樊利康博士。

《Scientific Reports》上的論文

智能網聯汽車作為新能源汽車的核心，受到眾多關注，依托于搭建的智能網聯實車平臺和計算中心，針對目前激光雷達目標檢測存在的不同問題，提出了新的目標檢測算法，相關成果已經發表在中科院二區TOP和國內CSCD期刊上。

目前大多數基于點的激光雷達3D目標檢測方法僅依靠獨立的點特征來提取空間信息，忽略了點與點之間的依賴關系。這極大地影響了智能網聯汽車環境感知的準確性。

通過引入“Transformer”架構去構建點與點之間的依賴關系，提出了檢測精度更高的目標檢測方法。相關論文在中科院二區top期刊《Measurement》上進行了發表，第一作者為碩士研究生曹捷。

《Measurenment》期刊上的論文

目前大多數激光雷達3D目標檢測方法采用的是有錨框的方式，這種方法不能準確的預測車輛在轉向中的角度。因此進一步將無錨框的方法從2D延伸到了3D空間，從而能夠更準確地預測車輛在轉向過程中的角度。相關論文已經發表在中科院二區《Iscience》期刊，論文第一作者為樊利康博士。

《Iscience》期刊上的論文

由于目前大多數基于體素的激光雷達目標檢測算法采用的是3D卷積神經網絡去捕獲空間特征，極大的限制了空間中點云全局信息的表達。因此，研究者提出了一種體素自注意力輔助網絡去彌補這一缺陷并取得了較好的效果。同時，為了將空間信息傳遞到特征通道層次，研究者在PV-RCNN算法中引入了通道注意力和空間注意力機制。相關論文已發表在CSCD核心期刊《激光與光電子學進展》上。在基于點的目標檢測方法中嘗試了僅使用Transformer編碼器去構建點云關系并取得了較好的效果，該方法在北大核心期刊《應用激光》上發表。以上三篇論文的第一作者均為碩士研究生曹捷，導師彭憶強教授，樊利康為通訊作者。