JOURNAL PORTAL
辽宁科学技术出版社有限责任公司主办
汽车维修技师
魏宏建
无人驾驶汽车的研究方兴未艾。多目标跟踪（MOT）是无人驾驶环境感知的核心功能，对无人驾驶车辆避障、分析其他交通参与者的运动轨迹并估计运动参数（位置、速度、方向等）、规划自车路线等至关重要。本文从基于相机、基于点云、基于相机与点云多模态融合等三个方面对用于无人驾驶多目标跟踪技术的研究现状进行了详细阐述，同时分析了多目标跟踪在方法设计上面临的挑战，例如交通场景的动态性与复杂性问题、再出现目标处理问题、实时性问题等。
鲁亚云, 王峰, 王立超, 赵晓龙, 周燕燕
本文聚焦高职汽车类专业课程育人元素如何有效融入，通过剖析当前课程思政教学现状及存在的困境，结合职业教育特点和汽车行业发展趋势，提出可操作的融入路径。本研究认为，从挖掘与整合思政元素、创新教学方法与模式、强化师资队伍能力建设、完善教学评价体系等方面形成系统化、可操作的路径，推动“课程思政”在专业教学中落地生根、见行见效，可提升人才培养质量，促进学生专业技能与良好职业素养、道德品质的协同发展，为培养高技能人才提供理论参考和实践依据。
赵渭平, 任伟, 张华, 张雷伟
机械加工工艺作为零件成型的关键环节，其方案合理性、参数优化与过程控制水平，直接决定零件的几何精度、尺寸精度与表面质量。本文通过系统分析车削、铣削、磨削等工艺机理及其对精度的影响规律，重点探讨机床动态特性、刀具参数与磨损、夹具设计、切削参数及热变形等关键工艺要素的作用机制，并结合现代质量管理理念，提出工艺仿真、在线检测与反馈补偿、统计过程控制等优化策略与全过程精度控制方法，以提升我国汽车零部件制造业的工艺水平。
王妍婕
随着汽车轻量化与节能环保要求的不断提高，树脂材料在汽车零部件制造中的应用日益广泛。树脂零件以其质轻、强度高、可设计性强等优点，在降低汽车自重、提升燃油经济性方面发挥着重要作用。然而，树脂零件在制造工艺与质量控制方面仍面临诸多挑战，如材料性能稳定性难以保障、制造工艺参数控制不够精准、质量检测手段相对滞后等问题。本文在分析树脂零件制造工艺与质量控制重要性的基础上，剖析了当前存在的突出问题，并从材料选用优化、工艺参数精准控制、智能检测手段应用等方面，提出了相应的改进策略，以期为汽车树脂零件的高质高效制造提供参考。
孙伊霖
本文针对汽车机械装配系统的智能化转型需求，研究基于多智能体协同的控制技术体系。通过构建任务调度优化模型，设计分布式通信协议，提出动态误差补偿机制，形成完整的协同控制框架。实际应用表明，该技术可提升装配线作业效率18.7%，将设备协同误差率降低至0.12%。本研究为智能工厂建设提供了可复用的技术方案，具有显著的生产实践价值。
王文飞
智能制造时代，汽车产业面临精度、效率、成本、柔性等多重挑战，亟须优化机械加工工艺以提升核心竞争力。本文剖析了汽车智能制造背景相关内容、机械加工工艺优化的重大意义，涉及提升制造的精准度与效率，可使生产成本与资源消耗有所下降，符合个性化定制及柔性生产的需求，助推汽车产业达成高质量水平。基于这个基础，本研究涉及数字化设计与仿真优化、智能化加工设备和过程控制、先进刀具材料与涂层技术的应用、绿色切削工艺参数优选、机器视觉引导的柔性装夹等方面，给出针对汽车智能制造的机械加工工艺优化具体方法，力求为汽车制造业的智能化升级提供参考借鉴。
成佳, 马胜强
随着智能驾驶技术的快速发展，对控制执行机构精准度的要求愈发严苛。控制执行机构作为智能驾驶决策的最终执行者，其精准度直接关系到智能驾驶的安全性与可靠性。本文深入剖析了机械制造技术升级与智能驾驶控制执行机构精准度之间的紧密联系，通过研究先进制造工艺、新型材料应用以及制造过程中的质量控制等方面，阐述机械制造技术如何助力提升控制执行机构精准度，旨在为智能驾驶产业与机械制造领域的协同发展提供理论支持与指导。
孔翠翠, 李修银
本文针对汽车仪表板支架轻量化注塑模具的冷却效率问题，提出基于随形水路设计与多物理场耦合仿真的优化方法。本研究通过建立模具冷却系统数值仿真模型，分析温度场分布与冷却时间，优化管道参数与布局策略。研究表明，优化后的轻量化模具冷却效率提升18.7%，成型周期缩短22%，有效降低翘曲变形风险。本研究为汽车零部件轻量化注塑模具设计提供了理论与技术参考。
艾耀阳
在汽车产业向智能制造加速转型的背景下，质量控制成为决定企业竞争力的核心要素。本文综合运用文献研究法，梳理了汽车智能制造技术体系，经研究发现：大数据、人工智能等新兴技术深度融入质量控制流程，实现了从传统抽检到实时监测、智能预警的变革。同时，构建数字化质量管理体系能有效整合多源数据，优化质量控制流程，可显著提升汽车生产质量与效率。本研究成果为汽车制造企业在智能制造浪潮下提升质量控制水平提供了理论支撑与实践指导。
王佳贺, 徐佳鑫, 吴兆洋, 王婷婷, 宋浩铭, 徐诗豪
本研究基于深度学习探索多传感器融合检测算法，通过分析视觉感知理论、构建增强数据集、设计多任务学习视觉识别模型、优化架构、引入注意力机制并实现轻量化设计，研究动态场景的时序建模方法。实验验证表明，所提算法显著提升了小目标检测精度及复杂场景适应能力：在KITTI验证集上，遮挡目标召回率提升24%，黄昏场景误检率降低62%,nuScenes测试集目标轨迹跳变率从12.1%降至5.3%；在恶劣天气下，其检测精度较单传感器系统提升约15%，雾天精度达73.4%。此外，该算法在KITTI和nuScenes数据集上实现实时性与精度突破：轻量化设计将计算量降至0.8万亿次/秒的同时保持82.1%的mAP，在NVIDIA Jetson AGX Xavier平台上实现45帧/秒推理速度及30W功耗。这些结果为智能驾驶环境感知提供了可靠支撑。