基于序列增强的事件主体抽取方法

针对自动驾驶车辆在行使中对目标路径跟踪精度不高、鲁棒性能较差等问题，提出了一种深度确定性策略梯度RF-DDPG（reward function-deep deterministic policy gradient）路径跟踪算法。该算法是在深度强化学习DDPG的基础上，设计DDPG算法的奖励函数，以此优化DDPG的参数，达到所需跟踪精度及稳定性。并且采用aopllo自动驾驶仿真平台，对原始的DDPG算法和改进的RF-DDPG路径跟踪控制算法进行了仿真实验。研究结果表明，所提出的RF-DDPG算法在路径跟踪精度以及鲁棒性能等方面均优于DDPG算法。     

基于鲁棒Tube-MPC算法的无人车横向控制方法研究

针对自动驾驶汽车路径跟踪横向控制过程中因道路湿滑或道路坎坷不定等外界干扰造成的跟踪不稳、超调问题，提出一种将模型预测控制(MPC)和滑模控制(SMC)相结合的鲁棒Tube-MPC算法。首先，对自动驾驶汽车进行名义运动学建模并线性化推导，利用线性化名义模型求解MPC代价函数得到名义系统控制律，完成对预定轨迹的跟踪；其次，通过建立实际系统与名义系统之间的误差系统，设计SMC的滑模面及趋近律，推导出辅助控制律，完成实际状态对名义状态的贴近，以实现鲁棒性；最后，完成基于Carsim/Simulink的仿真，实验结果表明上述方法能够有效提升自动驾驶汽车在外界不确定干扰影响下的鲁棒性和跟踪精度，优于传统MPC和线性二次型调节器(LQR)为代表的无人车控制方法。     

自动驾驶汽车路径规划与轨迹跟踪研究综述

自动驾驶汽车路径规划与轨迹跟踪技术的发展对提升汽车技术与现代电子信息的深度融合具有十分重要的意义。文章围绕自动驾驶汽车路径规划与轨迹跟踪技术进行了阐述，介绍了基于环境建模和路径搜索策略的路径规划技术，分析了基于传统控制和先进控制方法的轨迹跟踪控制现状，并对未来自动驾驶汽车的发展方向进行了展望。     

参数不确定和扰动下智能汽车路径跟踪控制

针对智能汽车在路径跟踪过程中因模型参数不确定性、外部干扰、系统状态时变性非线性等导致跟踪精度较低、鲁棒性较差的问题，设计基于鲁棒预测控制（RMPC）的路径跟踪控制方法.考虑轮胎的非线性特性，对轮胎侧偏刚度进行修正.考虑纵向车速时变性，利用有限个多胞体顶点描述车辆纵向车速，建立离散的车辆多胞不确定模型.根据Lyapunov渐进稳定性和无穷时域二次型性能指标，采用带松弛变量的线性矩阵不等式（LMI），求解优化问题.利用改进后的离线鲁棒预测控制算法，提高了控制器的实时性并降低了保守性.通过SimulinkCarsim联合仿真和硬件在环试验，验证了控制器的有效性.仿真结果表明，所设计的控制器具有较好的跟踪精度和鲁棒性.     

辐射源机动目标被动式鲁棒跟踪一种算法

为研究只测向目标跟踪系统在观测噪声为ε污染高斯分布背景下的辐射源机动目标鲁棒跟踪问题,提出一种简易而有效的变结构鲁棒跟踪算法。该算法由机动目标快速鲁棒检测器、变结构跟踪器（鲁棒MGEKF／PLKF）以及系统误差补偿等环节组成,能够在ε污染高斯分布背景下快速鲁棒检测和跟踪辐射源机动目标,同时根据系统误差特征可实时补偿系统跟踪误差。仿真结果表明,该算法能够有效解决辐射源机动目标鲁棒跟踪问题。     

基于深度强化学习的自动驾驶车控制算法研究

为了提高基于强化学习的自动驾驶车控制算法的学习效率,提出了一种结合专家经验的自动驾驶策略学习算法(deep deterministic policy gridient with expert,DDPGwE)。DDPGwE采用基于DDPG的强化学习框架进行模型在线训练,使用真实的人类驾驶数据对actor网络进行预训练,同时在actor网络中加入LSTM预测机制,提升自动驾驶车对将要发生状况的预判。在仿真平台TORCS中的实验结果表明,所提算法相较于原始DDPG算法,训练时间大大缩短,收敛速度加快,提高了模型的稳定性和泛化能力。     

基于区域采样随机树的客车局部路径规划算法

为解决结构化道路环境下自动驾驶客车的路径规划问题,针对双车道避障工况提出了一种区域采样随机树RS-RRT算法。在采样阶段,集成高斯分布采样和局部偏向性采样来提高路径规划算法的搜索效率。在随机树扩展阶段,考虑了客车和障碍物的实际尺寸,利用分离轴定律(SAT)实时检测客车和周围障碍物的碰撞风险。在后处理阶段,结合安全性和舒适性的目标,融合了驾驶共识、安全距离模型和路径平滑算法对规划的路径进行修正。为验证RSRRT算法的有效性,搭建了商用车电液转向系统硬件在环试验台,利用TruckSim构建仿真场景,通过MATLAB和TruckSim的联合仿真实现算法的验证。试验结果表明:与基本RRT和目标偏向性RRT(Goal-biasing RRT)相比,本文算法在节点数量、路径长度和运行时间上均有优势,生成的路径满足客车动力学和路径跟踪要求。     

仅有角测量系统鲁棒跟踪研究

传统的仅有角测量跟踪器不能跟踪机动目标。为此作者在「２」中提出了跟踪机 仅有角测量系统。在文「２」基础上本文提出了新的变结构鲁跟踪算法，解决了令有角测量系统鲁棒跟踪机动目标问题，该系统由机动目标检测，噪声污染模型以及鲁棒跟踪器构成。最后应用本结果提出了仅有角测量系统鲁棒制导规律，给出了纺真计算结果。     

直线伺服系统的变增益零相位H∞鲁棒跟踪控制

针对永磁直线同步电机(PMLSM)直接驱动伺服系统，提出了一种将变增益零相位误差跟踪(VGZPET)控制和H_∞鲁棒控制相结合的鲁棒跟踪控制策略，以解决系统的快速而精确的跟踪性能和抗扰性能之间的矛盾.VGZPETC克服了建模误差、系统参数变化等影响，保证了快速性，使系统实现准确跟踪；而H_∞控制器克服了负载扰动等不确定性影响，保证了系统具有较强的鲁棒性能.仿真结果表明，该方案具有快速精确的跟踪性能，同时对系统参数变化和阻力扰动具有很强的鲁棒性.     

基于改进鲁棒重复控制与QPR的光伏电流控制策略

为提高微电网中光伏逆变器的功率控制性能,改善光伏发电的并网电流质量,首先建立光储微电网中光伏主电路的状态空间模型,基于此模型,提出一种"嵌入式"的鲁棒重复控制模型,改进传统重复控制中的内模结构,并加入鲁棒补偿器,通过线性矩阵不等式法求得最优配置,以提高控制系统的稳定性能和跟踪精度.然后结合准比例谐振(QPR)控制良好的滤波效果,提出一种基于改进鲁棒重复控制与QPR并联的光伏电流控制策略.最后在RTDS仿真平台上对所提策略进行验证,仿真结果表明,该策略可以有效地提高光伏逆变器的电流跟踪性能和谐波抑制能力,从而验证该策略的有效性和工程应用价值.     

Autonomous Tracking Control for Four-Wheel Independent Steering Robot Based on Improved Pure Pursuit

Autonomous tracking control is one of the fundamental challenges in the field of robotic autonomous navigation, especially for future intelligent robots. In this paper, an improved pure pursuit control method is proposed for the path tracking control problem of a four-wheel independent steering robot. Based on the analysis of the four-wheel independent steering model, the kinematic model and the steering geometry model of the robot are established. Then the path tracking control is realized by considering the correlation between the look-ahead distance and the velocity, as well as the lateral error between the robot and the reference path. The experimental results demonstrate that the improved pure pursuit control method has the advantages of small steady-state error, fast response and strong robustness, which can effectively improve the accuracy of path tracking.     

Path planning and stability control of collision avoidance system based on active front steering

Vehicle collision avoidance system is a kind of auxiliary driving system based on vehicle active safety,which can assist the driver to take the initiative to avoid obstacles under certain conditions,so as to effectively improve the driving safety of vehicle.This paper presents a collision avoidance system for an autonomous vehicle based on an active front steering,which mainly consists of a path planner and a robust tracking controller.A path planner is designed based on polynomial parameterization optimized by simulated annealing algorithm,which plans an evasive trajectory to bypass the obstacle and avoid crashes.The dynamic models of the AFS system,vehicle as well as the driver model are established,and based on these,a robust tracking controller is proposed,which controls the system to resist external disturbances and work in accordance with the planning trajectory.The proposed collision avoidance system is testified through CarSim and Simulink combined simulation platform.The simulation results show that it can effectively track the planning trajectory,and improve the steering stability and anti-interference performance of the vehicle.     

海洋环境下欠驱动无人艇航迹跟踪控制算法

为提高风浪流等外界环境扰动下,欠驱动无人艇航迹跟踪控制的准确性和鲁棒性,研究真实海洋环境下一类欠驱动无人艇的航迹跟踪控制问题,提出了一种基于改进视线导引算法与自适应滑模航向控制算法级联形式的欠驱动无人艇航迹跟踪控制算法,并基于李雅普诺夫理论和级联系统理论证明了当所有控制目标实现时,航迹跟踪控制系统为一致全局渐近稳定的.与传统的视线导引算法相比,改进的导引算法通过引入自适应观测器能够实现对漂角的实时估计和补偿,同时时变前视距离的设计使得无人艇的操纵更加灵活.以"海鲟03号"无人艇操纵运动模型和辨识得到的参数为基础,在MATLAB/SIMULINK软件上进行了航迹跟踪对比仿真实验,仿真结果表明:相比传统LOS导引策略下的航迹跟踪算法,控制算法动态性能更高且稳态误差较小,验证了算法的有效性和先进性;利用"海鲟03号"无人艇对所提出的控制算法进行了海上试验,结果表明在航迹跟踪控制算法的作用下,无人艇能较为准确地跟踪预先设定的期望航迹,且在整个航迹跟踪过程中,航迹误差相对较小,验证了该算法在实际工程应用中的正确性和有效性.     

基于动态反馈的AUV水平面路径跟踪控制

针对离散自治水下机器人水平面的路径跟踪控制问题,利用水下机器人的位置和姿态角量测信息,提出神经网络自适应输出反馈控制器.所设计的控制器包括3部分,镇定水下机器人动态系统线性部分的动态反馈控制器;神经网络控制器,用来补偿水下机器人受到环境干扰引起的水动力系数变化的不确定非线性结构;补偿环境扰动和神经网络带来的重构误差的鲁棒控制器.基于离散非线性系统理论,对水下机器人水平面跟踪误差系统进行分析,得到系统的跟踪误差最终一致有界.所提出的控制方法具有对模型精确度要求低的优点,利用INFANTE水下机器人模型进行仿真分析验证了提出的控制算法的有效性.     

基于摄像头的智能车黑色虚线识别算法研究

针对“飞思卡尔”智能车竞赛的赛道由虚线组成的特点,提出一种提取智能车黑色虚线识别算法.该算法将是在改进的边缘检测算法和左边跟踪检测法的基础上,利用直线斜率和直线方程,把虚线跑道补实,来完成智能车赛道的信息采集.实际测试表明该方法能够实现路径识别的正确性和快速性,可在黑白（或色差较大）赛道上获得良好的自主寻迹效果.     

基于径向基函数神经网络PID与模型预测控制的车辆轨迹跟踪控制

为提高无人驾驶车辆的稳定性和鲁棒性,提出一种基于径向基函数神经网络自适应比例积分微分（RBFNN?PID）算法和模型预测控制（MPC）算法相结合的车辆轨迹跟踪控制方法. 基于自适应RBFNN?PID算法、MPC算法以及车辆动力学模型,建立智能车辆纵向速度控制和横向控制的仿真模型并将其结合起来. 在此基础上,以横向MPC控制和LQR?PID控制算法为基准,验证所提出的控制方法在轨迹跟踪方面的优越性. 仿真结果表明,新方法比对照组具有更高的精度. 最后,对新控制方法的硬件在环验证表明,该轨迹跟踪控制算法在轨迹跟踪精度和稳定性方面具有一定的有效性和先进性.     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.     

基于强跟踪卡尔曼滤波的电池SOC估计

针对锂电池模型不准确和状态突变导致SOC估计精度不佳的问题,提出了引入时变渐消因子的强跟踪卡尔曼滤波算法.以HPPC试验方法辨识了锂电池的等效二阶RC模型,对比分析了现有的扩展卡尔曼滤波原理及提出的强跟踪卡尔曼滤波算法.通过结合强跟踪原理和卡尔曼滤波算法并引入时变渐消因子,提出的方法能够强制估计残差保持正交特性,并保证残差满足高斯白噪声特性.仿真验证表明,与扩展卡尔曼滤波原理相比,在模型不准确和状态突变的情况下,强跟踪卡尔曼滤波算法具有更高的估计精度,估计误差低于2.5%,提高了近45%.     

AUV平面直线航迹跟踪控制算法

针对自主水下航行器（AUV）在平面直线航迹跟踪过程中的航迹超调问题,设计基于航向航速双闭环运动控制的航迹跟踪控制算法. 跟踪算法以视线导引法（LOS）为基础,设计时变前视距离提高AUV的机动性,并以一阶惯性滤波抑制因航向切换产生期望航向角的阶跃变化. 控制算法采用抗积分饱和PID控制及参数自适应,以增加算法的鲁棒性,并将航向航速控制设计成双闭环,使得 AUV航行时期望航迹段终点的距离偏差实时调整期望航速. 结果表明,此航迹跟踪控制算法根据距离偏差调节实时航速,可使AUV提前减速以低速转向,抗积分饱和可避免航速超调,参数自适应以适应多种航行工况. AUV能准确跟踪期望航迹,最大航迹偏差小于1.0 m,并且大角度转向时可有效减小航迹超调.     

增强D* Lite在自主移动机器人安全路径规划中应用

为了提高未知环境中自主机器人行走的安全性和路径规划最优性,提出了增强D＊Lite算法,该算法以栅格法环境建模为基础,引入障碍物尖角和结合点检测,并针对复杂障碍物的可优化路径给出路径优化方法。仿真实验结果表明,该方法可以实现移动机器人安全路径的规划和优化。