基于Q-学习算法的SAS与EPS协调控制仿真研究

为提高汽车的行驶平顺性和转向稳定性,用Matlab/simulink平台建立了SAS(半主动悬架)与EPS(电动助力转向)的集成模型,并与Carsim整车动力学模型结合,建立联合仿真模型;在此基础上,提出了一种基于Q一学习的协调控制方法,在给定转向工况范围情况下,通过Q一学习算法获得的Q值,将其用于控制器设计,实现对SAS与EPS两个子系统进行协调控制;通过比对仿真结果中的车身横摆角速度和车身侧倾角等性能参数表明:采用Q-学习协调控制方法比常规的集成控制方法有效地降低了车身横摆角速度和车身侧倾角,更好地优化两者之间的匹配关系,使汽车行驶的平顺性和转向的稳定性得到了有效的改善,从而提高了整车的安全性能.     

基于免疫算法的交通标志分割

针对现有道路交通标志图像分割算法中实时性和鲁棒性较差的问题,提出一种基于免疫算法和RGB颜色空间的交通标志图像分割新方法。该方法先用RGB颜色空间将交通标志从实景图中定位出来,利用免疫算法快速搜索的机理,对已定位的图像进行阈值T寻优,并用该阈值T分割图像。实验结果表明,该算法与基于遗传算法的图象分割算法相比较,具有较好的鲁棒性和实时性,且适用于不同光照条件下的交通标志图像分割。