基于ACT-R的智能车动态优化方法

为了使智能车辆在不同道路环境中能够顺利沿规划轨迹行驶,提出一种新的基于认知结构ACT-R的动态轨迹优化方法。该方法将数学工具最优控制方法和ACT-R模型联系起来,以ACT-R模型为核心,用最优控制方法生成轨迹,由ACT-R模型对评价函数的权重进行动态调整优化,通过智能优化多个权重的方法动态生成最优轨迹。避障行驶仿真实验结果表明,所提出的方法有效可行,可以动态地生成最优参考轨迹。     

基于反演法的智能车辆弯路换道轨迹跟踪控制

基于车辆的运动学模型,研究了具有非完整约束特性的智能车辆弯路换道的轨迹跟踪控制问题。结合弯曲车道的曲率半径,针对换道过程中车辆横向运动和纵向运动对换道轨迹的耦合作用,提出了一种适用于弯道的换道轨迹规划方法。根据换道轨迹,利用积分反演法,引入中间虚拟控制量,设计了轨迹跟踪控制算法,并用Lyapunov稳定性理论证明了控制系统的稳定性。仿真结果表明:该控制器可以保证车辆在弯路换道的轨迹跟踪误差一致有界收敛,且具有快速、准确跟踪和全局稳定的特性。     

基于航模辅助观测的车辆轨迹提取方法

为了克服交通流定点视频观测方法在观测范围上的局限性,提出了一种基于飞行航模辅助视频观测的地面道路车辆轨迹提取方法．首先应用飞行航模在空中拍摄获得道路交通流视频,并将视频分解为连续逐帧图片;其次应用针孔成像模型和空间坐标转换算法,对逐帧航拍图片内的车辆坐标进行提取和转换,以获得车辆的运行时空轨迹数据;最后进行了该方法的3类误差分析.结果表明,该方法在标准棋盘格试验下提取坐标的相对误差小于5％,实际道路交通目标坐标提取的精度达到90％以上．航模辅助视频观测法可实现对交通目标的大范围低成本观测,能够满足交通工程的观测需求．     

时间最优控制轨线方程工程方法的研究

介绍了在时间最优控制系统设计中，用直线方程近似代替控制轨线曲线方程的具体方法，并且由实验证明该方程不仅能满足工程需要，方便可行，而且与其他控制规律相比，节约能耗，缩短了控制时间。     

基于分布式光纤传感系统的车辆轨迹提取方法

分布式光纤传感系统(distributed acoustic sensing,DAS)具有可获取连续分布信息、受环境影响小、成本低等优势,作者提出了一种利用DAS系统进行车辆轨迹提取的方法,为实现智慧化高速公路环境中全时空交通状态感知提供基础.首先,利用基于Φ-OTDR原理的DAS检测设备和高速公路通信光纤中的空闲纤芯...     

爆胎车辆轨迹控制的仿真

为了解决高速公路爆胎车辆出现偏航的问题,进行了爆胎车辆轨迹控制的仿真研究。首先确定了爆胎车辆轨迹控制的评价指标,然后讨论了静态比例、积分、微分( proportion integration differentiation, PID)控制器对高速公路爆胎车辆轨迹的控制效果。由于在某一行驶车速下建立的静态 PID 控制器不能很好地控制行驶在其他车速下的爆胎车辆,因此,采用了增益可变 PID 控制器处理爆胎车辆的轨迹控制问题,其中变增益 PID 控制器的参数是事先针对不同的爆胎车速标定获得的。仿真实验结果表明：变增益 PID 控制方案应用于爆胎车辆轨迹控制,可在保证车辆稳定行驶的同时控制车辆的行驶轨迹,使其在出现较小的偏移后回到原路径。     

基于改变控制时域时间步长的智能车轨迹跟踪控制

为了解决模型预测控制设计智能车轨迹跟踪控制器存在求解计算时间长、在线实时性低的问题,借助于矩阵分块化策略,提出了一种基于控制时域变步长的模型预测轨迹跟踪控制方法。通过矩阵分块化改变控制时域步长,并融入到二次规划的求解过程中,重构目标函数形式和系统约束条件,以减少求解过程中最优控制序列中待求解变量的数量,降低求解计算时间。在Simulink与Carsim联合仿真平台中,将本文方法与传统模型预测控制方法进行仿真对比分析。结果表明,相比于传统模型预测控制方法,本文方法在保证轨迹跟踪精度的前提下,平均求解计算时间降低了24.39%,最大单次计算时间降低了45.05%,采用“前密后疏”的分块矩阵,其控制器性能优于“平均化”的分块矩阵。     

基于时空融合的多头注意力车辆轨迹预测

针对时空维度特征影响自动驾驶车辆轨迹精度的问题,提出基于时空融合的多头注意力（TSMHA）车辆轨迹预测模型,对于空间与时间2个维度的特征信息,分别使用多头注意力机制提取车辆空间交互感知与时间运动模式.为了获得互补特征,并除去特征数据中的冗余,将处理后的时空特征信息传输至门控特征融合模型进行特征融合.使用基于长短期记忆(LSTM)的编解码器结构,考虑编码与解码2个过程中轨迹之间潜在的相互作用,循环生成目标车辆未来预测轨迹.在训练过程中使用L2损失函数,以此降低预测轨迹与真实轨迹的差值.实验表明,与对比算法模型相比,在直线高速公路、城市十字路口、环岛场景下,本研究所提出的模型的精度分别提高了3.95%、 15.64%、31.40%.     

融合侧倾稳定性的智能客车轨迹跟踪增益调度控制策略

基于三自由度智能客车简化模型,考虑了智能客车易发生侧翻稳定性问题,采用轨迹跟踪与侧倾稳定性相结合的方式,利用多点预瞄的LQR(Linear quadratic regulator)最优控制算法,提出了智能客车轨迹跟踪控制策略.本策略采用增益调度方法,以实现变化车速工况的客车轨迹跟踪控制,搭建了Matlab/Simulink软件与Trucksim软件联合仿真平台,进行智能客车轨迹跟踪控制策略软件在环仿真实验.结果表明:所提控制策略适应了智能客车轨迹跟踪过程中的车速动态变化,实现了轨迹位移和航向角平滑稳定良好地跟踪,最大侧向位移误差率和最大航向角峰值误差率分别为1.56％和2.14％,保证了轨迹跟踪过程中智能客车横摆侧倾稳定性.     

四轮转向车辆操纵稳定性的最优控制策略研究

为提高四轮转向汽车的操纵稳定性,提出一种联合后轮转向和横摆力矩的最优控制方法.从7自由度四轮转向整车模型出发,建立车辆转向的线性化简化模型和理想模型,并基于二次型最优控制理论推导出前馈控制器和反馈控制器.仿真结果表明:在低速和高速行驶工况下,相比传统的前馈控制,基于最优设计的前馈控制器能改善车辆的行驶姿态,而实施前馈加反馈的最优控制方法可获得更优的理想模型跟踪控制性能,实现了零侧偏角控制目标,同时横摆角速度的控制误差也很小,使得汽车具有更好的行驶轨迹、速度保持能力和稳定状态,进一步提高了车辆的操纵稳定性.     

六自由度并联机器人轨迹生成及实验研究

为实现并联机器人运动轨迹的快速生成,提出了一种基于JPEG图像格式的运动轨迹快速生成方法,该方法可以快速地将图纸上路径轨转化为并联机器人预期路径。首先对JPEG图像格式文件的轨迹生成进行研究,然后用Matlab进行特征点提取及曲线拟合,通过仿真验证此方法的可行性。最后以H850六自由度并联机器人为研究对象,进行轨迹生成实验研究,验证基于JPEG图像格式的轨迹快速生成方法所生成轨迹的精确度。     

智能梁在静载作用下的残余应变最优控制方法

采用文献［６］中提出的线弹性智能结构的本构方程,以作动元件的残余应变为控制参数,分析了具有表面粘贴或内嵌作动元件的梁结构在任意静载作用时的最优控制问题,作动元件可以是分布式的或完整压电层式的,文中导出了一般情况下梁的控制微分方程并阐述了其最优控制方法,最后给出了两个具体计算实例。     

基于重力模型生成假轨迹的隐私保护方法

针对连续查询场景中用户实时位置的隐私保护问题,设计了一种基于客户端的假轨迹生成方法.该方法使用网格划分地理空间,统计网格划分后每个网格内的历史查询数据.通过分析网格内的历史查询数据构建实时预测用户移动轨迹的重力模型.在重力模型基础上结合历史查询概率定义了轨迹熵度量轨迹隐私保护等级,并在最大运行速度限制下,提出了一种具有最大轨迹熵的基于k-匿名的假轨迹隐私保护算法.实验结果验证了所设计的假轨迹生成方法能够有效地保护真实轨迹的隐私.     

基于预瞄模糊自适应PID的电动履带自主车辆的轨迹控制

针对研制的无人地面武器机动平台驱动系统的转向及轨迹控制提出了一种解决方法.将机器人的轨迹误差、方向误差纳入控制闭环中直接控制机器人的方向和位置.通过对无刷.直流电动机驱动履带车辆的转向机理与控制的分析,在模糊自适应PID控制的基础上,运用预瞄跟随理论,设计了一个根据预先给定的轨迹来控制电驱动履带车辆自主行驶的转向控制器,结合小型无人地面武器机动平台,进行了仿真实验研究,结果表明了该方法的有效性.     

基于卷积神经网络的道路车辆检测方法

提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。     

融合多种特征的路面车辆检测方法

提出一种融合多种目标特征的单目视觉车辆检测方法。首先,利用车辆尾部的结构对称性提取出感兴趣区域(ROI),减少搜索范围;然后,利用车辆底部的阴影特征,在ROI中搜寻车辆可能出现的位置,找出假设目标;最后,利用亮度和轮廓信息对假设目标进行对称性验证,排除虚假目标,同时对车辆在图像中的位置实现精确定位。通过实验,验证了提出方法的有效性和鲁棒性。     

基于连续型Hopfield网络的最优控制方法

为克服应用离散型Hopfield网络解决动态最优控制问题时,计算量随着系统维数和控制时域的增加而指数增大的不足,提出了一种基于连续型Hopfield网络解决线性离散系统二次型最优控制问题的方法.该方法将线性二次型性能指标转化为连续型Hopfield网络的能量函数,控制序列转化为连续型Hopfield网络神经元的输出向量,从而将线性二次型动态优化问题的求解过程转化为相应的连续型Hopfield网络从初态向终态的运行过程,网络稳态输出反映了最优控制序列.该方法计算量小,实时性好,便于在线优化控制.