基于高斯混合-隐马尔可夫模型的速差转向履带车辆横向控制驾驶员模型

为解决基于离合器转向机的履带车辆在无人行驶条件下的横向控制问题,采用一种基于高斯混合-隐马尔可夫模型的统计学习方法构建驾驶员模型,以实现对驾驶员跟踪控制操控经验的表述。利用经过大量试验采集获得的经验驾驶员操控数据对模型进行训练。以基于高斯混合模型表征的车辆速度和航向偏差作为隐马尔可夫模型的观测状态参量,并利用高斯混合模型对左右操纵杆位置进行转向模式划分,以转向模式作为隐马尔可夫模型的隐藏层状态参量,通过对模型的训练最终实现对于驾驶员操控经验以及车辆特性的统计学描述。利用上述模型对跟踪控制过程中的期望转向模式进行预测分析,结果表明该模型能够较准确地对转向模式进行预测。     

基于双层驾驶员模型的履带车辆纵向与横向协同跟踪控制方法

为解决基于离合器转向机速差转向履带车辆的路径跟踪控制问题,采用一种基于双层驾驶员模型的纵向与横向协同跟踪控制方法,以实现对期望路径的跟踪控制。第1层驾驶员模型以高斯混合隐马尔可夫模型为基础,以期望跟踪轨迹为输入,实现对转向模式序列的预测输出及切换控制,其中转向模式包括直驶模式、行进间转向模式与原地转向模式;第2层驾驶员模型以模糊逻辑来表征行进间转向模式下经验驾驶员纵向与横向控制配合规律,并最终依据期望航向校正偏差生成纵向、横向控制量。试验结果表明,上述控制算法能够有效地利用驾驶员的先验经验,解决车辆纵向与横向强耦合特性及转向不确定性给跟踪控制系统带来的挑战,最终实现车辆在特定场景下轨迹跟踪误差小于1.0 m的路径跟踪控制。     

基于多重示范的智能车辆运动基元表征与序列生成

为解决不同驾驶风格的类人驾驶轨迹生成问题,以包含同类型多重示范的真实行车轨迹数据集为依托,提出一种基于驾驶风格参量提取的运动基元表征及基元序列生成方法.单一运动基元以改进的动态运动基元方法进行表征,并引入奇异值分解实现同类型轨迹集合中主要形状表征参量与驾驶风格参量的分离;基元序列则是在关联各独立表征参量的基础上,利用准...     

基于独立电驱动履带车辆的地面参量估计方法研究

以独立电驱动履带车辆的大量试验数据为依托,提出一种基于驱动力统计学预测模型与车辆动力学模型相结合的算法,对道路阻力系数与转向阻力系数进行估计。根据过零航向角偏差点对车辆的行驶路径进行分割,并利用高斯混合模型对各路径段进行多元聚类,利用连续3个路径段的聚类标签表征运动基元的类型;以基元类型为依据实现数据的分组,利用高斯混合模型构建驱动力统计学预测模型。在进行地面参量估计时,当确定运动基元类型后,通过调用对应的驱动力统计学预测模型,利用高斯混合回归对两侧主动轮转矩进行预测。利用非线性最小二乘法,使得基于驱动力统计学预测模型得到的转矩预测值与基于动力学方程表征的转矩理论值误差最小,从而获得地面参量估计值。对实车采集到的数据进行处理,得到地面参量的测试值并与估计值进行对比,证明了该方法可以在使用较少传感器前提下,保证预测结果的精度与整体算法的效率。     

基于高斯混合-隐半马尔可夫模型的双侧独立电驱动无人履带机动平台纵向决策方法

基于运动学和动力学模型的电驱动无人履带机动平台纵向决策研究存在自适应能力差、难以获得精确的模型参数等问题。针对无人履带机动平台直驶遇到障碍物并接近障碍物的行驶工况,根据驾驶数据提出一种驾驶员纵向决策机理,使用高斯混合-隐半马尔可夫模型对熟练驾驶员纵向决策过程进行建模。使用高斯混合模型对驾驶员在直驶接近障碍物过程中的意图进行辨识,并对驾驶行为进行聚类和量化;通过隐半马尔可夫模型描述驾驶员决策转移过程与相同决策的持续时间;进行不同地面条件下的实车验证。试验结果表明：所提出的驾驶员模型可以很好地模仿驾驶员纵向决策机理,使得最大加速度小于3.5 m/s²,最大减速度大于-4.5 m/s²,决策边界平均加速度绝对值趋近于0.8 m/s²;通过对不同地面条件下的决策持续时间分布进行再训练,该方法可以不依赖地面参数从而适应不同环境条件。     

履带平台无人驾驶系统基于语义信息的模块串联方法

为提高无人履带平台在复杂越野环境下的通行能力,提出一种通过语义信息串联无人驾驶系统中环境感知、运动规划、运动控制模块的方法。环境感知模块通过相机与激光雷达的融合感知方法,利用图像语义信息与激光雷达点云特征,结合平台通过性几何参数,对环境中可通行区域进行粗提取,之后在可通行区域利用高斯聚类模型对环境进行精细的可通行度分析,最终生成具有不同通行度语义信息的三维栅格地图;运动规划模块在考虑平台运动学模型、动力学约束以及平滑过渡约束的基础上,结合地形与道路表面属性生成行为运动基元,通过对基元的分层式在线选择生成具有行为语义的轨迹;运动控制模块基于模型预测控制算法充分考虑平台驱动电机的执行能力、跟踪偏差以及控制稳定性,借助运动规划给出的行为运动基元语义属性,对控制目标函数权重系数进行实时更新,减小轨迹跟踪的横向误差,航向误差以及速度误差。最终利用中型混合动力无人履带平台进行了实车验证,结果表明：所提运动规划方法结果相较于基于平面二值栅格地图规划的轨迹在平均俯仰角、平均侧倾角、平均曲率分别降低46.1%、46.5%、14.2%;所提出基于行为语义轨迹变参数运动控制方法相较于定参数的运动控制方法分别在横向偏差、航向偏差、速度偏差降低17.1%、2.7%、6.1%。     

分布式电驱动无人高速履带车辆越野环境轨迹预测方法研究

越野环境下,无人车辆轨迹预测是车辆轨迹跟踪和精确导航的核心模块,预测误差将直接影响无人车辆行驶任务完成的准确程度。为实现速差转向式履带车辆在复杂越野环境下无人行驶轨迹准确预测的目的,搭建了分布式电驱动无人履带车辆系统,实现了车辆动态过程中的无人系统数据和车辆底层状态数据的同步采集。建立了速差转向车辆运动学模型,分析了履带车辆滑动转向特性。分别采用扩展卡尔曼滤波(EKF)方法和Levenberg-Marquardt方法对转向过程中的滑动参数进行估计,并完成了车辆轨迹预测。基于真实越野环境下的实车数据进行了验证。试验结果表明：相比于履带车辆理想预测模型,所采用的两种轨迹预测方法都大幅降低了车辆轨迹预测误差;对误差均值而言,EKF方法预测轨迹优于Levenberg-Marquardt方法;对误差标准差而言,后者优于前者,且随着转向程度的增加而增大。     

基于增强上下文信息长短期记忆网络的弹道轨迹预测

根据己方观测数据进行弹道轨迹预测是现代陆军实施精准打击的重要一环。针对现有弹道轨迹预测方法存在精度不足且实时性不强的问题，提出一种新的增强上下文信息长短期记忆(CE-LSTM)网络轨迹预测模型，进行弹道轨迹的长期精准预测。在LSTM网络可逼近任意非线性函数且具备长期记忆能力的基础上，构建隐藏层输出混合单元提取短时上下文信息，进一步逼近弹体运动状态；通过建立不同条件下的弹道轨迹的数据集，训练得到具备最优超参数的CE-LSTM网络。实验结果表明，与弹道微分方程组的数值积分解法以及高斯混合模型相比，CE-LSTM网络在预测的精度上优于其他2种方法，预测速度提高了3～10倍，且具备较强的泛化能力。     

变机动高超声速滑翔目标的轨迹序列预测算法

针对变机动临近空间高超声速滑翔目标轨迹难以准确预测的问题,提出一种基于ARIMA-UKF的轨迹预测算法.首先,在目标机动变化情况下通过无迹Kalman滤波(Unscented Kalman Filter,UKF)算法实现对目标的跟踪估计,为轨迹预测提供基础数据;其次,通过对数据进行平稳性分析、模型辨识、参数估计和模型诊...     

基于双参数自适应优化的无人履带车辆轨迹跟踪控制

为解决定参数轨迹跟踪控制器工况适应性差的问题,基于改进粒子群优化(IPSO)、多层感知机(MLP)算法,设计一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。离线状态下,基于采集的实车数据,以轨迹跟踪的高精度、高稳定性、低时间成本为目标,利用IPSO算法构建了不同运动基元下的最优参数组合数据集,并以运动基元类型和车速等为特征向量,控制时域长度、时间步长为标签,采用学习率自适应优化算法完成MLP神经网络模型的训练。在线状态下,根据规划层下发的轨迹信息和车辆状态反馈信息,由MLP神经网络输出预测的最优控制时域长度和控制时间步长,作为双参数输入到模型预测控制算法中,完成自适应轨迹跟踪控制。基于ROS-VREP的联合仿真和基于双侧独立电驱动履带平台进行实车试验。研究结果表明,在包含大曲率转向的综合工况下,与相同计算时间成本的定参数轨迹跟踪控制算法相比,所设计的轨迹跟踪控制器横向偏差均值、航向偏差均值以及转角变化率均值分别降低了30.5%、17.2%、7.8%,证明了算法的可行性和有效性。     

面向异构履带车辆的统一运动规划方法

为在统一算法框架下解决异构履带车辆的运动规划问题,提出一种基于运动基元离线生成与在线扩展选择的运动规划方法,所研究的异构履带车辆是指搭载3种不同转向机构的履带车辆.运动基元的优化生成以轨迹平滑度为目标,通过综合考虑异构履带车辆的差异化行为约束、平台运动学模型约束、平滑过渡约束等,生成满足异构履带车辆运动规划需求的基元库...     

双侧电传动履带车辆模糊前馈-反馈转向控制

针对双侧电传动履带车辆转向控制存在目标跟踪慢和抗干扰性能差等问题,通过车辆动力学分析和驾驶员操控信号解析,在直接转矩控制的基础上设计了一种模糊前馈-反馈转向控制算法。该算法将方向盘转角及变化率作为模糊控制输入,对两侧电机目标转矩进行前馈补偿;采用转向半径的偏差及变化率作为模糊控制输入,对目标转矩差进行反馈修正。通过实时仿真系统dSPACE平台构建车辆的硬件在环实时仿真平台,对控制策略的实时性和可行性进行了验证。结果表明,模糊前馈-反馈控制在车辆不同速度和不同转向半径工况下均能有效缩短转向动态响应时间,同时转向轨迹的抗扰性能得到了提高,实现了车辆快速稳定转向。     

双侧电机耦合驱动履带车辆斜坡转向控制策略

斜坡转向过程是履带车辆的一种典型工况,受重力沿斜坡分力的影响,其动力学特性与平面转向相差很大,转向控制难度大。为提高履带车辆斜坡转向过程的稳定性,对双侧电机耦合驱动履带车辆的转向原理和履带车辆动力学与运动学进行分析,建立斜坡转向运动学与动力学模型。在此模型基础上,提出斜坡转向模型预测控制策略。针对不同斜坡角度以及转向半径,利用MATLAB/Simulink软件对转向控制策略进行建模与仿真,并通过电驱动车辆进行了实车验证。结果表明,该履带车辆斜坡转向模型具有较高的可信性,基于模型预测的斜坡转向控制策略能够使车辆稳定地进行斜坡转向操纵。     

电传动履带车辆转向自适应控制策略仿真分析

针对电传动驱动履带车辆,提出了一种适应于转向阻力变化的转向控制策略.通过对转向动力学模型进行等效线性转换,推导了应用模型参考自适应控制基本原理的系统控制结构,设计了能够有效调节电机驱动扭矩的自适应控制策略.建立了基于转向自适应控制策略的履带车辆仿真模型,进行了6种给定转向工况的仿真.结果说明,在应用自适应控制后,当地面转向阻力变化时,履带车辆能够获得期望的转向角速度响应.自适应控制策略保持车辆转向稳定性的控制能力良好,且简化了驾驶员操纵,降低了电机控制难度.