基于同步器的自动机械变速器挂挡过程控制研究

建立了较为详细的同步器挂挡的自动机械变速器(AMT)挂挡过程模型,并分析了换挡力对挂挡过程中冲击度以及同步器滑磨功率的影响。以冲击度和滑磨功率2个矛盾的物理量为控制目标,设计了串联的挂挡过程控制器。该控制器由2部分组成:1)以冲击度为反馈的模糊控制算法;2)以滑磨功率作为限制条件的比较算法。其中,冲击度为反馈的模糊控制算法采用Mamdani型模糊控制器,以滑磨功率作为限制条件的比较算法采用简单的比较运算来保证同步器的使用寿命。最后,通过台架试验验证了提出的控制策略。试验结果表明,提出的控制策略在减小同步器挂挡冲击度、保证挂挡品质的前提下,能减小同步器滑磨功率、提高同步器的使用寿命。     

重型汽车AMT电控气动坡起辅助控制

以北方奔驰2627型重型自卸车为样车,设计机械自动变速器(automatic mechanical transmission, AMT)坡道起步辅助控制系统,系统根据样车制动系统特点对驻车制动系统进行电气改造,实现车辆驻车制动的自动化控制. 分析车辆坡道起步过程中车辆的受力变化,并在此基础之上结合离合器结合过程中不同阶段的工作特点,设计车辆坡道起步控制策略和控制软件,实现车辆坡道起步过程中驻车制动与油门踏板和离合器的协调控制. 通过实车实验,验证了控制策略对解决AMT车辆在坡道起步过程中由于整车控制不协调造成的溜车及发动机憋熄火等问题的有效性.     

越野环境下高精地图关键技术和应用展望

随着人工智能等技术的发展，无人驾驶技术应运而生，越来越多的无人化装备也投入到作战应用中。面对复杂的越野环境，高精地图可以为无人车辆提供丰富的先验信息，辅助无人车辆进行环境感知、路径规划以及决策等，提升无人车辆越野机动能力。分析高精地图标准化、构建、应用等方面的研究现状，面向无人车辆越野环境下的自主机动任务需求，提出越野环境下高精地图的研究目标与技术体系，归纳总结越野环境下高精地图的基础理论与关键技术，并对越野环境下高精地图的应用发展进行了展望，为高精地图在无人驾驶方面的应用提供了参考。     

基于Pix2Pix算法的虚拟图像生成与可用性验证

目前基于深度学习的目标检测算法需要大规模的训练数据,然而实地收集数据一般周期较长,且针对某些特定场景(如高原、沙漠等)搜集大量数据较困难,难以满足深度学习算法的训练要求.本文采用了一种基于Pix2Pix算法的图像生成方法,在收集到少量真实图像的基础上,利用Pix2Pix算法产生虚拟图像,并设计试验验证虚拟图像的可用性.试验结果表明,虚拟图像和真实图像具有相似的灰度特征和边缘特征,利用真实图像训练的目标检测模型能够准确识别虚拟图像中的车辆、行人等目标,该虚拟图像生成方法能够生成与真实图像具有相似目标特征和背景特征的图像,是一种有效的数据增强方法.     

基于全卷积神经网络和点云的道路检测算法

传统利用视觉传感器进行道路检测的算法受到环境光影响明显,难以在实际驾驶环境进行应用.本研究基于全卷积神经网络和激光雷达点云提出了一种道路检测算法,通过将点云进行投影,栅格化计算统计学特征,将无序的点云转化为全卷积神经网络能够训练的数据,进而对车辆前方的道路进行检测.在KITTI数据集上的训练和测试表明,该算法在识别精度、计算耗时、感知范围和稳定性上能够满足对于车辆前方道路的检测要求,具有鲁棒性好、全天应用的特点.     

简单城市环境下地面无人驾驶系统的设计研究

由于需要在统一的软硬件配置下满足各类场景的工作要求,因此具有开放性的智能驾驶系统对于地面无人平台而言至关重要。全面介绍参加2011中国智能车未来挑战赛的北京理工大学BIT-III智能驾驶系统。该系统具有两方面的突出特点:设计具备纵横向规划能力的局部路径规划算法并将其作为系统核心功能,从底层实现安全、平顺和稳定的自主驾驶;围绕路径规划的需求,根据输出模态对环境感知功能进行分类,便于融合不同传感器的信息。比赛和测试结果表明,BIT-III具有简单城市环境下全无人自主驾驶的能力,而开放式的系统设计使其能够在保证已有功能的基础上进化式地提高智能化水平,满足更为复杂的工作要求。     

地面无人平台体系架构研究综述

综述了体系架构研究在地面无人系统领域的研究现状,总结了现阶段较为典型的体系架构,如ROS、JAUS、4D/RCS和云机器人系统架构的研究和应用现状.结合这些典型的体系架构,阐述了分层递阶式、反应式、混合式体系架构的特点.结合现状,分析了无人平台体系架构的发展趋势.最后从地面无人平台的需求出发,提出了和发展趋势相适应的基础理论关键技术.     

编队机动自适应车间距保持控制

编队机动是地面无人平台自主导航技术的重要功能之一。研究编队机动系统的车速自适应车间距保持控制方法，建立车速自适应车间距控制框架，将车间距保持控制分为串联的3个部分：跟驰模型、车间距控制和速度规划。以传统时距模型为基础，引入前后车速度关系的修正项，提出改进非线性跟驰模型，模型符合编队机动逻辑，根据车速变化自适应调节安全车间距，提高编队效率。以距离误差和速度误差的加权组合作为车间距控制的目标，设计加权系数的自修正PID控制器，提高了控制响应和控制精度。以参考速度和前后车运动特性为约束，设计速度规划器，对期望速度进行精确跟踪。通过仿真实验和实车实验验证车间距保持控制的性能，实验结果表明控制算法对不同速度具有较好的控制效果，在越野环境前车频繁加减速的工况下具有较好的跟驰性能，且自动适应速度变化过程。     

一种自主车辆横向运动状态估计的方法

采用非线性三自由度单轨模型和考虑轮胎侧偏特性的非稳态轮胎模型,建立了用于状态估计的非线性状态方程.结合自主车辆的现有传感器配置,梳理了横向运动状态的观测(输入)和估计(输出).基于扩展卡尔曼滤波提出了横向运动状态估计的方法,开发了状态估计算法,实现了基于MATLAB/Simulink的离线状态估计平台.最后,通过对典型工况的仿真模拟以及对样车数据的离线回放验证了算法性能.试验结果表明算法能够合理、有效、准确地估计自主车辆行驶过程中的横摆角速度、横向速度、横向加速度、路面附着系数等横向运动状态,对车辆质量、转动惯量、路面附着系数的变化具有较好的鲁棒性.     

无人集群作战任务的多智能体强化学习卸载决策

近年来，任务卸载作为保障无人集群高效协同作战的关键技术之一，正成为研究热点。任务卸载旨在克服单平台算力不足、能量有限等约束，将计算任务卸载到边缘网络的服务器上进行处理，以达到降本增效的目的。以无人集群辅助的天地一体化协同侦察为作战场景，考虑战时复杂多变的电磁环境以及集群组网拓扑时变性，利用Lyapunov优化把长期任务卸载解耦为在线马尔可夫决策过程。为解决混合动作空间收敛难、学习效率底的问题，结合凸优化和多智能体深度确定性策略，分层求解功率分配和任务分配问题，提出数据-模型双层优化驱动的多智能体强化学习卸载决策算法。数值实验结果表明，新算法能够根据时变的战场环境自适应调整智能体任务卸载策略，达到提升传统算法性能和优化复杂多维目标的目的。