协同式多目标自适应巡航控制

针对自动化高速公路（Automated highway system,AHS）车队稳定性问题,发展了一种多目标自适应巡航控制算法,根据李雅普诺夫（Lyapunov）稳定性理论对该问题进行了量化分析,并给出了同质与异质车队稳定性的设计要求,基于模型预测控制（Model predictive control,MPC）理论,综合协调驾驶员期望响应、跟驰安全性、车队稳定性、车队整体品质等控制目标,采用加权二次型性能泛函以及线性矩阵不等式约束的形式,将协同式多目标自适应巡航（Adaptive cruise control, ACC）设计问题最终转化成带约束的在线凸二次规划问题。仿真结果表明,相比单车ACC而言,协同ACC的约束空间更为严苛,车队互联系统稳定性易受车间时距、车队规模、多目标权重、瞬态工况、车辆异质性等因素的影响,建议在跟驰安全性、车队稳定性良好的前提下寻求一定的驾乘舒适性与燃油经济性,以确保车队整体品质。      

基于非合作博弈的车道保持共享控制

为了减少共驾过程中的人机冲突,提出基于非合作博弈的人机共驾控制策略.基于线性二自由度汽车模型,采用一阶微分方程对车道保持共享控制问题进行数学描述,利用非合作博弈理论(NCG)描述双驾双控系统中的驾驶控制权分配问题,即通过非合作博弈方法来解决多个决策者共同作用于同一个动力学系统的共享控制问题.设计控制权博弈模型,采用预瞄偏移距离(POD),对驾驶人与智能系统的置信度矩阵进行更新,能够实现驾驶人与智能系统之间驾驶控制权的平稳交接.基于模型预测控制(MPC)框架,采用二次型代价函数及线性不等式约束的形式,将车道保持共享控制的前轮转角决策问题转化成带约束的在线二次规划问题.基于驾驶人在环的CarSim/Simulink集成环境,对该控制策略进行验证.结果表明,该控制策略能够较好地兼顾横向运动控制精度及驾驶人的控制权裕度.     

一种电动车专家自诊断方法及系统

跨界与融合,用互联网思维提升传统行业,将会为传统行业开辟新的局面,而未来的汽车将是电子信息、软件主导的新能源智慧车辆。传统的OBD(On-Board Diagnostics)方案仍需要工程师来判断和分析问题,无法满足用户对智能化的需求。本方案借助车联网技术、数据库平台、数据挖掘与分析技术,最终实现了汽车CAN(Controller Area Network)总线故障智能化自诊断,可替代工程师快速定位出问题的根源,极大地减少了人力成本与时间成本。其还可对故障进行统计与归类,为工程师评估节点设备的可靠性、稳定性、抗干扰能力以及设备工作最适宜的环境需求等提供指导依据。基于本方案的产品已被投入到实际的工程应用中。     

车辆多模式多目标自适应巡航控制

为增强量产ACC对前车驾驶意图的预判与自适应能力,发展了一种多目标自适应巡航控制算法,建立闭环纵向跟驰模型。基于模型预测控制理论,综合协调巡航过程中驾驶员期望响应、跟驰安全性、车辆自身物理限制等控制目标,并引入松弛向量以确保滚动在线优化存在可行解。采用待优化目标与控制输入权重调校以及控制器工作域边界松弛的策略,将ACC系统划分出6种工作模式,同时采用模糊推理与加速度加权平均策略,以实现工作模式最佳匹配与平稳过渡。仿真结果表明,多模式设计策略与多目标控制算法能够一定程度上提升ACC系统的适应性与友好性。     

基于联合概率数据融合的多目标车辆安全跟随

为了实现密集杂波环境下多目标车辆安全跟随，提出多源传感器数据融合的多目标车辆跟踪算法与纵向避撞预警策略.针对多源传感器观测序列因采样周期、采样起始时刻、通信时延差异等引起的时间异步，以及空间上存在不同维度、不同坐标系的问题，给出时间配准与空间融合的软同步方法.采用基于改进的联合概率数据关联(JPDA)的单一传感器多目标状态估计算法对目标轨迹进行滤波估计，能够在保证有效关联的同时，在一定程度上降低计算复杂度.基于多源传感器联合概率数据融合(MSJPDA)序贯滤波算法对目标的运动状态进行序贯更新，将最后一级的输出作为融合中心的最终状态估计，再根据威胁估计模型对追尾危险的发展态势进行评估与分级.实车试验与仿真结果验证了该算法的可行性与有效性.     

基于快速SR-UKF的锂离子动力电池SOC联合估计

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患,以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题,本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法,并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理,降低了每次无迹变换时的计算开销;然后在迭代过程中,用状态误差协方差矩阵的平方根代替状态误差协方差矩阵,该平方根是由QR分解与 Cholesky因子的一阶更新得到,解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题,保证了电池荷电状态(State of charge,SOC)在线滚动估计的数值稳定性;最后采用联合估计策略,对电池等效模型参数进行实时辨识,保证了电池等效模型的准确性与有效性,从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性。      

仿驾驶员多目标决策自适应巡航鲁棒控制

针对目前市场上自适应巡航(adaptive cruise control,ACC)用户使用率低与驾乘人员接受度差的问题,发展了一种多目标自适应巡航控制算法,基于模型预测控制(model predictive control,MPC)理论,综合协调动态追踪性、燃油经济性、驾乘舒适性以及跟车安全性四项存在着一定冲突的控制目标,采用二次型性能指标以及线性不等式约束的形式,将纵向期望加速度决策问题转化成带约束的在线二次规划问题.引入误差修正项,建立闭环反馈校正机制,以补偿模型失配带来的预测误差,同时采用松弛向量法扩展求解可行域,规避了硬约束下二次规划非可行解问题.进一步,各工况下所强化的性能指标与约束空间不同,采用性能指标权重微校与约束空间边界松弛的策略,设计出3种工作模式ACC,以适应熟练驾驶群体的跟驰习惯.仿真结果表明,前车组合工况下,多模式多目标ACC控制能够实现各工作模式之间的无缝切换,并实现良好的期望跟车目的,从而增强ACC系统对复杂道路交通环境的适应性.     

人工智能技术驱动的纺纱质量预测研究进展

本文探讨了人工智能技术在纺纱质量预测领域的应用、创新与不足，介绍了Hadoop技术为纺纱质量预测建模提供可靠高效的数据处理与运算平台，重点阐述了智能建模方法在纺纱质量预测领域的研究进展。通过分析得出基于数据与知识融合驱动的人工智能技术，构建出多工序关联的混合智能模型，用以准确描述纱线质量与纤维特性、工艺参数、环境参数等之间的非线性映射关系，可为试纺、过程参数设计、态势预测等环节提供指导，具有重要的理论研究意义。