基于运行轨迹的网联混合车流速度协调控制

为了减少车辆走走停停的不利影响,提出了一种基于运行轨迹的单车道速度协调控制策略.首先,利用路测交通传感器采集的信息对下游车辆簇中的网联自动驾驶车辆(CAV)轨迹进行偏移和修正,以预测尾车人工驾驶车辆(HV)的运行轨迹.然后,对上游车辆簇CAV的速度分布进行规划,使上游CAV车辆簇能以更合理平滑的速度逐渐合并到下游车流.最后,数值仿真结果表明:在所设计的CAV渗透率为0％～25％、瓶颈开始的位置为575～975 m时,渗透率越高、瓶颈开始位置越远以及CAV所选用的速度引导曲线越平滑,对速度振荡的抑制程度就越强,同时证明了速度协调控制策略能有效减小交通流的波动,提高驾驶员舒适性和车辆队列整体通行效率.     

智能网联环境下混合交通流稳定性解析

为分析由智能网联车辆(connected and autonomous vehicles, CAV)与人工驾驶车辆构成的混合交通流稳定性能,提出一种理论解析方法.应用泰勒公式对跟驰模型进行线性化处理,并应用传递函数理论推导不同CAV比例下的混合交通流稳定性判别条件,针对CAV前车加速度反馈系数进行参数敏感性分析.考虑开放性边界条件下的小扰动传播特性,设计混合交通流稳定性的数值仿真实验.结果表明:CAV不稳定的速度范围在人工驾驶车辆不稳定的速度范围以内;CAV比例的增加有利于将交通流从不稳定状态转变为稳定状态;CAV前车加速度反馈系数越大,混合交通流关于CAV比例与平衡态速度的稳定域越大,在CAV比例达到23%时,混合交通流可在全速度范围内稳定.研究成果可理论计算CAV混合交通流稳定域,可为该混合交通流关于CAV比例与平衡态速度的稳定性分析提供依据.     

自抗扰技术在动力翼伞轨迹跟踪控制中的应用

为了降低动力翼伞系统的非线性特性和风场干扰对轨迹跟踪控制的影响,设计基于自抗扰控制技术的轨迹跟踪控制器.根据动力翼伞系统的特性,将动力翼伞系统的轨迹跟踪控制分为水平轨迹控制通道和垂直高度控制通道,分别设计线性扩张状态观测器(LESO)对系统非线性扰动和外部干扰进行估计和补偿.采用零阶保持器法对线性扩张状态观测器进行离散化,提高线性扩张状态观测器对系统状态的估计效果.仿真结果表明,动力翼伞系统的线性自抗扰轨迹跟踪控制器能够克服风场的影响,达到水平方向和竖直方向的轨迹跟踪控制要求,控制效果优于广义预测控制器.     

轨迹问题的数学实验设计

文章对轨迹问题建立了数学模型,并设计了单因素和多因素的数学实验方案.从实验的角度研究了小孩行进曲线、硬棒长度和角度这三个因素对玩具轨迹的影响.并利用MATLAB软件,模拟各个因素变化时玩具轨迹的形成,并通过观察轨迹得到了一些结论.     

超地平覆盖飞行器组网星座优化设计

对超地平覆盖飞行器的概念及特性进行了简要的描述,以该类飞行器中的通用航空飞行器(CAV)为例,对该类型飞行器组网星座的优化设计进行了研究.首先基于单个CAV对地覆盖区域的分析,提出了一种几何意义更加清晰和简单的CAV再入对地覆盖区域的分析方法;其次通过提出等效的CAV星座覆盖性能指标-平均轨道响应时间,建立了CAV组网星座优化设计的数学模型;最后通过采用遗传算法对CAV组网星座进行了优化设计.通过分析优化设计的结果,说明了这种设计方案的有效性.     

基于伪谱法的小型超音速无人机轨迹优化

为了提高小型超音速无人机的经济性能,针对配备加力燃烧室导致设计复杂、油耗过大的问题,提出小型无加力燃烧室的超音速无人机. 利用马赫俯冲机动突破音障,基于hp自适应伪谱法的最优控制轨迹规划方法,求解达到超音速巡航飞行的最小油耗和最小时间2种轨迹最优化问题. 该方法将控制与状态变量离散化,结合无人机飞行的物理过程,将多约束最优控制问题转化为非线性规划问题. 将本文与传统飞行方案所得的结果进行比较,分析重要设计参数对最优轨迹的影响. 仿真结果表明,利用该方法能够有效地规划出无人机从高亚音速到超音速飞行过程中的可行轨迹,得到的最小油耗、最小爬升时间均优于传统飞行方案,最小油耗降低约11%,最小爬升时间降低约46%.     

玉环电厂1000MW超超临界汽轮发电机基础自振特性实测分析

对华能玉环电厂1000MW超超临界汽轮发电机基础进行了振动特性的试验研究.通过测试得到了该基础的结构动力特性,即自振频率、振型及阻尼比,分析了基础对今后机组运行的动力影响,为设计人员研究Sie-mens公司的汽机基础外形的设计特点提供了大量有价值的参数.     

基于NLESO的倾转动力无人机垂直起降模态轨迹跟踪控制

针对存在复杂不确定性的倾转动力无人机垂直起降模态，进行轨迹跟踪控制研究，提出了一种基于非线性扩张状态观测器(NLESO)的内外双环滑模控制方案。基于倾转动力无人机特点，依次建立其动力系统模型、机体与操纵舵面空气动力模型以及动力学方程，完成动力学建模工作；将各种内外部扰动视作集总干扰，设计NLESO对其进行估计与补偿；基于NLESO与滑模控制方法设计了垂直起降模态的位置与姿态双环控制器；设计Lyapunov函数对NLESO以及整个控制系统进行了稳定性分析。仿真实验表明，文中所提出方法针对复杂扰动具有较强的抑制能力，显著提升了倾转动力无人机垂直起降模态的轨迹跟踪精度与响应速度。     

吸气式组合动力飞行器爬升轨迹设计方法研究

提出了一种水平起飞吸气式组合动力飞行器的爬升轨迹设计方法。将爬升轨迹分为起飞爬升段、等动压段和等热流段,分别考虑过载、动压、热流约束,在高度-速度剖面内给出了轨迹设计的约束边界,以及3个飞行段的爬升轨迹设计方法,并利用反馈线性化方法设计了参考轨迹的跟踪制导律。仿真结果表明,参考轨迹能够满足各种飞行约束,可准确跟踪,为吸气式组合动力飞行器主动段的爬升轨迹提供一种可行的设计方法。     

基于强化学习的无人机吊挂负载系统轨迹规划

针对四旋翼无人机吊挂负载系统准确位置控制问题和吊挂负载的摆动抑制问题,提出了一种基于强化学习的在线轨迹规划方案.为补偿飞行过程中未知外界扰动的影响,本文首先将无人机的期望轨迹设计分为位置定位轨迹规划设计和抗扰动轨迹规划设计.其中,位置定位轨迹规划部分可预先设计,以引导无人机飞抵目标位置.抗扰动轨迹规划部分采用基于强化学习的在线更新策略,对外界未知扰动进行补偿,以达到抑制飞行过程中吊挂负载摆动的目的 .然后,采用基于Lyapunov稳定性的分析方法,证明了闭环系统的稳定性,并证明了无人机位置跟踪误差和吊挂负载摆动运动的收敛.最后,通过飞行对比实验,验证了所提轨迹规划方法的有效性以及对外界干扰和负载质量变化的鲁棒性.