无人车弯道控制技术研究

为了解决无人车在不同弯道工况下对速度、航向的控制调节问题,利用车载倾角传感器按时间序列采集的倾角数据,采用自回归分析算法对未来时刻的倾角值进行预测。根据侧倾角与弯道半径之间的关系计算出对应的弯道半径值,以预测的半径值作为无人车的转向半径,对车速和方向转角进行调节,以此控制无人车通过弯道。论文在半径为30.5m的弯道进行实验,结果表明该方法的预测弯道半径偏差小于1.5m,预测精度较高。     

无线传感器网络质心算法的最佳通信半径

关于无线传感器网络节点定位的精度优化问题,由于定位精度受到通信距离的影响,直接与能耗相关.为了在节点通信半径可调的网络中,能以较小的功耗达到较高的定位精度,提出一个新颖的解决思路,从通信半径的设定角度提高定位精度.以经典的质心算法为例,分析了通信半径对定位算法精度的影响,提出了最佳通信半径的概念.在最佳通信半径上,定位的相对误差第一次达到了极小值,到达了高精度、低功耗的目标.改变信标节点个数,得到不同条件下的最佳通信半径结果.由不同条件下的仿真数据,利用曲线拟合技术,得到了最佳通信半径函数表达式.仿真结果表明,改进方法对于实际工程中通信半径的设定具有积极的参考价值.     

双车道公路弯道驾驶员轨迹决策行为研究

车辆行驶轨迹是道路路线安全性和舒适性评价的重要指标之一。采用计算机仿真技术,模拟驾驶员操纵车辆行驶时的轨迹决策行为,研究在自由流交通状态下,道路几何线形对车辆行驶轨迹的影响规律。为此,在郭孔辉院士提出的预瞄最优曲率模型的基础上,引入了SK道路几何模型,建立了实际道路条件输入的驾驶员方向控制模型。得到以下主要研究结论：当驾驶员轨迹决策行为只受道路本身条件影响时,且车辆在进入曲线段时,行驶轨迹存在着朝曲线内侧偏移的运动趋势;在出曲线段时,车辆行驶轨迹趋向朝曲线外侧偏移。平曲线半径大小对驾驶员轨迹决策行为有着显著的影响,圆曲线半径越大,行车轨迹侧向偏移量越小,反之越大。     

基于相机标定的弯道位置信息构建

弯道是道路交通场景下的重要组成部分之一,在通过视觉信息对道路信息重建的过程中,监控相机构建的传统世界坐标系在弯道场景下难以表示真实的道路空间信息以及车辆位置信息.为了解决此问题,本文提出了基于道路线形的里程坐标系概念.里程坐标系水平方向代表沿道路断面方向的距离信息,垂直方向代表沿道路线形方向的里程信息.对于里程坐标系的...     

汽车自适应前照灯系统建模与仿真

研究汽车照明优化控制问题,针对传统车灯照明无法调整,车前出现盲区.为了照亮前方道路,从而提高驾驶员的安全视野,使汽车弯道自适应照明系统可根据车速和方向盘转角的变化来调整前照灯光轴照射角度,提出建立了线性二自由度汽车模型、前照灯光轴水平方向调节模型和前照灯步进电机模型,然后根据增量式PID控制的自适应前照灯系统控制算法,建立了汽车弯道行驶自适应前照灯控制系统模型并在MATLAB上进行了仿真.仿真结果表明,控制系统响应快、超调量小、精度高,有可行性.     

基于模糊控制的智能小车控制系统开发

对具有自动道路检测和自动跟随功能的智能小车控制系统的开发进行了介绍.该智能车配有红外光电传感道路检测装置、速度检测装置、电机驱动装置、转向控制舵机等设备,以飞思卡尔16位单片机MC9S12DG128B为控制核心.设计了道路寻优模糊控制程序,并用C语言程序开发了模糊控制程,实现了对直道、蛇形弯道以及大半径弯道三种典型道路的自动跟随.运行效果表明智能车对任意道路具有较好的跟随性,同时具有较高的车速.     

基于遗传算法的智能小车模糊控制系统的研发

基于遗传算法的智能小车模糊控制系统具有道路检测和跟随功能.该系统以飞思卡尔公司生产的16位单片机MC9S12DG128B为控制核心,同时配以红外光电传器、测速装置等外围设备.使用遗传算法工具箱对模糊控制器的隶属度函数进行了优化,并确定了模糊控制器的参数.此外,开发了模糊控制程序,实现了直道、蛇形弯道以及大半径弯道这3种典型道路的自动驾驶.运行效果表明,智能车对任意道路具有较好的跟随性和较高的车速.     

基于VR的驾驶仿真及安全教育系统开发

针对全国道路交通事故高发现状及传统驾驶安全教育方式单一、培训效果差的缺点,基于虚拟现实技术（VR）,在引发交通事故人为因素理论基础上,开发驾驶仿真及安全教育系统。系统基于Unity3D引擎,构建了基于道路实景数据的虚拟场景,并联合SUMO实现了道路交通流仿真,通过VR技术仿真驾驶环境及驾驶行为;基于碰撞检测原理,建立了关卡违规触发机制,编码自定义屏幕空间渲染方式模拟驾驶员视觉效果,并构建了基于图像的交通事故现场三维全景,从认知、感知层面培训驾驶员安全驾驶。实用性测试结果表明,系统实现了不同道路场景、气象条件与交通状况下的驾驶模拟及安全培训,增强了使用者的学习兴趣,提高了使用者驾驶安全素养,具有较强的实用性。     

高速公路弯道边界的识别与重建

分析了智能车辆安全辅助驾驶系统中弯道分道线的检测提取方法,提出一种基于道路区域分割的弯道检测新算法,包含道路区域分割和弯道边界检测。在分割出道路区域和天空区域并划定弯道检测的感兴趣区域后,提取分道线候选点,并对候选点进行校正,最终拟合并重建出弯道分道线,且准确判断了车道线弯曲方向。实验证明,该算法的实时性和准确性均高于在整幅图像中提取车道线的传统方法。     

全自动植保无人机弯道姿态控制算法

针对多旋翼植保无人机在全自动作业过程中转弯效率低下的问题,提出了一种新的弯道姿态控制算法.对弯道处航路进行重新规划,由"几"字型航路变为更适合转弯的曲线航路;设计了一种新的弯道姿态控制算法,在转弯过程中,飞行控制器根据多旋翼植保机位置及前进速度的变化,输出与之对应偏航速度控制其飞行方向,使多旋翼植保机在不降速的前提下,可以按照重规划的曲线航路完成转弯动作.在转弯过程中,根据拟合的转速—位置曲线对作业半径进行调控,以避免喷洒边界拐角部分的漏喷现象.通过对比实验表明:对于同一架植保机,在相同作业条件下,相对于"几"字型弯道算法转弯,采用弯道姿态控制算法转弯植保机作业效率提高了20%.     

基于不同线路条件下的车辆动力学性能分析

随着我国在既有线上的线路改造和载运量的不断增加,对线路参数的设计要求也随之提高。应用动力学方法建立车辆-轨道系统动力学模型,研究不同曲线半径和线路激励对车辆动力学性能的影响。研究结果表明：增加曲线半径有利于增加车辆曲线通过安全性,车辆经过曲线线路连接处时脱轨概率变大,驶入曲线时的脱轨系数明显高于驶出曲线,重点考虑曲线线路连接位置处的车辆通过速度以及车辆运行状态;适当增加曲线半径可以减少轮轨间磨耗,有效降低磨耗速度;轨道激励变化对车辆临界速度的影响较大,应根据实际运行工况模拟得出最佳临界速度范围。     

基于钩缓约束的重载列车驾驶过程优化

重载列车是一种由上百甚至几百节车厢组成的动力集中式大载重系统, 其牵引力/制动力需通过车钩相继传递给车厢, 存在明显的非线性和大滞后性. 现有的人工驾驶模式, 司机难以考虑车厢之间的钩缓约束, 易引起车钩断裂和脱轨; 且运行性能与司机的操纵经验密切相关, 存在耗电大, 无法按照列车运行图正点运行等问题. 本文针对此关键问题, 以实现重载列车安全、正点、节能运行为目标, 开展其驾驶过程运行优化研究. 分析列车钩缓系统受力原理, 基于其特性曲线, 采用翟方法构造重载列车钩缓模型及整车纵向动力学模型; 据此, 考虑钩缓约束运用多目标自适应遗传算法, 结合实际运行线路(限速、坡道、曲线率等)约束条件设定列车理想的运行速度目标曲线; 最后, 采用改进广义预测控制器设计重载列车驾驶过程优化控制方法, 跟踪理想速度目标曲线安全、正点、低能耗运行. 基于大秦线上HXD1型重载列车实际数据的仿真结果表明本文所设计的理想目标速度曲线优化方法可以较好地改善列车运行中的安全, 正点和节能等关键性指标, 运行优化控制能保证列车精确跟踪理想速度目标曲线, 实现其驾驶过程优化运行.     

虚拟驾驶员视觉感知模型研究

视觉是驾驶员获得驾驶信息的主要通道,虚拟驾驶员的视觉感知模型是驾驶行为建模与仿真的重要内容,直接影响驾驶行为仿真的逼真度。介绍了四种视觉感知建模方法,根据视觉感知系统的反馈性和选择性,建立了视觉感知模型。在模型中,将视觉感知分为感觉和知觉两个过程,并引入了注意力、记忆力、驾驶疲劳和驾驶经验等因素,对每个因素进行分析。通过对虚拟驾驶员视觉感知模型的仿真实验,验证了该模型的可靠性和有效性,为驾驶行为研究提供了基础。     

基于MEMS和GPS的驾驶行为和车辆状态监测系统设计

为了适应智能车辆辅助驾驶系统对驾驶和车辆状态监测的要求,利用MEMS惯性传感器自主设计了微惯性测量单元,并结合GPS设计了一种驾驶行为和车辆状态监测系统,实现对驾驶员操纵动作的感知、汽车6自由度运动状态参数和汽车运行车速的实时监测。介绍了MEMS传感器的选型,设计,安装和布置。实车道路实验结果表明:系统对驾驶员踩踏刹车踏板、离合器踏板和变换档位的操纵动作的感知效果较好,侧向加速度和方向盘转角的理论识别曲线与实车实验曲线在趋势上比较吻合。该系统为开发驾驶人员操纵动作自动识别系统提供理论基础和技术支持,也可为提高汽车行驶性和安全性提供重要的理论依据和工程应用指导。     

基于决策树模型的驾驶员期望车速

微观交通流仿真是智能运输系统(ITS)研究与开发的重要手段.期望车速是微观交通流仿真研究的一个重要参数,受到驾驶员特性、车辆特性、道路条件、交通干扰、天气和承运任务急缓等多种因素的影响,准确地确定期望车速是驾驶员行为研究的难点.从研究驾驶员心理-物理特性的角度出发,利用决策树能融知识表示与获取于一身的优点,将决策树用于驾驶员期望车速的研究,以实现对驾驶员行为的模拟再现.仿真结果表明,该方法用于驾驶员期望车速的研究是可行的.     

模糊专家系统AEGFES中基于状态空间正交划分的模块匹配算法

针对产生式专家系统中当规则数和事实数较大时,推理所产生的组合爆炸问题,提出了一种基于状态空间正交划分的模式匹配算法。这里,状态空间是事实集合,事实是术语、关系和术语值的三元组。根据术语在规则中的不同作用,首先将状态空间正交划分为输入子空间,中间子空间和输出子空间。然后,基于状态空间正交划分,提出了产生式模糊推理的模式匹配算法。并将该算法运用于铝电解槽模糊专家系统AEGFES。试验表明该算法可显著提高模糊推理的匹配速度,特别是可减少推理轮数,和第2轮以后的匹配次数。     

融合人眼特征与深度学习的疲劳驾驶检测模型

针对现有疲劳驾驶检测技术不能有效平衡准确性和实时性的问题,通过融合人眼特征与深度学习,构建一种新的疲劳驾驶检测模型。设计GP-VGG16网络进行眼部状态识别,通过将人工先验信息集成到轻量级深度网络中,提高眼部状态识别的准确性、稳定性和实时性。在此基础上,利用眼部特征-疲劳等级模型将疲劳状态划分为9个等级,定量估计驾驶员状态,同时基于少样本学习建立高效的自动标签生成网络,减少对大量无标签驾驶数据的语义标注。实验结果表明,该模型的准确率达到97.1%,运行速度达到39.96 frame/s,能够有效提高驾驶员疲劳状态识别的准确性与时效性。     

Energy-efficient receding horizon trajectory planning of high-speed trains using real-time traffic information

Optimal trajectory planning of high-speed trains (HSTs) aims to obtain such speed curves that guarantee safety, punctuality, comfort and energy-saving of the train. In this paper, a new shrinking horizon model predictive control (MPC) algorithm is proposed to plan the optimal trajectories of HSTs using real-time traffic information. The nonlinear longitudinal dynamics of HSTs are used to predict the future behaviors of the train and describe variable slopes and variable speed limitations based on real-time traffic information. Then optimal trajectory planning of HSTs is formulated as the shrinking horizon optimal control problem with the consideration of safety, punctuality, comfort and energy consumption. According to the real-time position and running time of the train, the shrinking horizon is updated to ensure the recursive feasibility of the optimization problem. The optimal speed curve of the train is computed by online solving the optimization problem with the Radau Pseudo-spectral method (RPM). Simulation results demonstrate that the proposed method can satisfy the requirements of energy efficiency and punctuality of the train.     

一种BDI Agent的动态推理模型

论文提出了基于环境感知的具有动态推理能力的BDIAgent模型。该模型引入了环境感知函数、意见函数、过滤函数和行为函数对环境的变化和Agent自身推理过程进行研究,并用扩展了的ASL语言描述该模型的动态推理过程。然后,用机器人摞积木的例子来验证这种推理过程的合理性。最后进行总结并讨论了进一步的研究工作。     

Visual architecture and cognitive architecture

Traditional architectures have fundamental epistemological problems. Perception is inherently resource limited so controlling perception involves all the same AI-complete problems of reasoning about time and resources as the full-scale planning problem. Allowing a planner to transparently assume that the information it needs will automatically be present and up-to-date in the model thus presupposes a solution to a problem at least as difficult as planning itself. Although one can imagine many possible solutions to this problem, such as allowing the planner to recurse on its own epistemological problems, there have been no convincing attempts at this. In this paper, I compare behaviour-based and traditional systems in terms of their representational power and the strengths of their implicit epistemological theories. I argue that both have serious limitations and that those limitations are not addressed simply by joining the two into a hybrid. I discuss my work with using vision to support real-time activity and give an example of an interesting intermediate point between reactive and classical architectures that preserves the simplicity and parallelism of behaviour-based systems while supporting ‘symbolic’ representations. Traditionally, AI theories have assumed, either implicitly or explicitly, an architecture in which modules of the mind (perception, reasoning, motor control, etc.) are linked by way of some centralized database like structure, often referred to as a world model. Recently, a number of alternative architectures have been proposed which, to greater or lesser degrees, claim to do away with world models or with representations entirely. Many of the criticisms of traditional architectures revolve around speed and timescale. Planning, so the story goes, is slow but flexible, while feedback loops are fast but stupid. A common approach, both in this special issue and in the literature in general, is to adopt a hybrid which fuses a slow planner running on a long time-scale and a set of fast feedback loops running on a short time-scale. The problem with this argument is that planning is not slow, it is combinatorially explosive. Running an O(2 ⁿ ) algorithm on a time-scale ten times slower is the same as running it on a computer ten times faster : it simply lets one increase n by three. If time-scale were the true problem, faster CPUs would make tiered architectures obsolete in a few years. I believe the true issues are not speed, in the sense of time-scale, but combinatorics and epistemology. The former has been extensively discussed, so I will focus on epistemology. Clearly, if an agent architecture is to be successful it must take into account the capacities and limitations of perception. In this paper I discuss the influence of perceptual architecture on agent architecture, argue that the recent wave of tiered architectures do not adequately address these problems, and discuss my work on using vision to support real-time activity.