帆船绕标航行最优行驶路径规划方法

最优行驶路径规划是帆船比赛取胜的关键环节.文章提出了基于分区段优化的帆船比赛绕标航行最优行驶路径规划方法.该方法在比赛区域建立二维平面坐标系,将整个航程划分若干区段,通过坐标轴旋转和平移得到各区段的虚拟坐标系.每个区段采用基于模糊综合评价的路径规划方法进行优化,规划完成后进行坐标还原,从而得到整个航程的最优行驶路线.仿真试验结果表明,该路径规划方法能够得到较好的优化结果,对于指导帆船运动员训练具有较高的实用价值和较好的应用前景.     

基于ACT-R的智能车动态优化方法

为了使智能车辆在不同道路环境中能够顺利沿规划轨迹行驶,提出一种新的基于认知结构ACT-R的动态轨迹优化方法。该方法将数学工具最优控制方法和ACT-R模型联系起来,以ACT-R模型为核心,用最优控制方法生成轨迹,由ACT-R模型对评价函数的权重进行动态调整优化,通过智能优化多个权重的方法动态生成最优轨迹。避障行驶仿真实验结果表明,所提出的方法有效可行,可以动态地生成最优参考轨迹。     

帆船的模糊自适应控制方法研究

针对非线性、时变的帆船航行系统,提出了一种基于T-S模糊模型的帆船模糊自适应控制新方法.该方法采用T-S模糊模型,将舵角的非线性控制局部线性化,设计相应的局部线性控制器,通过模糊推理综合各局部线性控制器的输出,得到全局控制量.利用线性神经网络技术的自学习技术,获取模糊推理规则,优化模糊控制器的参数,提高系统的自适应性.仿真结果表明,该方法能实现对帆船航向的智能控制,具有一定的实际应用价值.     

不确定条件下交通网络的动态最优路径求解算法

针对不确定性条件下的最优路径问题,引入行驶时间波动性及路段间相关性,定义最优路径为一定概率保证程度下行驶时间期望值最小的路径.以Dijkstra算法为基础,从不同路段行驶时间相互独立及相互关联两个角度,分别建立动态路径寻优模型和时间期望函数模型;设计适用于不确定条件下搜寻最优路径的BEST算法,并通过仿真实验验证模型的可行性.结果表明:时耗方差选择的差异化会导致最优路径解的多样化;考虑路段间相关性后绕城公路对市区公路的选择替代性增强.     

自适应LOS制导结合MPC控制的车辆循迹优化

为提升无人驾驶车辆循迹过程的动态响应能力,确保车辆能快速且稳定地跟踪参考路线,首先基于模糊控制的思想,在传统视线(line-of-sight, LOS)制导策略中引入了时变前视距离,提出了改进后的自适应LOS制导策略,把目标轨迹的跟踪简化为目标点航向的跟踪。其次,建立车辆三自由度动力学模型,并结合自适应LOS状态方程设计路径跟踪系统的线性数学模型。最后,基于模型预测原理,使用多步预测、滚动实时优化、反馈校正等控制方式,求解出最优反馈的方向盘控制指令。本文为验证上述所提及跟踪策略的有效性,在Simulink仿真环境中分别以直线路径和曲线路径作为参考轨迹进行追踪仿真实验,结果表明:所提自适应LOS制导策略能使循迹车辆的轨迹横向误差和航向误差迅速地收敛到零,从而验证了改进LOS制导算法可以提高无人车路径跟踪的响应速度和平稳性。     

基于交通流量预测的动态最优路径规划研究

针对传统算法仅适用静态路况的缺点,提出基于交通流量预测的动态最优路径规划方法.通过建立道路运营网络模型,计算流量碰撞概率和道路拥堵概率,重新定义路段的权值并改进了传统算法,实现了动态路况下的最优路径规划,并对传统算法与改进算法进行仿真实验,得到3种实验结果.结果表明,改进算法在交通高峰期得到的最优路径所需行驶时间比传统算法得到的最优路径行驶时间减少16%～23%,有效提高了交通调度效率.     

基于改进自适应蚁群算法的无人帆船路径规划

针对特定环境下的无人帆船路径规划问题，考虑到无人帆船复杂运动特性及目前路径评价指标较为单一等问题，本文提出了一种基于改进自适应蚁群算法的无人帆船路径规划方法。通过对角线优先规则解决蚁群前期寻路的盲目性问题，加快最优路径收敛速度；结合无人帆船在特定风向风速下的航速大小设计启发函数，并在转移概率中增加目标终点对无人帆船的吸引作用，使无人帆船最优路径评价指标更加贴合实际应用；引进不同自适应调整策略分别改进蚁群算法信息素更新机制和搜索步长，达到平衡全局搜索和局部搜索的目的，有效避免无人帆船路径陷入局部最优。本文通过多组仿真对比实验，验证了所提算法的合理性与优越性。     

考虑全局最优性的汽车微观动态轨迹规划

针对智能汽车关键技术之一的自主行驶问题,提出了一种分层决策框架,并重点对框架中的下层轨迹规划问题进行了研究。本文首先提出了一种将微观轨迹规划问题抽象为不同终点约束换道行为的方法,并提出了一种能够同时满足行驶安全和全局性能最优的动态轨迹规划方法。根据全局性能最优指标,提出了一种以三次多项式表达的最优换道轨迹;随后,本文在交通车轨迹预估的基础上,以简单车辆动力学模型为轨迹发生器建立了汽车行驶的安全搜索空间;最后以最优换道轨迹为目标决策出汽车行驶的最终轨迹。在Simulink仿真平台中对本文方法进行了仿真试验并证明了其有效性。     

基于灰色预测的AUV水平面轨迹跟踪控制研究

为解决自主式水下航行器轨迹跟踪控制中的不确定性问题,以及在各种航向角偏差情况下,保证正确的航向和准确的轨迹跟踪问题．提出基于灰色预测的模糊自适应航向角控制系统,克服不确定性对轨迹跟踪控制的影响;以航向角偏差预测值作为轨迹跟踪方案的选择依据．通过对水下航行器S形搜索的轨迹跟踪进行仿真研究,结果证明该方法具有较好的控制效果,可以保证水下航行器在不同航向角偏差的情况下稳定、准确的进行轨迹跟踪．     

控制方向未知的无人帆船自适应动态面航向控制

针对四自由度无人帆船存在模型不确定、控制方向和外部环境扰动均未知的情况,本文提出一种神经网络自适应动态面航向控制方法。该方法采用RBF神经网络逼近无人帆船模型不确定部分,利用Nussbaum函数处理系统的未知控制增益函数,并设计σ-修正泄露项的参数自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,同时引入动态面方法,消除反演法中的"计算膨胀"问题,降低控制器的复杂性。Lyapunov函数稳定性分析证明所设计控制器能够保证航向保持闭环系统内所有信号的一致最终有界性,并通过一艘12 m型无人帆船模型进行仿真验证。结果表明:无人帆船航向保持响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性。