面向复杂曲率变化的智能车路径跟踪控制

针对智能车路径跟踪过程中对于复杂曲率变化工况适应能力弱的问题,提出了一种基于RBF神经网络补偿模型预测的控制方法.首先以3自由度智能车动力学模型作为预测模型,通过对线性时变方程分析后得到状态转移误差模型,利用RBF神经网络自适应补偿误差,保证控制的精确性,提高了路径跟踪准确性.最后,以中国智能汽车大赛比赛赛道为原型构建...     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题, 提出了融合多模式弱分类器, 并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点, 以Haar特征训练判别式弱分类器, 以HOG特征训练生成式弱分类器, 以AdaBoost算法为桥梁, 采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器, 利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明: 相比于单模式弱分类器, AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性, 表现为较高的检测率与较低的误检率, 分别为95.7%、0.000 27%, 每帧图像的检测时间较少, 为25ms; 与传统级联AdaBoost分类器相比, AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间, 但检测率提升了1.8%, 误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法, 具有较佳的车辆检测效果。     

基于语义分割网络的路面积水与湿滑区域检测

积水或湿滑路面的道路附着系数远小于干燥路面的附着系数,对交通的安全性和机动性都有很大的影响.通过及时获取路面状态信息而发出预警,可大大减小潜在伤害.本文中研究了基于图像的语义分割网络在积水和潮湿的路面状态识别中的应用,它不仅可预测未来路面状态信息,且可得到路面积水和湿滑区域的分布.该方法利用语义分割网络Res-UNet...     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。     

无人驾驶汽车周边车辆行为识别算法研究

周边车辆行为识别对于提升无人驾驶汽车决策规划的合理性和控制安全性至关重要。传统的周边车辆行为识别方法识别精度普遍不高,且缺乏对交通主体相互之间邻域影响的考虑,算法鲁棒性较差。针对此,本文中提出了一种SLSTMAT(Social-LSTM-Attention)算法,创新性地引入目标车辆社交特征并通过卷积神经网络提取,建立了基于深度学习的车辆行为识别模型,应用注意力机制来捕捉行为时窗中的多时步信息,实现了周边车辆行为准确识别。采用HighD轨迹数据集和实车数据进行算法验证。结果表明,所提算法对周边车辆行为识别的准确率达94.01%,在目标车辆到达换道点的前1 s时刻行为识别精度达90%,具有较高的工程应用价值。     

基于补偿滑模控制的混合动力汽车协调控制

由于行星排功率分流式混合动力汽车的结构优势,双行星排功率分流式混合动力汽车已经成为各机构的研究重点。由纯电动模式到混合驱动模式切换的过程中存在发动机起动和发动机转矩引入,而发动机转矩瞬态响应存在迟滞,导致切换过程中动力系统的输出转矩会有较大波动。为减小波动,降低模式切换过程中的动态冲击度,本文中提出补偿滑模控制方法,对双行星排功率分流式混合动力汽车模式切换进行协调控制。首先,建立整车动力学模型,对切换过程每个模式进行分析;之后,针对发动机拖转阶段和混合驱动阶段分别采用补偿控制和基于固定边界层的自适应滑模控制,并对滑模控制进行稳定性分析;最后,结合Matlab/Simulink软件平台进行仿真验证。仿真结果表明,补偿滑模协调控制策略能够有效地减小从纯电动到混合驱动模式切换过程中的转矩波动和冲击度。     

基于差动和自主转向协调的分布式驱动无人车轨迹跟踪EI北大核心CSCD

分布式驱动无人车能通过差动转向和原有自主转向的共同作用保证车辆的轨迹跟踪。在2自由度车辆动力学模型基础上,基于模型预测控制算法,提出预瞄时间自适应的轨迹跟踪方法,以满足转弯和直行工况的预测要求;考虑分布式驱动无人车构型特点,基于参考横摆角,采用左右两侧驱动轮转矩差动控制,能在保证无人车总体转矩需求不变的情况下实现轨迹跟踪。为综合上述两种方法的优点,提出了利用设置权重的方法对自主转向和差动转向轨迹跟踪进行协调控制,并进行了Matlab与Car Sim的联合仿真和实车实验验证。结果表明,协调控制有效改善了转向的响应速度和灵活性,同时提高了无人车轨迹跟踪的可靠性和准确性。     

多功能动力传动装置设计方案研究

本文设计一款集液压、机液和机械3种传动方式为一体的多功能动力传动装置。液压传动多用于起步作业,以满足平稳起步的要求;机液复合传动多用于作业工况,以满足无级调速的要求;机械传动多用于运输作业,以满足高效传动的要求;在满足传动要求的同时,动力输出轴可输出动力以驱动其它机构。从调速特性、换挡策略和效率特性3方面研究该多模式切换动力传动装置的传动性能优化问题。根据设计要求,对车辆系统进行动力学和运动学分析,得到动力传动装置的装配方案和相关参数,分析其调速特性。根据换挡品质评价指标,在整个调速过程中,对离合器和制动器共同参与的动力传动装置换挡策略进行研究,找出各元件的最佳切换时刻。根据经验公式得到液压系统效率,采用效率定义法计算多功能动力传动装置的效率;根据试验数据确定液压系统效率的拟合曲线,进而通过转化机构法确定机液复合传动系统的效率。结果表明:合理选择换挡元件的切换时序,可大大提升动力传动装置的换挡品质。液压系统在大排量、中高转速和中压区范围内有较好的效率特性,且可实现柔顺起步;机械传动效率较高,但对路况要求较高;机液复合传动一般在整个排量比和中高转速范围内,都具有较好的效率特性。     

基于冗余信息融合的车辆质心侧偏角估计方法

车辆质心侧偏角是表征车辆横向稳定性的重要参数之一,相关的估计方法研究可为整车稳定控制提供重要支撑.为提高车辆质心侧偏角估计效果,提出了一种基于冗余信息融合的质心侧偏角估计方法.分别建立了车辆动力学模型和运动学模型,利用容积卡尔曼滤波算法分别设计了用于车辆行驶状态估计的动力学模型估计器和运动学模型估计器,同时,分析了动力...     

基于改进分层可拓理论的智能汽车AFS/DYC协调控制

针对紧急避障及大曲率工况的稳定控制难题,提出基于改进分层可拓理论的AFS和DYC协调控制系统,引入了鲸鱼算法解决了可拓边界的自适应划分问题,既简化了分层可拓理论的边界确定过程,又遏制了控制器的一些较为强烈的输出振荡,显著提高了车辆控制的稳定性和安全性。所提AFS/DYC协调控制系统分上下两层,上层是改进分层可拓协调模块,下层是AFS/DYC控制器模块。上层可拓协调模块主要通过横摆角速度、纵向车速以及规划路径曲率来确定AFS和DYC的权重系数,下层控制器模块主要通过上层协调模块确定的权重系数来分配AFS和DYC的输出量,最终实现对智能车辆的稳定性控制。Carsim和Simulink联合仿真结果表明,所提协调控制系统在紧急避障、双移线等大曲率及曲率突变工况下,对横摆角速度和纵向车速的控制效果相较于分层可拓控制、普通可拓控制均有较大提升。