基于多色集合理论的汽车后桥壳生产线规划技术研究

对机械加工生产线规划技术进行了研究。根据生产线规划所涉及的技术关键要素,系统地研究了加工对象的几何属性、工艺属性、工艺排序及优化、设备选型和生产线平衡等问题,基于生产线规划中的工艺约束运用多色集合理论建立相应的数学模型,提出了一套实施生产线规划技术的实用方法,有效地避免了生产线规划中的组合爆炸问题。以某企业桥壳机械加工生产线为例进行了验证,结果表明该方法较大幅度地提高了生产线平衡率和设备利用率。     

航线配船的数学优化方法

文章根据数学规划原理提出了航线优化配船的线性规划模型，依据国际《ＧＢ７１８７．２－８７》建立了长江顶推船队燃油消耗量随航行时间，周转量，船队总驳数，船队航速，港间距离，平均水流速度变化的回归公式，从而得到模型中的运输成本系数矩阵。     

基于层次策略的路径规划算法对比研究

为比较路径规划中基于层次策略的分层算法的计算效率和规划结果的合理性,选取基于预计算的分层算法和基于道路等级的分层分区算法这2类典型的分层路径规划算法,通过对2类算法基本原理的分析,并引入新分区算法和＂虚拟边＂等方法改进现有基于道路等级的分层分区算法以适应实际路网下的路径规划。选取广东省路网数据进行大规模测试,通过寻找＂最短路＂和＂最快路＂进行算法效率和路径规划结果的比较分析。测试结果表明改进的基于道路等级的分层分区算法计算效率更高,规划结果更符合出行偏好。     

无人驾驶车辆解耦混合运动规划方法研究

高速公路无人驾驶车辆运动规划要充分考虑车辆的动力学特性和道路环境构成的复杂约束,优先确保车辆的无碰撞行驶轨迹,同时算法实时性比常速情况下要求更高,要充分考虑计算的复杂性。提出一种可生成横纵向最优解逼近群的解耦增强混合运动规划方法,引入Frent坐标系将运动规划问题进行横纵向解耦,在横向偏移规划中融合数值优化和多项式规划算法,在纵向速度规划中融合围绕速度和围绕避障规划算法,解耦规划完成后使用代价函数和碰撞检测方法对生成的轨迹群进行评估和选择。搭建Apollo-LGsvl无人驾驶联合仿真测试平台,对所提出的运动规划方法进行仿真验证。结果表明,提出的横纵向解耦增强混合运动规划算法在高速公路各工况中所生成的运动轨迹能够有效避免车辆发生碰撞,其横向偏移和纵向速度均能满足二阶平滑,最大横向加速度、最大纵向加速度、最大纵向jerk等满足动力学约束。该方法有效减少了最优解逼近群内的轨迹数量,使轨迹评估阶段计算复杂度降低了46%,证明提出的方法具备一定的应用价值。     

智能移动系统中大规模分布式车辆路径规划问题研究

本文针对智能交通和主动交通管理提出了一种适用于大规模交通分配和路径规划的分布式计算方法。讨论了通过信息传递接口(MPI)在多中央处理器(CPU)上并行计算实现的一系列研究需求和实现挑战;将基于时空事件的车辆路径规划模型应用于大规模的城市路网仿真;将原始车辆路径规划模型分解为一系列计算效率较高的子问题,大幅减少了仿真耗时和通信开销。通过将子问题分发到单独的分布式CPU上,使CPU可以同时执行其任务,并保证较好的负载平衡。重点分析了将所提出的方法应用于北京路网大规模路径规划,以及该方法在不同CPU核数下的计算效率。结果表明:所提出的并行计算方法可以显著减少计算耗时,并在512个计算节点上实现200倍以上的加速比。     

基于改进蚁群算法的多物流中转站选址规划

根据多物流中转站选址问题的特点,应用遗传算法和分配算法将大规模客户点划分为不同的配送单元,建立了包含配送中心和中转站的运营成本以及配送中心和中转站的大小车维护费用的数学模型,其中,运营成本包括车辆的运输成本和中转站的建造成本.提出了一种解决多物流中转站选址问题的改进蚁群算法,由于该算法在评价函数中隐含加入了约束条件,并...     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。     

自动驾驶车辆避障轨迹规划

目前无人驾驶发展迅速,城市运营环境中避障轨迹规划是核心问题之一,如何避免轨迹离散优化过程中可能出现的角碰等状况逐渐成为研究热点。文章比较了轨迹规划中坐标系的优缺点并选取笛卡尔坐标系,提出考虑自车形状的车辆模型,在车辆模型基础上结合新的障碍物边界处理方法进一步排查可能的碰撞危险区域,以起到简化环境信息避免进行碰撞检测、减少规划耗时的效果。结合自车与周围障碍物位置关系,文章提出通过使用运动走廊,结合MinimumSnap最优化理论进行硬约束轨迹优化,最后通过仿真验证证明该方法可行,并且能够有效满足避障场景下安全性和舒适性要求。     

无人驾驶汽车路径规划算法研究综述

无人驾驶汽车是目前汽车发展的一个大方向,无人驾驶的实现依靠于汽车的感知、决策和控制功能。路径规划属于决策中重要的一环。目前,无人驾驶汽车的路径规划算法存在受环境影响较大,无法适用于复杂的道路环境的问题,基于此文章对无人驾驶汽车轨迹规划算法进行归纳。其在广义上可分成全局路径规划和局部路径规划两种,文章对上述两种规划进行细分并介绍了各种路径规划方法的原理,分析了各个方法的优劣,为无人驾驶汽车路径规划算法的研究提供参考。     

融合TangentBug与Dubins曲线的智能轮式车辆局部路径规划算法

由于环境条件限制,某些采用Ackermann转向的智能轮式车辆仅能获取局部地图和定位信息,给路径规划造成了困难。针对这一问题,本文中提出了一种融合TangentBug和Dubins曲线的局部路径规划算法。首先通过采样的方法构建了规划参考点集合,然后以Dubins曲线作为规划路径,旨在满足车辆最小转向半径的运动约束和目标点处的航向要求,并加入了沿规划路径的碰撞检测和考虑定位误差的状态转换规则。最后通过实车实验证明:本文算法能使车辆按规定位姿到达目标点,并可保证规划路径的安全性和实时性;本文算法可有效避免定位误差对车辆状态的影响;相对于使用圆弧曲线,本文算法规划出的路径更有利于路径跟随控制。