考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中，考虑到部分城市道路存在限制大型配送车辆通行的现状，以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点，将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中。同时考虑到车辆的使用成本和行驶成本，以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型，设计了启发式算法来求解该模型，其中模拟退火算法确定需求拆分下的车辆配送路径，且在当前最优解判断时调用BLF算法检验物品的二维装箱约束，来减少频繁调用BLF算法的时间。数值案例验证了模型和算法的实用性，且所提出的算法的求解结果波动不大于0.8%，能在合理的时间范围内求解得到较好的配送方案，在车辆限行区域内采用双车型配送能节省15.17%~31.27%的总配送成本。      

面向车道变换的路径规划及模型预测轨迹跟踪

为解决智能车辆在车道变换过程中的路径规划和路径跟踪问题,首先,利用梯形加速度法设计了车道变换虚拟理想轨迹,该路径规划方法的适应性取决于车道变换时间、横向加速度及变化率等关键变量的约束条件,因而对各关键变量之间的数学关系进行了定量计算,并绘制了不同工况下的车道变换虚拟理想轨迹,用于分析各关键变量对路径规划的影响;其次,建立了线性离散的车辆动力学预测模型,综合分析了车辆模型的控制输入、状态变量以及道路结构参数等约束条件,构建了多约束模型预测控制（MMPC）系统用于车道变换路径跟踪,并基于Hildreth二次规划算法对其目标函数进行了求解,获得前轮转向角控制量,从而保证智能车辆在车道变换过程中的路径跟踪性能及操纵稳定性能;最后,利用MATLAB和Carsim软件对提出的多约束模型预测控制系统进行联合仿真,并构建单约束模型预测控制（SMPC）系统与其进行性能比较,分别对车道变换时间为3 s和6 s时的车道变换性能进行比较分析。结果表明：当车道变换时间为6 s时,2种控制系统都能较好地实现车道变换功能;当车道变换时间为3 s时,与SMPC控制系统相比较,MMPC控制系统能够在有效跟踪期望行驶路径的同时改善车辆的操纵稳定性,从而提高车辆在路径跟踪过程中的主动安全性能。     

优化多品种货物配装的蚂蚁算法

为充分利用装载工具的装载重量和容积,在考虑货物重量、容积、配装优先级以及混装限制等约束条件下,基于待装货物比容动态逼近装载工具剩余空间比容的思想,通过引入节点吸引度、构造合理的动态能见度函数以及采取多样化约束处理策略,设计了求解多品种货物配装问题的蚂蚁算法,并对42件不同品种的待装货物装入TBJ10型集装箱的配装问题进行了优化,求解结果实现了集装箱的装载重量和装载容积的同时优化.算例结果初步表明算法是有效和可行的.     

自主泊车路径规划一致性方法

为满足自主泊车过程中针对不同角度库位的泊车需求,以凸优化理论为核心,统一车辆运动学约束、车辆执行机构物理约束及环境约束,构建自主泊车路径规划的最优目标函数,采用内点法进行求解,规划出满足车辆运动学的泊车路径。仿真结果表明,与现有规划方法相比,一致性自主泊车路径规划可有效提高规划算法对环境的适应性。同时,提出的算法框架具有较强的通用性与扩展性,可对能以等式与不等式形式统一描述的各种场景进行路径求解。     

铁路军事运输中梯队装载问题的数学模型和求解算法

梯队装载问题是铁路军事运输中的典型NP问题,军事装备存在可跨装、可重叠、成套装载和成建制装载的特点。在分析铁路军事运输梯队装载问题的基础上,对军事运输相关装载要求进行了合理的量化,提出以装备长度为装载依据,以使用车辆总数最少为目标的装载优化模型。针对普通计算机求解梯队装载问题计算能力不足的瓶颈,引入并行求解思想,设计了求解模型的并行全排列算法,并在集群上进行实例测试。     

基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树（RRT）算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数（即降低路径曲率和远离障碍物）,并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明：优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT*算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。     

基于模型预测控制的智能车辆主动避撞控制研究

针对自主驾驶车辆的转向避撞问题,提出了一种分层避撞控制方法。上层路径规划控制器基于车辆运动学模型,引入人工势场函数,采用障碍物与车辆的相对状态描述车辆碰撞风险。基于模型预测控制理论,构建优化目标函数,规划最优避撞路线,并采用五次多项式拟合局部避撞路径。对于下层路径跟踪控制器,则建立车辆非线性动力学模型,构建基于最优转向盘转角输入的路径跟踪优化函数,实现局部避撞路径跟踪。最后搭建了Carsim/Matlab联合仿真平台,对被控车辆在不同路面、不同车速情况下的避障路径规划和跟踪效果进行了仿真。结果表明:上层控制器能根据障碍物信息实时规划局部避撞路径,下层控制器能控制车辆平滑、稳定地跟踪参考路径,从而实现车辆的主动避撞功能。     

基于改进人工势场法的无人驾驶车辆局部路径规划的研究

本文旨在研究在结构化道路上行驶的无人驾驶汽车的局部路径规划.基于人工势场法,利用高斯组合隶属函数建立引力的目标点函数,在引力点函数中考虑障碍物约束和车辆约束,并引入调节因子,建立了改进的无人驾驶汽车人工势场模型,消除了传统人工势场法容易陷入局部极小的问题.硬件在环试验结果验证了所提方法的有效性.     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法。在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题。进一步在滚动优化环节中,引入具有求解多约束问题能力的改进粒子群优化算法进行求解。通过数值仿真对比分析,结果表明,基于改进粒子群优化算法的多目标自适应巡航控制算法能有效提高燃油经济性和行车舒适性。结合CarSim搭建模型进行联合仿真,验证算法有效。     

基于预测模型的无人赛车路径规划算法研究

针对无人驾驶电动方程式赛车极限工况下的路径规划问题，提出一种基于预测模型的无人赛车路径规划算法。通过目标函数设计将路径规划问题转化为最优化问题，并将车辆动力学预测模型作为等式约束，依据赛车的稳态行驶特性，构建赛车行驶稳定性组合约束，并综合考虑边界约束，生成满足赛车行驶要求的路径。在不同附着条件下进行了仿真测试，结果表明，在满足实时性要求的前提下，所提出的算法能够有效减小车辆前、后轴侧滑的风险，且在多项指标上优于RRT*算法以及基于三次自然样条曲线的最优二次轨迹规划方法。