预瞄跟随理论和驾驶员模型在汽车智能驾驶研究中的应用

根据预瞄跟随理论及驾驶员的开车行为特性 ,指出汽车智能驾驶与驾驶员操纵行为的内在一致性——汽车智能驾驶系统的控制特性与熟练驾驶员的驾驶行为特性基本一致。结合驾驶员操纵行为模式将汽车智能驾驶系统划分为信息感知、轨迹决策和操纵控制三个部分 ,并一一加以具体分析 ,利用系统模糊决策理论对几种汽车行驶的典型工况进行了智能车辆方向控制仿真计算。理论分析和仿真结果表明预瞄跟随理论为智能车辆的研究提供了一个可行的研究途径 ,按照该理论建立的驾驶员方向控制模型可以直接应用于智能车辆控制算法的研究开发     

基于贝叶斯网络的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。车辆换道决策模型研究可以为自动驾驶汽车协同自适应巡航控制(cooperative adaptive cruise control,CACC)提供理论基础,也能有效减少车辆危险换道行为引发的交通事故。为使换道模型更加适应动态道路交通环境,以美国交通部联邦公路管理局NGSIM项目实测试验数据为依据,分析车辆换道决策时自身车辆速度、加速度及其与交互车辆相对时距等相关特征参数,并运用贝叶斯网络人工智能理论,建立车辆换道决策模型,通过仿真分析并与NGSIM实测数据进行对比。结果表明:基于贝叶斯网络的换道决策模型的平均决策准确度和识别率可达到89%以上,具有良好的换道决策效果,可为智能车辆协同自适应巡航控制及自动驾驶深度学习提供理论参考。     

模糊自适应控制理论在公交优先信号控制中的应用

针对城市交通信号控制及公交优先问题,提出了基于模糊自适应控制的公交优先信号控制算法,通过对车辆在交叉口延误时间的估算,对量化因子Ie进行自适应调整.仿真结果表明,自适应模糊控制能有效地减少公交车辆延误,具有较强的自适应能力,提供了一种解决城市交通堵塞问题的途径,可用于未来的信号控制系统中.     

基于PNNPID的车辆加速度控制器设计

针对传统的自适应巡航(adaptive cruise control,ACC)加速度控制算法对系统变化辨识速度慢、动态性能差、调整缓慢的问题,提出了一种基于PNNPID(parallel neural network proportion integration differentiation)的加速度控制算法.通过分析传统SNNPID(serial neural network proportion integration differentiation)对误差直接反馈的不足,应用神经网络自学习功能,开发了基于并行控制原理的车辆加速度控制器;考虑车辆平顺性,设计了符合驾驶行为的滤波限幅方案.实验结果表明,相比基于SNNPID的加速度控制器,基于PNNPID的加速度控制器最大偏差控制在±0.25 m/s~2以内,并具有平均误差小、调整时间短和瞬态特性良好的特点,滤波限幅方案有效提高了驾驶的舒适性.     

不同车辆工况对协同自适应巡航控制 车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

不同车辆工况对协同自适应巡航控制车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

车辆自适应巡航控制算法的设计与仿真

为实现智能车辆的自适应巡航功能,基于车速跟踪及PID控制理论设计了具有上下两层结构的自适应巡航控制系统.下层控制器根据上层控制器计算出的期望车速对节气门开度和制动力矩进行协调控制.在保证控制精度的前提下简化了算法.多种工况下的仿真实验表明控制器的控制效果良好.     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。      

基于RFID的车辆自动驾驶模拟试验装置研制

通过对比分析当前车辆自动驾驶研究现状,提出以射频识别技术(RFID)作为导航方式开展车辆自动驾驶研究;针对目前试验手段的不足,设计了基于RFID的车辆自动驾驶模拟试验装置,具体包括系统总体架构、导航设备、仿真车辆、仿真道路等;利用该装置开展了车辆直道保持和弯道转向试验,结果表明利用该模拟试验装置能快速构建试验方案,得出的结论和数据直观、可靠.     

任意阵型混响仿真及检验

提出了一种直观、易于实现的方法完成任意阵型声呐混响信号的仿真,采用空间非均匀方式分布散射元,直接对散射元的回波信号进行叠加.该方法适用于任意的发射波形.仿真综合考虑了多种影响混响的因素,包括发射信号本身的参数,声呐平台的运动.海洋环境等.通过比较和检验仿真混响与试验混响的相对混响级、瞬时值和包络值概率密度分布、空间相关系数,空时二维谱几个方面的特性,证明了仿真的有效性.该仿真数据能够满足空时自适应处理(STAP)等新的信号检测方法研究的需要.     

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展, 分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度, 以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类, 重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明: 相比人类驾驶方式, 在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下, CAV油耗节省效果显著, 最高可达63%, 而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下, 驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离; 现有研究将车车通信/车路通信假定为理想数据交互过程, 未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响; 现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景, 以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略; 受限于自动驾驶技术和基础设施尚未成熟和完善, 真实交通场景下的测试验证工作尚未开展; 车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。      

前馈多源信息下异构动力学卡车队列协同控制系统

针对目前卡车队列动力学异构性所导致的系统弦稳定性、内部稳定性以及队列耦合性降低的问题,提出了一种异构协同自适应巡航系统控制器设计方法,建立了基于前馈多源信息的异构动力学卡车队列闭环耦合系统;考虑由异构车型所构成的卡车队列存在发动机执行器的饱和态异构问题,建立了发动机饱和性和状态约束条件;在上层协同控制器的基础上,建立了一种非线性下层异构发动机扭矩输出控制模型,用于控制车辆动力学仿真软件TruckSim中的真实车辆模型;建立了基于三维燃油特性图的车辆能耗模型,用于计算实时车辆油耗和节能性分析;通过频域分析法,结合已知异构动力学参数量化标定了协同自适应巡航系统控制器的增益,确保系统满足弦稳定条件。分析结果表明：相比同构动力学控制器,异构协同自适应巡航系统控制器可以确保距离误差在-0.01～0.15 m内,优于同构控制器作用下的-0.3～0.5 m,且当领航车进入匀速行驶状态时,跟随车辆能立刻收敛至相同的行驶状态,收敛性能优于同构协同自适应巡航控制系统;卡车队列节油率最大可达8.15%,随着车头时距减小至0.5 s,平均节油率最大可达8.10%。由此可见,多源前馈信息异构控制系统能有效降低车...     

公路平曲线超高／反超高对车辆操纵的影响

为得到超高率对车辆方向控制的影响,以“道路-驾驶人-车辆”仿真系统为手段,以超高率／反超高率和行驶速度为试验变量,以小客车为仿真车型,以一条设计速度为30km／h的三级公路为试验对象,进行了三维路面上行车动力学的仿真试验．试验结果表明：①超高会减轻侧向力作用下轮胎的侧偏角,从而减低对方向盘角输入的需求;②超高会减小弯道上的轮胎拖距,并减弱前轮转动对车体的抬升作用,明显降低曲线行驶时的操舵矩,从而使操纵变得容易;③超高也会增加车辆的侧倾摆动（朝曲线内侧）,对于低速车辆,其摆动会更明显;④小半径曲线上的双向路拱或者反超高会增加转向需求,当车速较高时,其方向将难以控制．     

协作式巡航控制下混合车队队列稳定性

考虑协作式巡航控制(Cooperative Adaptive Cruise Control，CACC)车辆与自适应巡航控制 (Adaptive Cruise Control，ACC)车辆之间的退化机制，构建由CACC车辆、ACC车辆以及人工驾驶 车辆组成的混合车队。应用传递函数理论，推导混合车队在不同规模情况下的队列稳定性判别 准则，计算混合车队在多种情形下的队列稳定性情况，并设计数值仿真实验验证理论分析结果。 稳定性分析结果表明，所推导的混合车队队列稳定性准则能够从理论层面计算混合车队关于车 队规模与车流速度的队列稳定域，当混合车队中CACC车辆比例达到25.00%~41.17%及以上时， 混合车队可在全速度范围内实现队列稳定。数值仿真结果表明，混合车队头车产生的速度扰动 传递至上游CACC车辆时，CACC车辆可有效抑制速度扰动的波动幅度，使混合车队趋于稳定，验 证了理论分析的正确性。研究结果揭示了混合车队保持稳定时的CACC车辆与人工驾驶车辆的 比例结构。     

多控制模型嵌入的智能汽车防撞虚拟仿真

针对智能汽车行驶安全距离监测与防撞试验高成本、高危险性以及试验结果难以观察的问题,研究了智能汽车安全距离监测与防撞的虚拟仿真;应用Visual Studio 2015、3Dmax、Unity3D等虚拟仿真技术在虚拟制动控制系统中进行了可嵌入多控制模型的自动驾驶汽车行车安全距离监测和防撞虚拟仿真试验,测试了不同制动模型的...     

����Ѳ�����ƵĹ�������ϵͳԪ���Զ���ģ��

针对公共交通系统,基于巡航控制的思想,本文提出一个新的可变跃迁概率元胞自动机（CA）模型. 模型中假设公交车辆并非唯一追求以最大速度行驶,而是根据期望车头距动态调整车辆向前移动的速度,实现了公交线路上车辆之间的相互合作以及协调行驶行为. 通过数值模拟实验表明,该模型可以再现公交集簇前行的现象,引入新的控制策略后,模型改善了车辆在公交线路上的时空分布,疏散了公交车辆集簇行驶的状况,进而在很大程度上提高了公交系统内车辆运行的平均速度并且降低了平均等待乘客数. 结果表明,新的控制策略可以提升公交系统的运行效率,具有一定的现实指导意义.