面向车位识别的相似度数据融合算法

为提高平行泊车车位识别率,提出了基于多个超声波传感器的车位检测、智能识别系统。确定边缘阈值参数,利用基于相似度的数据融合算法,对多传感器测量结果进行融合。分析车速和横向距离的试验结果。为修正误差,回归了一种多元线性模型。对比了传统单探头方法、双探头平均值法,和本文的双探头数据融合等方法的识别率。结果表明:在模拟车位环境下和在实际泊车环境下,修正后的本方法的识别率分别为95.24%和90%,均高于上述两种传统方法的成功率。     

基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制.首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度.接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种...     

三点预瞄的智能控制补偿驾驶员模型

为适应不同驾驶员的预瞄风格和推理决策能力,提出了一种基于三点预瞄的智能控制补偿驾驶员模型,根据预瞄前方远、中、近3个点的坐标值对目标路径的位置关系进行判断,结合当前车速建立了预瞄距离自适应的经验指数模型,提出了以车速、航向角、中点侧向误差为输入,转向盘转角为输出的模糊智能控制驾驶员模型,并对转向角进行补偿校正。仿真结果表明:该模型能够合理地判断目标路径的位置关系,适应预瞄距离的动态调节机理;在不增加失稳风险的条件下,有补偿模型较未补偿校正模型的路径跟踪精度更高。     

驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。     

智能汽车路径跟踪精度及操纵稳定性耦合机理分析

针对现有智能汽车路径跟踪算法研究中存在的智能汽车路径跟踪精度与操纵稳定性相互耦合和相互制约问题,在车辆二自由度模型基础上,设计了基于传统预瞄误差模型的PID控制方法,研究了智能汽车在蛇形道路工况、定曲率变车速工况和定车速变曲率工况下,车速及道路曲率对智能汽车路径跟踪精度和操纵稳定性的影响。仿真结果表明,随着车速和道路曲率的增加,智能汽车路径跟踪精度以及操纵稳定性降低;智能汽车的路径跟踪精度提高,操纵稳定性变差。     

基于智能驾驶员模型算法的长期跟车车速预测研究

针对新能源汽车能量管理中难以长期、精准地预测车速的问题，提出了一种基于模型的参数化车速预测方法，利用传感器和GPS提供的前瞻数据预测车辆的速度轨迹。首先根据整车动力学和车辆停车转弯趋势建立基于智能驾驶员模型（IDM）的车速预测算法；然后，从NGSIM公开数据集中筛选数据用于参数标定及仿真；最后，利用遗传算法（GA）对算法参数进行标定。仿真验证结果表明，优化后的车速预测算法在通畅或拥堵的交通环境中，对于长期车速预测均有较高的精度，误差可控制在8%～13%范围内。     

基于试验结果的碰撞前车速误差的校正

为控制基于典型汽车碰撞模型计算的碰撞前车速误差,采用了反推算法。对2起车辆碰撞事例进行了碰撞前车速的模拟和试验。模拟结果表明,碰撞后车速误差是影响模型计算的碰撞前车速准确性的关键因素,而相对而言力学参数误差的影响则小得多。以碰撞试验结果为准确值对模拟计算的碰撞前车速误差进行了不同校正的研究。结果表明,对碰撞后车速误差和力学参数误差进行一次校正就能够消除碰撞前车速误差。研究结果证明该模型和算法具有极好的稳定性和收敛性。     

基于HSRI模型的参数自适应质心侧偏角观测器的设计

首先对全维车速观测器进行降维处理,以减少观测器的在线计算量,并设计了非线性级联车速观测器.接着,对路面附着系数和轮胎侧偏刚度进行参数自适应估计,以提高质心侧偏角的估计精度,并基于HSRI轮胎模型设计了参数自适应非线性质心侧偏角观测器.在估算轮胎侧偏刚度时采用无侧向车速的车辆模型,以避免车辆动力学模型与侧向车速观测器的耦合作用,并引入带双重遗忘因子的递推最小二乘法,以保持算法的修正能力和解除不同估计参数之间误差的耦合作用.最后采用Simulink与Carsim动力学仿真软件进行联合仿真验证,结果表明所设计的参数自适应非线性质心侧偏角观测器是有效的,估计精度满足ESC控制的工程要求.     

沥青混凝土搅拌站称重系统的误差补偿

通过对沥青混凝土搅拌站称重系统静态非线性误差的分析,采用BP网络实现对称重传感器静态计量误差的补偿,以提高称重系统的计量精度,扩大其量程范围。结果表明：神经网络静态非线性误差补偿模块提高了称重系统的计量精度。     

基于Trucksim的客车侧翻临界车速优化设计

客车由于质心高、车身长等特点,高速通过弯道时容易发生侧翻失稳。文章以弯道半径、路面附着系数为主要因素,研究其对客车侧翻的影响进行侧翻临界车速优化计算。首先选用某型客车为研究对象,运用Trucksim软件建立了整车动力学模型,设计不同弯道半径、不同附着系数交互组合的仿真路面进行实验,根据横向载荷转移率进行侧翻临界分析得到各路面环境下的侧翻临界车速,然后再通过Matlab进行函数拟合建立了侧翻临界车速与附着系数、弯道半径的数学模型。设计检验弯道,对比计算可得该数学模型仅存有0.98%的计算误差降低传统模型误差,提高了计算精度。提出客车侧翻临界车速优化计算方案。简要分析其对客车侧翻的影响。     

基于支座反力的桥梁动态称重方法

为了解决传统基于应变的桥梁动态称重(BWIM)方法存在的精度不高和车轴探测传感器存在的可适用桥型有限、复杂工况下可靠度低的问题,提出了一种基于支座反力识别移动车辆行驶速度、轴距、轴重和总重的桥梁动态称重新方法。首先介绍了车桥耦合振动系统的建立和求解过程以及基于桥梁支座反力的车轴识别理论,建立了试验室车桥振动缩尺模型,并通过模型试验对提出方法的有效性和精度进行了验证。然后基于数值模拟,研究了路面不平整度、车辆行驶速度、噪声水平等重要因素对该方法识别精度的影响。最后,将此方法与既有基于桥梁弯曲应变的桥梁动态称重方法进行了对比。研究结果表明:该方法能够准确识别车辆的行驶速度、轴距、轴重和总重信息,模型试验和数值模拟结果均显示车辆行驶速度、轴距、轴重的识别误差能控制在5%以内,车辆总重误差能控制在2%以内;该方法的识别精度优于传统基于弯曲应变的动态称重方法,且车速越高时,该方法精度优势越明显;该方法在路面不平整、噪声等因素的干扰下仍然具有良好的稳定性。     

Speed Control of Vehicle Robot Driver Based on Adaptive Fuzzy PID Control

针对汽车驾驶机器人采用常规PID控制时车速波动大、调节器参数调整困难等问题,提出了一种基于模糊自适应PID的汽车驾驶机器人车速控制方法.首先建立了汽车驾驶机器人多机械手协调控制模型,然后在此基础上设计了一种驾驶机器人模糊自适应PID车速控制器,实现了驾驶机器人对给定循环行驶工况的车速跟踪.试验结果表明,与常规PID控制方法相比,采用所提出的方法车速跟踪精度明显改善,车速跟踪误差在±2km/h范围内,满足国家汽车试验标准的要求,保证汽车试验数据准确有效.     

光纤光栅应变感知特性及现场试验研究

基于室内试验揭示光纤光栅感知特性规律，通过理论解析与室内试验对比探讨误差的影响因素，最后将光纤光栅技术运用于环境相对恶劣的隧道工程，提出应对更换解调仪、零漂、环境温度误差的控制措施。结果表明：裸光纤光栅、基片光纤光栅、电阻应变片应变感知传递因子分别为85.8%、71.9%、53.7%;二长花岗岩表面粘贴基片光纤光栅传感器，其应变感知传递效率理论解析为75.4%,与实测值基本吻合，实际工程推荐使用感知特性和便利性均较为优良的基片光纤光栅；基片光纤光栅在隧道运用中影响精度的因素主要有更换解调仪误差、零漂误差、环境温度误差，可采用标定和温度补偿等方法予以纠偏。     

电驱动系统台架负载模拟精度补偿算法研究

为保证道路负载的模拟精度并实现电驱动系统的硬件在环试验，本文中提出一种台架试验的动态补偿算法。首先，基于对负载模拟问题的分析，采用了台架逆模型算法。接着，为改善转矩的动态响应，采用卡尔曼滤波来实现模型误差的精确补偿。最后，基于对台架精度的分析，提出了精度耦合补偿算法，并经台架试验验证。结果表明：循环工况下，补偿算法能很好地实现转速跟随，而在起步工况可提高台架试验精度。     

基于监测响应的斜拉桥车重车速识别

针对超载超速车辆的长期非正常运营引起桥梁损伤破坏现象,考虑桥面不平度的影响,通过车桥耦合计算,应用神经网络方法对通过斜拉桥的重车荷载识别进行了初步探讨。首先基于相似公路上实测车流统计模型拟定车流荷载,通过车桥耦合响应分析,运用数值模拟数据建立网络的训练和精度检验样本,并加入5%的随机噪声,通过检验组(车重和车速)数据识别结果的误差分布来评价网络训练精度,车重与车速输出误差在5%以内,表明网络训练精度较高。然后,依据斜拉桥健康监测系统,采用斜拉桥实际运营状态下的监测响应(索力和应变)提取车辆荷载作用特征参数并组成网络的输入向量,运用满足精度要求的神经网络来识别车重和车速结果较好。其中,车速分布近似均值65 km/h的正态分布,车重大多分布在10～70 t的范围内,10 t以下小型车辆识别误差较高。车速车重总体呈现负相关,分布具有一定离散性,以上特征与实际情况基本吻合。表明将BP神经网络法与斜拉桥监测系统相结合的方式进行重车车速车重识别是可行的。     

基于视频建立的车速分析数学模型的误差研究

本文针对基于视频图像建立的距离插值法和时间插值法这2种车速分析的数学模型,进行了深度的误差分析和研究,系统阐述了这两种数学模型误差产生的原因、种类、性质和特点,以及误差的影响因素,并从理论上对误差产生的原因和影响因素进行了现场简化方案的系列验证。提出了这两种数学模型的适用条件、运用范围以及提高计算精度、降低误差的方法。     

基于曲率与车速的两点智能控制驾驶员模型

为了提高驾驶员模型的路径跟踪精度,基于模糊逻辑智能控制器建立了一种依据道路曲率、车速,采用远、近两点预瞄的智能驾驶员模型。该模型根据目标道路的曲率自适应地选择预瞄距离远、近两点,根据不同的车速和预瞄点的横向偏差决策出最优转向盘转角。对所建立的驾驶员模型与CarSim驾驶员模型进行仿真测试对比,结果表明,该模型能够在反应滞后的情况下完成复杂道路、极限工况的驾驶员操作,路径跟踪误差较CarSim模型小。     

基于单轴地磁传感器的车辆参数检测算法研究

为了进一步探寻地磁传感器在车辆检测领域的应用,研究利用车辆通过时所引起的检测区域的磁场强度扰动,用自主研发的单轴地磁传感器获取和处理Z轴方向上抖动幅度大于指定阈值的地磁信号,研究了基于固定阈值的状态机车辆检测算法,对路段车辆进行检测,并获取车速、车长、车流量等信息,建立磁场能量与车长车速比值的关系模型.通过南京市江宁区某公路上的实验,并利用现场录制的视频作检验,结果表明,基于自主研发的单轴地磁传感器可以实现路段车辆98%的检测率,并有效获取车辆的车速、车长等信息.通过分析得到的磁场数据,验证了该模型可以用于多个地磁传感器进行车辆检测的数据融合.      

基于三次样条插值和GM(1,1)模型的高速公路路基沉降预测

有效预测高速公路路基沉降的发展趋势,可以提高道路维修效率,降低事故发生率。根据路基沉降影响因素和特性,提出一种基于三次样条插值和灰色GM(1,1)模型的组合预测算法。通过三次样条插值法处理原始非等间距数据,将其转变为等间距序列,继而用传统GM(1,1)模型进行预测,克服了单一预测模型的局限性,并能保证较高的精度。分别对长湘高速某段和垄茶高速某段路基沉降进行预测试验,算法预测误差均值分别为2.07%和1.61%,方差比为0.131和0.142,精度等级达到1级。     

基于逆控制策略模型的电动车驾驶机器人车速控制

为满足驾驶机器人利用加速踏板行程信号实现对于电动车速度跟随的需求,提出了一种基于逆控制策略模型的车速控制方法。该方法在传统纵向动力学的车速控制回路基础上,引入了车辆控制策略模型,将原有的通过电机转矩控制车速转换为通过加速踏板行程来控制,从而降低了驾驶机器人对原车辆的改造风险,提高了机器人的适用性。转鼓试验结果表明,与人工驾驶相比,本文中提出的控制方法有效提高了车速跟踪精度,误差不超过±1 km/h,满足国家电动车试验标准。