欠驱动船舶自适应迭代滑模轨迹跟踪控制

针对欠驱动船舶轨迹跟踪控制问题,考虑系统存在未知参数和外界扰动,提出了一种带强化学习的神经网络自适应迭代滑模控制方法;利用轨迹跟踪的横向和纵向误差信息构造非线性迭代滑模面,分别设计了船舶柴油机转速和舵角的神经网络迭代滑模控制器;根据船舶柴油机转速和舵角的实时测量值,计算了反映控制量抖振状态的强化学习信号,在线优化了神经网络的结构和参数,以抑制控制量的抖振,进一步增强控制系统的自适应性;建立了5446TEU集装箱船舶数学模型,分别对圆轨迹和正弦轨迹进行了跟踪控制。仿真结果表明:在风浪扰动下圆轨迹跟踪时,与迭代滑模控制策略相比,采用提出的控制策略250s左右能跟踪上目标轨迹,速度提高约1倍,最大跟踪偏航距离为250m,误差减小约30%,控制舵角在400s后基本平稳,波动幅值约为2°,舵角和柴油机转速的抖振变化幅值均减小了50%以上,柴油机转速控制参数和舵角控制参数分别在38~45和3.3~3.9之间实现了自适应调节;在正弦轨迹跟踪时,与模糊迭代滑模控制策略相比,采用提出的控制策略纵向跟踪平均误差小于20m,减小了50%以上,舵角抖振量平均幅值小于10°,减小了60%以上,柴油机转速控制参数和舵角控制参数分别在5.7~5.8和0.8~2.5之间实现了自适应调节。     

固定辙叉心轨轨顶降低值优化

为合理选取固定辙叉心轨轨顶降低值,基于车轮踏面在翼轨和心轨间过渡时的轮轨接触几何关系和动力相互作用,提出了心轨关键断面降低值的选取及评价方法.以LMA型车轮踏面列车直逆向通过60 kg/m钢轨12号固定辙叉式道岔为例,用该方法对心轨轨顶降低值进行了优化.结果表明:心轨关键断面降低值的确定,在满足固定辙叉区轮载过渡的安全性和心轨承载断面强度要求的同时,应提高列车运行的稳定性;断面降低值越小,产生的轮轨相互作用越小,有利于提高行车性能,但需考虑此时轮轨作用位置是否超出心轨结构承载能力范围;60 kg/m钢轨12号固定辙叉心轨顶宽20和50 mm断面处,可分别取3和0 mm降低值作为优选方案.      

预应力混凝土组合箱梁桥波形钢腹板优化分析

建立3种不同体系的波形钢腹板预应力混凝土组合箱梁桥空间有限元计算模型,采用AN-SYS参数化语言对钢腹板进行多约束条件下多设计参数的优化计算分析,寻求各设计参数的最佳组合规律.结果表明,随着循环次数的增加,目标函数趋于理想值,而设计变量及状态变量也趋于稳定,但目标函数值并非是最终取值时惟一考虑的因素,优化结果将提供多组满足约束条件的设计参数;波形钢腹板剪切屈曲应力的理论计算值偏于保守;钢腹板的厚度在通常范围内偏小;在已有资料范围内,波形钢腹板折叠角度及腹板与竖直面的夹角偏小,而波形钢腹板折痕间的长度则偏大.     

混凝土涂层测厚仪门槛值的设置

以青岛海湾大桥混凝土防腐涂层厚度的检测为例，分别用涂层测厚仪与螺旋测微仪对标准片、室内试验样片、现场结构物涂层样片等3种样片的涂层厚度进行检测，对比分析涂层测厚仪门槛值对检测结果的影响。针对青岛海湾大桥涂层厚度要求，提出了涂层测厚仪门槛下限应设置为250μm。     

用划痕法测定TiN涂层结合力的影响因素

研究了影响划痕法测定 Ti N涂层结合力的因素 ,结果表明 :离子氮化处理能提高 Ti N涂层的临界载荷。随基体硬度提高和涂层厚度增加 ,Ti N涂层的临界载荷 Lc增高。而表面粗糙度增大 ,则临界载荷降低 ,当粗糙度大于0 .70 μm( Ra)时 ,则临界载荷无法得到确定值。以 M2钢为基体的 Ti N涂层的结合力高于以 3Cr2 W8V为基体的 Ti N涂层的结合力。     

级配碎石基层沥青路面非线性力学响应分析

为了明确级配碎石柔性基层沥青路面结构层位功能,就沥青面层厚度、级配碎石基层厚度和模量三个路面结构参数对级配碎石柔性基层沥青路面非线性力学响应进行分析,结果表明：随着面层厚度增大,基层最大剪应力降低,且面层厚度为9cm时面层剪应力最不利,面层厚度为12cm时面层层底拉应力最不利;基层厚度对基层剪应力影响不显著,且当基层厚度为30cm时,面层剪应力、层底拉应力均出现最小值;随着基层模量的增大,面层最大剪应力、层底拉应力和基层最大剪应力均有不同程度降低.     

公路客车横向加速度实验研究

为提供不同类型公路几何线形参数的计算依据,在12条不同地形环境、不同等级的公路上采集了小客车和大客车的横向加速度、行驶速度和轨迹曲率半径数据,评估了试验公路的行驶舒适性,给出了六车道、四车道、双车道3类公路的横向加速度特征分位值,针对不同公路类型和车型,建立了横向加速度-曲率半径和横向加速度-速度的均值模型、极限值模型和85分位值模型.研究结果表明:（1）车道数越少,行驶舒适性越差,设计速度低于30 km/h的双车道公路部分路段的行驶舒适性极差;（2）横向加速度累计频率曲线的拐点在第90~92分位,双车道公路的横向加速度最大值大于8 m/s2;（3）行驶轨迹越缓和、车道数越多,横向加速度分布越集中,且大客车的横向加速度分布要比小客车集中;（4）第85分位值模型可用于公路几何参数的最大值与最小值控制,均值模型可用于几何参数的一般值控制.      

论异节拍流水施工中流水工期差异的实质

基于异节拍流水施工可以按照不窝工有间歇(即分别流水)或不间歇有窝工的形式组织,研究了异节拍流水施工中流水节拍产生两种流水工期差异的条件,及差异值与流水节拍值的关系。结果表明:流水工期差异为当m个施工段需要n道工序进行流水施工时,任意连续的3个流水节拍值中,若位于中间的流水节拍值为最小值,不窝工有间歇的流水工期(T)与不间歇有窝工的流水工期(T')的关系是T>T',并且其工期差值与3个连续流水节拍中的最小值和另一侧的流水节拍最大值的差值有关,是m-1的倍数;否则,T=T'。     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.     

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。      

基于平板标定工具的机器人工具中心点标定方法

为在工业现场便捷、准确地获取工具中心点（tool center point，TCP）参数，降低机器人末端工具的定位误差，提出了一种基于平板标定工具的机器人TCP标定方法. 利用机器人TCP与平板多次触碰所形成的空间触点应共面的约束条件，建立了机器人TCP参数标定模型；针对TCP名义参数未知和已知的情况，分别提出了基于粒子群算法的TCP直接求解和线性化的偏差求解算法. 通过数值仿真和标定试验验证所提出方法的可行性和准确性，结果表明:TCP直接求解和偏差求解算法求解的结果与传统四点标定法相比，误差分别在0.5 mm和1.0 mm以内.      

智能网联车环境下高速匝道汇入车流轨迹优化模型

为了解决传统匝道控制车流汇入时车辆需要减速至停止，从而造成延误时间过长的问题，提出了一种智能网联车环境下的高速匝道汇入车辆轨迹优化的两阶段优化模型，其中，第1 阶段优化车辆进入匝道口的时序；第2 阶段基于第1 阶段的最优时序，优化车辆轨迹. 根据所构建的模型设计了一种启发式算法优化车辆通过匝道冲突区域的时序，然后结合 GPOPS工具优化车辆的轨迹.为了验证所提出方法的有效性，将所提出的方法应用到20 min 随机到达的车流，进行仿真实验.实验结果表明，与先进先出的方法相比，本文所提出的方法能够使总延误减少59.7%，总油耗减少10.5%，说明该方法能够实现车辆以较高的速度通过匝道冲突区域，有效地减少了车辆汇入延误，同时也节约了油耗.     

智能网联车环境下高速匝道汇入车流轨迹优化模型

为了解决传统匝道控制车流汇入时车辆需要减速至停止,从而造成延误时间过长的问题,提出了一种智能网联车环境下的高速匝道汇入车辆轨迹优化的两阶段优化模型,其中,第1 阶段优化车辆进入匝道口的时序;第2 阶段基于第1 阶段的最优时序,优化车辆轨迹. 根据所构建的模型设计了一种启发式算法优化车辆通过匝道冲突区域的时序,然后结合 GPOPS工具优化车辆的轨迹.为了验证所提出方法的有效性,将所提出的方法应用到20 min 随机到达的车流,进行仿真实验.实验结果表明,与先进先出的方法相比,本文所提出的方法能够使总延误减少59.7%,总油耗减少10.5%,说明该方法能够实现车辆以较高的速度通过匝道冲突区域,有效地减少了车辆汇入延误,同时也节约了油耗.     

混合交通流环境下单交叉口自动驾驶车辆轨迹优化

信号交叉口对城市道路的通行能力以及车辆的燃油消耗具有重要影响。本文提出一种在自动驾驶车辆和人工驾驶车辆混合交通流环境下的自动驾驶车辆的轨迹优化方法。基于交叉口信号灯的配时方案,构建车辆旅行时间估计模型,并以自动驾驶车辆燃油消耗最小以及通行效率最大为目标,构建自动驾驶车辆轨迹优化模型,对车辆进行动态轨迹规划和控制。车辆轨迹滚动优化模型采用高斯伪谱法进行离散化求解,并基于SUMO仿真平台对模型结果进行验证。仿真结果表明,自动驾驶车辆可以通过优化自身控制变量影响人工驾驶车辆的运行状态,减少交通流的排队以及时走时停现象。本文提出的车辆轨迹优化方法对于降低车队整体燃油消耗、提升车队平均速度、缩短平均行程时间具有重要作用。     

基于秩最小化矩阵去噪的船舶轨迹重构方法

针对船舶自动识别系统(Automatic Identification System，AIS)在实际应用中存在错误数据频发、数据丢包等问题，本文提出一种基于秩最小化矩阵去噪的船舶轨迹重构方法，利用去噪实现轨迹重构，同时，实现对轨迹的去噪和缺失补全。该方法通过线性插值实现经度对齐，将轨迹数据转化为轨迹矩阵，从而补全轨迹中的缺失值。由于补全结果存在非常大的误差，因此，引入 PLR(Patch-Based Low-Rank Minimization)算法去噪，消除误差。同时，为进一步提升补全效果，通 过2D-VMD(Two-Dimensional Variational Mode Decomposition)算法将矩阵分解为不同频率的IMF (Intrinsic Mode Function)，并分别进行PLR去噪，合并去噪结果，得到最终重构后轨迹。本文以长江武汉段水域船舶AIS轨迹为研究对象，通过实验证明该方法在不同缺失比例以及随机缺失和连续缺失两种情境下具有鲁棒性和较强的稳定性；并与 HALRTC(High-Accuracy Low-Rank Tensor Completion)、TRMF(Temporal Regularized Matrix Factorization)等方法进行比较，结果表明， 该方法相较于HALRTC等方法具有更高的精度，并在高损失率下表现出较好的重构效果。     

基于多目标优化的智能车辆换道轨迹规划

为提高智能车辆换道轨迹规划的拟人性和实时性,提出了安全、舒适、节能等多目标协同优化的换道轨迹规划算法,该轨迹规划方法的适应性取决于车辆换道时间、纵横向速度及加速度等关键变量的约束条件;基于车辆运动学和动力学理论,分析了动态未知环境下车辆换道安全区域,建立了六次多项式车辆理想换道轨迹模型,并运用遗传算法-BP神经网络理论对换道终止时刻及目标位置进行预测,得到了复杂场景下车辆换道轨迹簇;分析了基于可行解空间的车辆换道安全性、舒适性、经济性等性能评价函数,构建了多性能目标协同优化目标函数和约束条件,运用鲸鱼优化算法对换道轨迹簇进行优化,实现多性能目标协同的智能车辆换道轨迹最优规划;为进一步验证多目标优化轨迹规划算法的准确性,运用L3级智能车辆测试平台对结构化道路场景下多目标优化换道轨迹规划算法进行了试验验证。仿真和试验结果表明:提出的轨迹规划算法在满足各项约束的情况下可成功实现平稳、安全换道,并且与传统驾驶人换道相比,换道过程的安全性、舒适性及多目标综合性能分别提升了5.1%、3.3%和1.7%,有效提升了动态环境下智能车辆换道轨迹规划的拟人性。      

智能汽车两阶段UWB定位算法

为了提高智能汽车行驶的可靠性，以超宽带(UWB)为研究对象，研究了智能汽车两阶段UWB定位算法；分析了智能汽车UWB定位算法的基本原理与误差来源；建立了测距值筛选与加权位置解算两阶段UWB定位算法，在测距值筛选阶段，采用高斯筛选剔除小概率、大干扰事件，在加权位置解算过程中，根据多测距点的位置坐标加权计算得到最终的位置坐标，以有效减小非视距、多径效应所带来的误差，通过使用抗多径天线以有效减小多径效应所带来的误差，并分别建立了静态补偿和运动补偿策略，以有效减小设备晶振偏差等硬件问题造成的误差；在MATLAB/Simulink仿真平台中搭建一定测距方差约束下的UWB随机测距值仿真环境，对算法进行了仿真测试并与三边定位算法、三边质心定位算法进行仿真比较，分析基站数量对定位精度的影响；搭建实物UWB测试系统，对UWB设备定位精度进行了评估与误差补偿，并对两阶段UWB定位算法进行了实车测试。仿真结果表明:东向和北向的定位误差均值最小分别可达0.382 3、0.447 0 m；补偿后的UWB定位轨迹更接近RT3002所示的轨迹，东向和北向轨迹误差的平均值分别为0.049 2、0.017 8 m，均方根误差分别为0.069 8、0.0264 m。可见，提出的智能汽车两阶段UWB定位算法能够满足智能汽车的定位需求，具有高精度、低成本、稳定性好等优点。      

基于车辆动力传动和转向系统的换道轨迹优化策略

现有的换道轨迹研究大多是将换道轨迹规划和换道轨迹跟踪进行相对独立的研究,这类轨迹在实施过程中将产生不可避免的误差。为了消除这一误差以及缓解或解决由于不当换道行为引起的交通问题,本文提出一种考虑车辆动力传动和转向系统的换道轨迹优化策略,用以指导或替代驾驶员的换道行为。首先,利用Next Generation Simulation (NGSIM)数据获得换道过程的主要驾驶任务,并用highD数据对其进行验证。其次,基于二自由度车辆模型分析车辆的换道运动特性,构建能够被动力传动系统和转向系统所实现的换道轨迹。结果表明,所提策略可以在保证驾驶安全性的前提下,实现经济、舒适和高效的换道过程。单独考虑经济、舒适和高效的优化策略,能够分别降低35.71%的单位路程燃油消耗,94.58%的前轮转角的角速度以及70%的换道所需时间。这说明所提的换道轨迹优化策略能够从微观角度缓解或解决由不当换道驾驶行为造成的交通问题,并为驾驶辅助系统提供理论依据和方法指导。     

多半径误差修正自适应布谷鸟优化DV-HOP定位算法

针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法（MEACS-D）. 采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算1跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度. 通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法（CS-D）算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差.