基于数据关联和改进统计模型的激光雷达目标跟踪研究

目标运动状态识别与关联匹配是智能车辆环境感知中目标跟踪的关键因素,本文中以单线激光雷达为主要传感器开展了车辆前方目标跟踪算法的研究。在最近邻法基础上构造了包含距离、尺寸和反射强度的"关联函数"进行量测值与目标值之间的关联匹配,并基于改进的当前统计模型设计了自适应卡尔曼滤波估计算法来识别目标的运动状态。仿真和试验结果表明,该目标关联匹配与运动状态识别算法能有效地抑制测量过程中引入的量测噪声,并实时、可靠地估计前方障碍物的位置、速度和加速度,实现对目标的跟踪。     

基于整工作循环阶比跟踪谱与FCM的发动机故障诊断

针对发动机加速振动信号的非平稳性和特征参数的模糊性特点,提出整工作循环阶比跟踪谱和模糊C均值算法相结合的方法。首先将加速信号进行阶比重采样,然后把发动机一个工作循环的信号作为一个间隔计算转速,再将这些转速下的阶比谱图放在一起构成阶比跟踪谱,通过计算不同阶比带的累加能量作为故障特征向量,对这些特征向量进行归一化和模糊聚类,得到分类矩阵和聚类中心,最后通过计算待测故障样本与已知故障样本聚类中心的贴近度实现故障模式识别。故障诊断实例表明,该方法能有效地诊断发动机曲轴轴承的故障。     

基于雷达测距的车辆识别与跟踪方法

本文中提出了一种基于雷达测距的车辆识别与跟踪方法,以准确地识别道路上的车辆目标。首先对采集到的每帧数据采用自适应距离阈值的方法进行聚类分析。在聚类内部采用端点迭代拟合算法提取线段,在此基础上得出目标的特征向量,并据之识别车辆目标。然后通过计算特征向量的代价函数进行多目标关联,利用卡尔曼滤波器根据关联结果更新目标的状态。最后,以智能车辆BJUT-IV配备LMS291激光雷达在校园道路上对本方法进行验证测试,结果表明,提出的方法能够准确地对多个行驶车辆进行跟踪。     

基于三维激光点云的目标识别与跟踪研究

针对无人车环境感知中的障碍物检测问题,设计了一套基于车载激光雷达的目标识别与跟踪方法。为降低计算量,提高处理速度,引入了点云过滤与分割算法对原始激光点云数据进行缩减,有效提高了检测的实时性。使用多特征复合判据,基于SVM分类器改进了Adaboost算法,对三维激光点云进行直接处理,最大限度保留了感知信息,提高了识别准确度。提出基于最大熵模糊聚类的数据关联方法和相应的粒子滤波器,有效提高了复杂交通流中目标跟踪的稳定性和准确性。经百度Apollo平台数据集仿真、自主研发的无人驾驶平台实验验证和针对小目标交叠和遮挡情况的实车验证表明,该套方法具有良好的实时性和鲁棒性。     

基于三维激光雷达的动态障碍物检测和追踪方法

为解决无人驾驶车辆在城市路况下对多个动态障碍物同时检测和跟踪的关键问题,提出一种基于三维激光雷达的多目标实时检测和跟踪方法。通过对单帧激光雷达点云数据进行聚类,提取障碍物外接矩形轮廓特征;采用多假设跟踪模型(MHT)算法对连续两帧的障碍物信息进行数据关联;利用卡尔曼滤波算法对动态障碍物进行连续地预测和跟踪。试验结果表明,该算法能够在自行搭建的智能车平台上以每帧100 ms的速度准确、稳定地检测和跟踪。     

基于模糊聚类的农村路网建设水平评价

针对目前建设水平评价方法不适用于农村路网，且评价方法多为对路网整体的分析，提出基于模糊聚类的农村路网建设水平评价方法。(1)提出缓冲区重叠率和区域路网等级指标，作为路网服务水平和等级水平的评价特征；(2)采用村级行政区划和泰森多边形区块划分的方法，将每一个区块作为聚类区域，使评价结果不易被整体均衡化；(3)为获取相对区域整体来说建设水平较弱的区块，且指标量化后只有数值没有明确界限，故采用模糊聚类算法以指标作为特征参数对各区块分级。以辽宁省某县路网为例进行实验，分析并可视化聚类结果，验证了该方法对于农村路网建设水平评价的可行性和适用性，可为农村路网优化改善提供辅助决策。     

趋近理想灰关联多约束的交通救援中心中值选址模型

交通救援站选址问题中数据之间的关系不确定,信息的完整程度不高,同时交通救援中心的选址严格要求时效性。理想灰关联约束模型优先考虑应急救援的时效问题,其次考虑影响选址的其他因素。第1步依靠中值选址模型,以最短路径矩阵为基础,结合最长路径O(n)算法得到局部中心距离,以时间约束为衡量要素筛选出主要的候选地址。第2步利用趋近理想灰关联投影的多约束决策模型,将决策方案抽象化,通过把交通负荷量、物资补给能力等指标量化,建立决策矩阵。取方案中指标最优化和最差化状态下的正负灰色关联矩阵,结合指标权重向量,得到灰色关联投影系数,接近正理想方案的程度量化为Ei,远离负理想方案的程度量化为(1-Ei),从而实现统一衡量接近度与远离度的目的。投影系数最大的方案为最优方案。结果表明:综合模型将灰色系统理论、优劣解距离法和矢量投影方法结合,利用了P-中值模型与趋近于理想灰关联投影;决策过程通过实际算例进行详细的阐述,证明了趋近理想灰关联多约束中值模型的可行性,解决了交通救援站选址过程中模糊信息的处理问题;将多目标决策模型应用到交通救援站的实际选址中,能为方案的决策提供更为可靠的科学依据。实际算例表明:该方法可行、有效,对交通救援站的选址具有指导意义。     

基于EMD聚类与ARMA的交通流量预测方法

为了准确掌握未来交通流量的变化趋势,提高高速公路路网的管理效率,采用经验模态分解(EMD)和自回归滑动平均(ARMA)模型,提出了一种短时交通流量预测方法。根据高速公路收费站数据,使用EMD将统计的时间序列分解为有限个固有模态分量,对固有模态分量使用模糊C均值聚类,再采用ARMA将聚类后的固有模态分量进行预测,最后把每个分量预测值求和得到交通流量预测值。实例仿真计算表明,该算法比直接使用ARMA模型进行预测具有更高的预测精度,是一种有效的短时交通量预测方法。     

面向低速清扫车的信息融合车辆跟踪方法

交通参与者运动的准确跟踪与预测对智能车行为决策的有效性至关重要。传统运动目标的跟踪系统多采用单一传感器，难以保证数据的精度与可信度。为提高系统的鲁棒性与可靠性，设计一种融合毫米波雷达和相机的目标跟踪方案，该方案针对多目标的特征级信息进行融合。首先，考虑低速行驶的自动驾驶清扫车所处环境杂波较多，方案选择基于IMM/JPDA的多目标跟踪方法估计局部航迹。为降低JPDA数据关联的计算复杂度，结合基于马氏距离构造的椭圆关联门和基于车辆非完整性约束构造的扇形关联门，实现关联门的自适应调整，减少关联杂波的干扰。其次，结合传感器的配置与特性，对目标的航迹状态进行空间对准和时间对准，按照航迹点间的欧氏距离和互协方差选择融合模式，进行局部航迹融合。最后，为验证多目标跟踪和航迹融合方法的有效性与实用性，分别设计基于MATLAB/PreScan环境的仿真试验和基于智能清扫车平台的实车试验。研究结果表明：在横、纵方向上，融合后的系统状态都比单一传感器的估计状态更为准确，融合结果对单一传感器的估计误差有35%以上的提升；实车试验证明，该方案能有效融合ESR毫米波雷达和Mobileye单目前视相机的状态估计信息，能基本正确地跟踪目标和估计航迹；融合状态的横、纵向误差都在可接受范围以内，且融合状态比单一传感器的估计波动更小。     

典型工况构建方法对新能源汽车能耗评价的影响分析

新能源汽车的能耗及其经济性与行驶工况高度关联。为了对新能源汽车的能耗进行合理评估，以西安市为例，分别应用聚类分析法、聚类马尔可夫分析法、短行程车速-加速度(Velocity-Acceleration,V-A)矩阵法和变步长V-A矩阵法构建城市客车运行工况，并进一步提出基于自组织映射(Self-organizing Maps,SOM)神经网络聚类的V-A矩阵法。对5种方法构建的工况进行对比和误差分析。在此基础上，基于一款插电式混合动力城市客车，应用全局优化方法——庞特里亚金最小值原理设计能量管理策略，分析车辆能耗和经济性以及5种工况的优缺点。研究结果表明：聚类分析法构建工况的平均特征值误差最大，计算量较大；变步长V-A矩阵法的平均特征值误差小于聚类法，计算量最小；短行程V-A矩阵法与变步长V-A矩阵法误差接近；聚类马尔可夫法的误差居中，计算量最大；基于SOM聚类的V-A矩阵法的平均特征值误差最小，能反映不同路段以及运行时间的差异，且能在聚类之后快速提取短行程的同时兼顾速度和加速度的分布；从能耗角度来看，基于SOM聚类的V-A矩阵法的能耗在5种方法中居中；聚类分析法构建的工况平均车速低于其他工况，但加减速频繁，能耗成本最高；聚类马尔可夫法由于对车速进行平滑处理，加减速频繁程度最小，能耗成本最低。     

汽车防撞系统中目标跟踪与防撞决策研究

为了实现汽车主动安全系统中的目标跟踪与防撞,提出了混合式汽车防撞系统信息融合结构模型,采用分级信息融合实现目标跟踪,推导出了基于跟踪残留误差和预测残留误差共同校正的融合算法,并给出了算法的实现结构;提出了基于局部分析的映射变换方法,实现驾驶模型特征向量连续、实时的修正,在此基础之上,利用模糊积分方法融合多种相关信息,确定汽车应采用的安全运行模式,实现主动安全防撞决策。经过大量试验证明:该算法具有很好的稳定性和准确率。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

模糊逻辑推理在消除交通流诱导负效应中的应用

针对交通流诱导可能产生的负效应问题,提出了诱导负效应消除的原理和模糊逻辑推理方法。在原理设计中,考虑了出行者的出行行为对网络交通流分配的影响;在实现方法上,应用模糊推理技术对分流交通量进行了预测,并设计了路线交叉口信号灯配时方案调整的模糊控制算法,模拟结果验证了模糊逻辑推理技术的有效性。研究表明:交通流诱导负效应的产生主要是由于信息条件下的道路出行者路线选择行为的不确定性引起的,而且交通流诱导与控制同时进行是消除交通流诱导负效应产生的关键。     

Using fuzzy logic controller and evolutionary genetic algorithm for automotive active suspension system

This study designs a fuzzy logic controller (FLC) for an active automobile suspension system in which the membership functions and control rules are optimized using a genetic algorithm (GA). The objective of the FLC is to strike an optimal balance between the ride comfort and the vehicle stability. The values of the crossover and mutation parameters in the GA are adapted dynamically during the convergence procedure using a fuzzy control scheme. The convergence state of the GA is determined by using a support vector machine (SVM) method to identify the variation in each of the genes of the best-fit GA chromosome following each iteration loop. The feasibility of the proposed GA-assisted FLC scheme is verified by performing a series of numerical simulations in which the characteristics of the controlled plant are compared with those observed in a passive suspension system and obtained under an optimal linear feedback controller. The results demonstrate that the GA-assisted FLC results in a lower suspension deflection, a reduced sprung mass acceleration and a lower bouncing distance between the tire and the ground.     

基于智能电动汽车的纵向车速跟随控制策略

首先,设计了一种切换缓冲区间阈值可调的切换逻辑。其次,设计了一种对车速变化具有自适应性的PI控制驱动策略,再次,设计一种基于模糊控制的制动控制策略,在保证纵向车速跟踪精度的前提下,能避免车辆制动时的“前冲现象”,提高了舒适性。最后,通过Matlab与Carsim、Amesim的联合仿真验证了算法的有效性。     

深远海域海上风电场定量选址方法研究

为了促进我国深远海海域海上风电场建设,实现海上资源的合理使用.研究了基于模糊逻辑的深远海海域海上风电场选址方法.根据现有研究成果,识别了深远海风电场选址的影响因素,建立了深远海风电场选址的3层决策框架.利用模糊推理对输入和输出变量进行模糊化,以风能资源、自然环境、交通环境和风机条件建立了4个模糊推理机,并构建了其模糊推理规则.利用模糊语言变量确定了各决策准则的权重,从而实现深远海风电场选址的决策.以上海市深远海海域海上风电场选址为实例,确定了其选址方案.      

基于ArcGIS的公路工程地质选线模型

针对高速公路地质选线仍然以案例分析为主，缺乏通用性定量分析模型的现状，以某高速公路为背景，在分析文献与案例的基础上，提出地形地貌、地层岩性、地质构造、水文地质、环境地质、地震与新构造运动、不良地质和特殊岩土等8个影响因子，构建层次分析、模糊综合评价模型。基于地质调绘、地质勘察，遥感影像等原始资料，借助ArcMap的空间与属性分析功能，将地质影响因子分离，并分级量化。采用层次分析、模糊综合评价法对格栅数据进行加权叠加、模糊逻辑运算，形成格栅综合成本。基于Dijikstra算法原理，综合运用ArcMap内嵌距离成本分析、成本路径分析工具，实现全面考虑工程地质影响的最佳线路选择。     

Self-tuning control algorithm design for vehicle adaptive cruise control system through real-time estimation of vehicle parameters and road grade

The main purpose of this paper is to design a self-tuning control algorithm for an adaptive cruise control (ACC) system that can adapt its behaviour to variations of vehicle dynamics and uncertain road grade. To this aim, short-time linear quadratic form (STLQF) estimation technique is developed so as to track simultaneously the trend of the time-varying parameters of vehicle longitudinal dynamics with a small delay. These parameters are vehicle mass, road grade and aerodynamic drag-area coefficient. Next, the values of estimated parameters are used to tune the throttle and brake control inputs and to regulate the throttle/brake switching logic that governs the throttle and brake switching. The performance of the designed STLQF-based self-tuning control (STLQF-STC) algorithm for ACC system is compared with the conventional method based on fixed control structure regarding the speed/distance tracking control modes. Simulation results show that the proposed control algorithm improves the performance of throttle and brake controllers, providing more comfort while travelling, enhancing driving safety and giving a satisfactory performance in the presence of different payloads and road grade variations.     

基于变论域模糊多参数自整定PID控制的智能挖掘机轨迹跟踪

智能液压挖掘机多用于特殊环境下的无人操纵施工。在执行诸如直线刮平、斜坡整平和定点挖掘等特定挖掘任务时,对智能挖掘机工作装置铲斗齿尖的轨迹规划和轨迹跟踪提出了较高要求。为此,针对智能挖掘机运动的控制问题,提出一种基于变论域模糊多参数自整定PID （Variable Universe Fuzzy Multi-parameter Self-tuning PID,VUFMS-PID）的轨迹跟踪控制策略。首先,在关节空间中通过三次非均匀有理B样条（Non-uniform Rational B-Splines,NURBS）曲线插补法完成直线刮平和定点挖掘轨迹规划,并得到工作装置挖掘作业时各关节角、角速度、角加速度位置序列。然后,综合考虑挖掘机非线性、时变性等特点,基于变论域思想,提出一种基于VUFMS-PID的轨迹跟踪控制方法。最后,基于AMESim与MATLAB/Simulink联合仿真和硬件在环（Hardware-in-the-Loop,HiL）试验平台,对VUFMS-PID控制方法的有效性和先进性进行验证。研究结果表明：在铲斗齿尖运动过程中,规划轨迹平滑连续且变化幅值较小,规划轨迹与期望轨迹之间的误差较小;VUFMS-PID控制的响应速度和跟踪精度相较于传统PID控制与模糊PID控制有明显提升;在硬件在环试验分析中,提出的控制方法在跟踪直线刮平轨迹和定点挖掘轨迹时,能够将跟踪误差控制在20 mm以内,实现对规划轨迹的精确跟踪。     

基于聚类和优序图法的事故再现结果融合方法

科学合理地融合多个事故再现结果具有重要现实意义，针对现有事故再现结果融合方法不能处理结果中包含潜在风险区间的问题，采用聚类算法与优序图法相结合的方式对多个事故再现结果进行融合。首先提出基于聚类的基础融合法，其先离散多个事故再现结果，再对离散后的数据进行聚类得到类结果，最后整理聚类结果可得融合结果。基础融合法操作简单、高效但不能处理再现结果中的潜在风险区间。进而通过引入优序图法提出基于优序图法的改进融合法，所提改进方法先从基础融合法的结果中得到各聚类区间概率与各聚类中心之间的距离表，并根据距离表中的距离极值将距离分段；再按照正态分布原则可知，各聚类中心之间的距离十分接近，现遵循距离越小分值越高的前提给予每段距离一定分值，距离表可根据分值得到各聚类中心的权重计算表;然后对权重计算表使用优序图法计算出各聚类中心的权重即各聚类区间权重；最后结合各聚类区间概率及其对应的权重得到融合结果。数值算例与真实案例均表明:改进融合法不仅可高效融合再现结果，还能识别出潜在风险区间并降低其在融合过程中的影响，从而提升融合结果的客观性，得到更理想的符合正态分布的结果，为融合包含潜在风险区间的多个事故再现结果提供有效解决方案。