无信控交叉口环境下考虑驾驶员误差的集中式轨迹规划

针对混合交通中人类驾驶汽车引起的碰撞隐患，提出一种考虑驾驶员误差的无信控交叉口集中式轨迹规划方法。首先，以最优控制框架设计了多车协同轨迹规划方法，以运动时间、燃油经济性和行车延误建立复合优化目标。其次，通过实车试验采集不同驾驶员的操作数据集，建立加速度误差的马尔科夫链误差转移概率矩阵。最后，基于车辆碰撞估计结果对可能发生事故情况进行重规划计算，并在不同自动驾驶市场渗透率工况下进行仿真验证。仿真结果表明，碰撞发生率和平均重规划次数与渗透率负相关。采用重规划方法后交叉口内的规划成功率可达90%以上，且燃油经济性等交通指标得到改善。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

一种基于轨迹预判的垂直泊车路径规划算法研究

为解决目前量产自动泊车系统泊车成功率低、泊车完成后车辆姿态偏斜等问题，研究搭建基于阿克曼转向几何学和车辆运动学的车辆运动模型，构建基于可行驶区域的栅格电子地图，在几何路径规划方法中融入基于轨迹预判的碰撞约束方法和路径居中算法，采用车辆膨胀轮廓模型，最大程度利用电子地图可行驶区域和保证路径安全性，设计出一种基于轨迹预判的垂直泊车路径规划算法，并通过仿真测试和实车测试验证算法的可行性。该算法可大大提高泊车成功率，能帮助解决泊车完成后车辆偏斜不居中的问题。     

基于轨迹数据的过饱和信号路口排队长度分析

针对交通过饱和情况，利用网联车轨迹数据提供的车辆到达和停车位置等信息，提出一种基于交通冲击波的周期初始队列长度和最大排队长度的估计方法。基于网联车车辆轨迹确定车辆到达时刻、排队时刻、启动时刻及驶离时刻4个临界点的时空数据，并根据时空信息建立到达率估计模型，运用冲击波理论对每个周期初始队列长度及最大排队长度进行估计，应用微观交通仿真软件SUMO对模型进行仿真验证。实验结果表明：在网联车渗透率不低于20%的情况下，当v/c=1.0(v为实际交通流量，c为道路通行能力)时，初始队列长度MAE值小于6.5 m,MAPE值小于10%，最大排队长度的MAE值小于16.0 m,MAPE值小于11%，说明基于车辆轨迹的交叉口排队长度估计模型能够较为有效地估计过饱和交叉口的最大排队长度和初始队列长度。     

基于GRU-DconvLSTM的船舶轨迹预测

利用深度学习方法预测船舶未来航行趋势，对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统（AIS）中已知的经度、纬度、航速数据基础上，提出一种基于门控循环单元结合双卷积层长短期记忆神经网络（GRU-Dconv LSTM）预测模型。根据原始数据的变化趋势，采用标准差法对数据中的异常值进行处理，得到最终试验数据。该模型一方面通过门控循环单元（GRU）学习船舶历史数据上的运动规律；并采用双卷积层与长短期记忆神经网络（LSTM）结合的形式充分提取数据深层信息，提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络（CNN-LSTM）、卷积门控循环神经网络（CNN-GRU）以及卷积层长短期记忆（Conv-LSTM）神经网络等3个模型进行对比，将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准，结果表明，GRU-Dconv LSTM模型在经度和纬度预测上误差较小，精确度较高。     

不可靠车载传输环境下的智能汽车轨迹跟踪控制方法

针对外界扰动、参数摄动、数据传输时滞、转向输出滞后等因素给车辆运动控制带来的严峻挑战，基于鲁棒保性能控制理论提出了一种面向不可靠车载传输环境的智能汽车轨迹跟踪控制策略。通过系统扩维的方式引入转向系统动力学，建立增广无滞后不确定轨迹跟踪动力学模型，以描述执行器动态特性影响下的车路耦合动力学响应。基于Lyapunov-Krasovskii(LK)泛函构建时滞相关稳定性判据，考虑模型参数摄动所引起的系统失配问题，采用不等式放大法对不确定交叉项进行放大，引入H_∞指标对广义外界扰动进行抑制，并通过保性能指标配置控制性能偏好，设计具备线性参数时变(Linear-parameter-varying, LPV)特征的纵横向鲁棒协同控制器。最后通过多个典型工况对鲁棒保性能控制策略的有效性与优越性进行了验证。研究结果表明：在信号传输存在时滞、转向输出存在滞后的状态下，所提出的控制策略能够产生光滑平顺的控制输出，可保证车辆的行驶稳定性；尤其是在低附着、高速转向等恶劣行驶工况下，所提出的鲁棒保性能控制策略能够有效补偿模型失配所带来的不利影响，实现轨迹精确跟踪与横向稳定控制的有效兼顾。因此...     

智能网联环境下无信号交叉口交通自组织方法

针对道路交叉口通行延误问题，基于智能网联环境下的行车定位和轨迹共享技术提出无信号交叉口交通自组织方法，旨在根据车辆的实时位置、行车轨迹以及车速等信息实时计算进入交叉口车辆间的冲突时间差，使得各个方向车流互相预知对方驾驶行为，以实现车辆自组织穿插通过交叉口，以提高交叉口通行效率。实验选择重庆市南岸区白鹤路与桃源路双向四车道典型交叉口为研究案例，根据调查数据和Vissim仿真分析结果显示，所提出的交叉口交通自组织方法比现有信号控制交通组织方式通行时间平均减少了6.39 s,平均通行效率提高了43.6%。     

基于分段优化的车辆换道避障轨迹规划

为提高复杂道路场景下智能车辆换道避障的安全性和舒适性，提出了一种基于分段优化的智能车辆换道避障轨迹规划方法。首先考虑多种换道可能，根据本车状态和多个采样点生成基于五次多项式的候选y-x曲线簇和x-t曲线簇；其次基于指数函数设计了一种障碍风险评价函数，并结合轨迹平顺性、利他性和行驶效率等构建了综合评价体系，选取出最优参考轨迹，为智能车辆换道避障提供方向和速度的参考，以防止轨迹优化时陷入局部最优；为适应障碍物运动状态时变的特点，以参考轨迹为引导，构建分段五次多项式y-x曲线和x-t曲线，并考虑与障碍车辆的碰撞风险建立了优化目标函数，将轨迹优化问题转换成带约束的非线性规划问题，通过外点法求出最优轨迹。最后基于MATLAB平台进行了仿真验证，结果表明，所提出的轨迹规划方法在满足换道平顺、舒适要求的基础上提高了车辆的环境适应性和避障调整能力。     

FSAC赛车轨迹跟踪协同控制策略研究

针对中国大学生方程式赛车 （FSAC） 在比赛中横向-纵向协同控制的轨迹跟踪精度和稳定性问题，根据现代控制理论和经典控制理论提出一种以纵向速度为结合点的线性二次控制器 （LQR） 和比例-积分-微分算法 （PID） 的横纵向协同控制策略，并根据赛车相对参考轨迹的位置设计了一种协同控制器。建立二自由度车辆动力学模型，基于该模型设计了横向LQR位置跟踪控制器和纵向PID速度跟踪控制器。所设计的控制策略在CarSim和Simulink搭建的循迹工况联合仿真场景下进行仿真验证，仿真结果为纵向位置偏差小于0.07 m，横向位置偏差小于0.03 m。对控制算法进行实车验证，结果表明，该策略有效提高了赛车的轨迹跟踪精度和行驶稳定性。     

基于单电流调节器的永磁同步电机深度弱磁控制及模式切换控制策略EI北大核心CSCD

为解决传统双电流调节器弱磁控制策略因交叉耦合和电流调节器饱和导致的系统不稳定问题,提高电流动态响应速度,本文提出一种稳定的永磁同步电机深度弱磁控制策略——基于电压相角的改进型单电流调节器弱磁控制及模式切换控制策略。该控制策略集成了动态性能优异、控制结构简单、不依赖电机参数、电压利用率高和可移植性强等优点。在分析了不同单电流调节器的稳定运行范围后,根据系统控制需求的不同,规划了不同的电流轨迹,设计了不同单电流调节器弱磁控制策略,优化改进了恒转矩区和弱磁区切换条件,确定了恒转矩区和弱磁区切换时保持电压相角不变的关键,提出了不同单电流调节器切换时,可根据控制需求的不同,设计不同的切换方法,但须确保切换时交轴电压保持不变的切换关键,使控制策略便于工程应用。仿真和实验验证了所提方法的稳定深度弱磁能力和切换控制策略的有效性,最终实现了6.3倍深度弱磁控制和弱磁区不同单电流调节器在电动工况和发电工况下的平滑切换。