排序方式: 共有36条查询结果,搜索用时 15 毫秒
31.
考虑了自供电路侧单元在分组传输过程中能量收集、车辆到达与车速的随机性, 基于受限马尔科夫决策模型建立分组调度系统模型, 研究了分组平均传输时延与能量消耗; 分析了在能量队列约束下最小分组平均传输时延的优化问题, 提出了自供电路侧单元能量-时延均衡分组调度策略, 通过仿真试验分析了最优分组调度策略性能, 并与贪婪中继方案和Q-learning算法进行对比。仿真结果表明: 该分组调度策略具有双门限结构, 系统通过自供电路侧单元的能量队列状态以及到达车辆的车速状态确定决策变量, 使系统可以在考虑能量利用效率的前提下降低监测数据分组的平均传输时延, 保证自供电路侧单元在能量存储不溢出不耗尽的同时, 最小化系统分组平均传输时延; 在单分组发送模型中, 提出的分组调度策略的平均传输时延相比贪婪中继方案降低了15.7%, 相比Q-learning算法降低了13.5%;在批量分组发送模型中, 其分组平均传输时延相比贪婪中继方案降低了20.4%, 相比Q-learning算法降低了11.5%。 相似文献
32.
为了研究纯电动客车复合制动系统制动力分配比例,提出了基于制动驾驶意图辨识的复合制动控制策略。基于隐形马尔科夫理论建立了双层制动驾驶意图辨识模型,运用道路试验数据对模型进行辨识验证。基于辨识出的驾驶意图和车速,以前后轮制动力分配比例、ECE 法规、电机特性、滑移率、蓄电池特性、超级电容特性与传动系统特性为约束条件,制定了复合制动系统制动力分配策略,在9种工况下,应用Simulink对复合制动系统进行建模仿真。仿真结果表明:应用基于制动驾驶意图的纯电动客车复合制动控制策略后,在各种工况下,摩擦制动系统和电机再生制动系统能够协调稳定地工作,在保证制动安全性的前提下最大限度地回收了制动能量。低车速轻微制动时能量回收效率最高,可达到43.84%。高车速紧急制动时能量回收效率最低,仅为0.89%。 相似文献
33.
34.
本文详细介绍了发动机自动化试验台软件系统开发的步骤、设计目标及程序结构,依据发动机的试验过程设计与之相对应的四种工作模式,并以监控进程为例,说明软件编程的结构。 相似文献
35.
为实现左右舵不同驾驶习性驾驶人在港珠澳大桥时空混行环境下快速、有效识别并预测行驶车辆在应急条件下的运动状态,提出了一种考虑右舵驾驶行为的模型加数据混合运动预测方法。首先,提取港珠澳大桥通行车辆的跟驰与换道原始轨迹数据并分析,挖掘左右舵驾驶行为在直道及变道属性下的长短时特性;其次,结合最大信息系数算法(MIC)对比所提取特征与2类驾驶行为的关联程度,并求解关键区分特性下高斯混合模型(GMM)对于左右舵驾驶行为应急反应的倾向性概率;最后,将2种驾驶行为的车辆运动状态在直道行驶的差异特征作为长短时记忆(LSTM)神经网络的输入,建立数据驱动下的直道横向偏移预测模型,并在具有差异化驾驶行为的车辆直道位姿信息预测基础上,串联建立模型驱动下的变道概率预测模型。对青州航道桥实际车流监测数据的测试结果表明:所提方法可基于行驶车辆的横向偏移和偏航率等特征快速、准确识别左右舵驾驶行为;对于不同特征输入下的直道偏移预测结果,所预测左舵驾驶行为的均方根误差(RMSE)、改进的豪斯多夫距离(MHD)与决定系数(R2)的最优评估分别为0.578 7、0.468 1与0.870 7,右舵驾驶行... 相似文献
36.
将车辆间时空交互信息融入卷积社会池化网络中,提出了一种面向群体行驶场景的有人驾驶车辆轨迹预测模型;使用长短时记忆(LSTM)网络预测群体车辆速度,基于此预测值计算群体车辆间的速度差;构造LSTM编码器捕捉群体车辆行驶轨迹的时间序列特征,设计卷积社会池化网络提取群体车辆间的空间依赖关系,使用LSTM解码器预测未来车辆各种动作的出现概率和相应轨迹,将具有最高出现概率的动作及其轨迹作为最终轨迹预测结果;使用真实轨迹数据集对所构建模型进行了参数标定和性能验证,测试了不同轨迹编解码与速度预测方法对模型性能的影响,确定了最优模型结构。计算结果表明:相较于历史速度,使用预测速度计算速度差作为模型输入可将均方根误差(RMSE)降低19.45%;相较于门控循环神经网络,使用LSTM进行速度预测可将RMSE降低4.91%;相较于原始卷积社会池化网络,所提出模型的轨迹预测误差在RMSE与负似然对数2个指标上分别降低了20.32%和21.04%,明显优于其他卷积社会池化网络变体;所提出模型与原始卷积社会池化网络计算耗时差距约3 ms,能够满足实时应用要求。 相似文献