四轮独立驱动电动汽车驱动力最优控制方法

基于对四轮独立驱动汽车进行的动力学分析,提出通过调节驱动电机的电流来控制各轮纵向力以提高车辆操纵稳定性的策略.建立了驱动系统的动态响应模型,并将其变换为驱动系统控制模型.提出整车控制方案和控制器参考输入的调整方法,并运用最优控制理论设计了驱动系统反馈控制器.最后采用等转矩和等功率驱动力分配策略进行实验,结果表明该方法能取得较好的控制效果.     

基于DS证据理论的不同光照条件下道路边界识别

为提高在不同光照条件下道路识别算法的适应性,采用从局部区域提取方向、道路边界梯度和灰度等3个特征的方法,该特征的提取几乎不受不同光照导致的道路图像全局灰度变化和阴影等噪声的干扰。共选取了14种特征单元,将道路的方向特征准确融入到局部梯度和局部灰度值中。通过应用DS证据理论,将道路边界3个特征和有效统计单元所占比例进行有效信息融合,使得目标函数可以准确拟合曲线的总体质量。在大量实验样本和光强信息的基础上,设定不同光照条件下的道路边界检验阈值选取范围,提高了识别的实时性。实验结果表明,该方法可以适应各种不同光照条件下的道路边界识别,且具有良好的准确性和实时性。     

基于灰度图像的复杂环境下智能车辆道路边界识别

对于智能车辆在一些常见复杂环境下的道路识别,传统的预处理过程要对图像进行二值化,造成大量有用信息的丢失.文中直接利用灰度图像上道路边界的灰度及其梯度信息,构建基于小块统计的目标函数,用于评价道路边界的拟合质量,起到滤波的作用,有效地剔除复杂环境下的各种不规则纹理噪声.试验结果表明,本方法能有效地消除光照条件和树木阴影等因素的不良影响,准确地识别直线或弯曲道路边界.同时由于无须对图像进行预处理,大大提高了识别的实时性.     

复杂路面环境下前方车辆识别目标函数的选取

首先利用道路边界信息限定车辆的存在范围,以提高识别的实时性.接着根据灰度图像上车辆底部的灰度特征、方差特征和下边界梯度特征构造车辆检测目标函数,以指导在车辆存在区检测前方车辆.最后利用区域增长方法剔除由噪声引起的误判.实验验证表明,在复杂环境下该目标函数能够有效地消除大量无规则噪声的影响,并能准确地识别出车辆目标.