基于高精地图的物流配送车路径规划与跟踪控制

为了解决园区等场景下无人车多途经点配送问题,提出了一种基于矢量化高精地图的车道级全局路径规划、生成和跟踪控制方法。考虑配送车往返途经点顺序对行驶路径总长度的影响,基于高精地图采用A*算法计算各配送点间的最优路径,在此基础上,利用动态规划算法求解经过多个配送点的全局最优路径。应用贝塞尔曲线对规划的路径进行平滑,并根据道路曲率设定不同路径处的参考行驶速度,进而生成车道级的可用于跟踪的目标轨迹。利用车辆二自由度模型设计模型预测控制器进行轨迹跟踪,实现低速物流配送车的自主控制。在 CarSim/Prescan/Simulink联合仿真平台和实车平台上对提出的规划控制方法进行了试验。结果表明,相比传统的依据最近配送点策略确定的路径,所提出的方法搜索出的路径长度平均缩短了 6.15%。所设计的轨迹跟踪控制器能确保配送试验车与目标轨迹的横向偏差在 0.25 m 以内,航向角偏差在5°以内。     

宁波港区集装箱堆场业发展策略

随着宁波港区集装箱吞吐量的飞速增长，集装箱码头的建设也得到极大的发展。作为集装箱码头配套设施的堆场，在衔接海陆运输、提高船舶装卸效率、促进港口物流发展等方面的作用不可小视。目前，宁波港区集装箱堆场业还存在着一些亟待解决的问题，比如布局欠合理、服务水平较低、功能单一等，这些问题牵制甚至阻碍着宁波港区集装箱运输的整体发展。     

复合材料板簧制造工艺的研究进展

复合材料板簧的综合性能明显优于钢板弹簧,是汽车轻量化领域的研究热点。但复合材料板簧的制造工艺还不够成熟,导致复合材料板簧的试制成本居高不下、产品性能不够稳定等突出问题,严重制约了复合材料板簧的推广应用。本文中综述了复合材料板簧制造工艺领域的研究进展,包括模压成型工艺、拉挤成型工艺、纤维缠绕成型工艺和RTM成型工艺的研究成果。最后,总结了复合材料板簧制造工艺的发展趋势和瓶颈问题。     

宁波港域内贸集装箱运输业现状与发展策略

在全球金融危机背景下，发展内贸集装箱运输符合国家刺激内需、拉动国内消费的政策导向。目前，我国内贸货物的集装箱化率不到30％，相对于外贸货物70％的集装箱化率和发达国家80％的内贸货物集装箱化率，我国内贸货物集装箱化的发展空间很大。     

电泳漆堆积附着问题的分析及对策

针对车身电泳漆异常堆积附着问题,从板材种类、前处理清洗效果、磷化膜质量和电泳槽液成分等方面进行了深入分析。通过现场验证等方式,最终确定了导致电泳漆堆积附着的根本原因。在此基础上,制定了解决方案和后期预防措施。     

HMA动态模量Witczak和Hirsch预测模型

利用Witczak和Hirsch模型对HMA的动态模量进行预测评估,可以减少HMA动态模量试验的数量及难度系数,增强对HMA的动态模量野外测试的准确性。该文阐述了Witczak和Hirsch模型的理论发展及数据分析方法,介绍了这两种模型在HMA动态模量评估中的应用,并对Witczak和Hirsch模型的改进方法进行了总结。     

基于近邻目标区域表征与CVAE的智能汽车测试场景生成方法

基于场景的虚拟测试是研发高安全、高可靠智能汽车的必要手段,场景自动生成技术对于智能汽车测试场景库的构建具有重要意义。为此,针对多车动态测试场景,提出一种基于近邻目标区域表征(NORR)和条件变分自编码器(CVAE)的场景生成方法,实现复杂测试场景的快速生成以及对生成场景类型的控制。首先,针对高速公路场景特征,提出应用NORR方法对场景情境进行描述,将测试场景中关键车辆目标信息转化为尺度统一的灰度图像。接着,利用HighD自然车辆轨迹数据集提取大量场景片段,经过数据规范化处理后构建出真实场景库。在此基础上,以场景中车辆目标数量为条件参数,训练基于条件变分自编码器的生成模型,能够生成包含8条车辆轨迹的动态测试场景。通过计算生成样本集的匹配误差、覆盖度和不合理性3个指标,检验生成模型在样本真实性、多样性和合理性方面的表现。验证结果显示：(1)相比随机轨迹采样方法和基于GAN的生成模型,VAE模型生成的样本质量最好,其生成样本集的平均匹配误差小于5.22,覆盖度能达到57.2%,不合理样本比例仅为1.7%;(2)所提出的NORR方法有助于提高生成模型的场景生成效果;(3)CVAE模型能够在条件...     

基于室内模型试验的路基湿度变化规律研究

针对地下水上升和边坡渗水导致的路基不均匀变形问题,设计了室内路基模型试验,模拟地下水和边坡渗水对路基湿度场及其力学性质的影响。结果表明:采用底部补水和边坡洒水的方法可以有效模拟地下水和边坡渗水对路基的影响;当路基底部水源充足时,路基含水率随补水时间的增长由底部向顶部逐渐增大,密实度逐渐下降,其中边坡变化最为明显,路基左部次之,路基中部最小;边坡水分入渗时,路基水分迁移是以横向为主,密实度以边坡变化最为明显,路基左部次之,路基中部最小。     

基于多通道态势图的自动驾驶场景表征方法

开展自动驾驶测试场景研究能够大幅减少自动驾驶汽车的测试周期与开发成本，是未来评价和提升自动驾驶技术的重要基础。为此，联合基于本体论的场景解构方法，提出了一种基于多通道态势图的自动驾驶场景表征方法，并对多通道态势图的场景聚类与场景复杂度进行研究。首先，对目前的自动驾驶测试方法进行分析，论述道路测试的不足之处以及基于场景的自动驾驶虚拟测试的优点，并对当前的场景解构与表征方法进行了总结；然后，运用本体论解构场景中的信息，并建立场景的本体模型，对模型中的数据属性进行参数化；接着，对真实场景、场景中的语义信息和多通道态势图场景进行对比分析，定义表征场景的多通道态势图的数据格式，将解构出的场景信息重组到多通道态势图的不同层中；之后，以汉明距离为基础设计了多通道态势图的对象层相似度计算方法，采用K均值聚类算法对驾驶场景对象层进行聚类分析，并借助层次分析法对基于多通道态势图的驾驶场景复杂度计算进行研究；最后，以KITTI数据集的一些真实场景为例，绘制场景开始时刻的多通道态势图，分析聚类出的9种对象分布类型。研究结果验证了多通道态势图场景复杂度计算方法的有效性。