基于微分几何的四轮独立驱动车辆运动解耦控制研究

针对车辆在纵向运动和横摆运动时的强耦合关系给车辆动力学控制带来的困难，以四轮独立电驱动车辆作为研究对象，基于微分几何理论设计了车辆系统运动解耦控制方法，将非线性强耦合的四轮驱动车辆动力学系统解耦为纵向和横向两个相对独立运动控制子系统，并设计了鲁棒控制器，以提高抵抗车辆行驶时不确定外力如侧风的干扰能力。基于 Trucksim 软件建立四轮驱动车辆模型，并针对车辆解耦控制策略和抗干扰策略进行了仿真测试。结果表明，相比于无解耦控制的车辆，采用微分几何解耦控制的四轮独立驱动车辆纵向速度偏差降低了 82.1%，横摆角速度偏差降低了80.7%，且微风干扰下的抗干扰能力明显改善，车辆稳定性显著提升。为验证该运动解耦控制策略在实时系统中的控制效果，还进行了硬件在环试验，结果表明，硬件在环试验的结果与仿真结果一致。     

基于当前统计模型的地图匹配车辆跟踪研究

为提高车辆跟踪系统的精度，减小差分全球定位系统（DGPS）的定位误差，通过分析行驶在城市道路上的车辆运动过程及其相应的运动模型，提出采用当前统计模型作为车辆运动模型。通过地图辅助位置择近和速度择角算法来修正卡尔曼滤波，为运行在道路上的车辆确定地图匹配估计。实际运行结果表明；整个车辆跟踪系统的精度有明显的提高。     

毕加索车型故障两例

故障现象：车辆在行驶过程中发动机突然熄火，车辆防盗指示灯常亮，近光灯常亮，前雨刮器不规则运动，车辆无法重新启动。[第一段]     

汽车与汽车碰撞交通事故模拟再现系统

在数据输入系统对数据预处理后，由分析计算系统根据轮胎模型、车辆动力学模型和速度模型用数值计算法求得碰撞作用前瞬时车辆运动参数，最后在屏幕上再现碰撞前、碰撞作用时及碰撞作用后车辆的瞬时运动形态。     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

基于动态博弈算法的切入场景下自动驾驶车辆运动规划研究

鉴于在车辆换道切入的场景中，自动驾驶车辆容易出现频繁的误减速、误避让，而造成通行能力和乘员舒适性的下降，提出一种基于主旁车动态博弈的切入场景决策规划算法。在行为决策层，根据切入场景中主旁车的冲突性关系，联立相关车辆运动方程建立整体系统的运动模型，构建考虑旁车状态的切入博弈模型，设计安全性和舒适性收益函数，进行驾驶行为博弈，输出行为决策结果。在轨迹规划层，根据车辆间距构建避障约束条件，以Sigmoid函数轨迹的变曲率和速度切向矢量的时间分量来构建车辆动力学约束。同时以加权收益方式联合考虑驾驶习惯和舒适性等需求，建立轨迹规划数学模型，求解得到满足上层博弈决策要求的运动轨迹。Carsim-Simulink联合仿真结果表明，在不同的初始条件下主车与切入的旁车能进行多种形式的合理的交互决策，准确完成切入场景下的运动规划任务，车辆能准确跟踪输出的轨迹，更符合一般驾驶习惯，提高了车辆的舒适性。     

信号交叉口自动驾驶左转车辆类人化全局运动轨迹规划

为了提高信号交叉口自动驾驶车辆左转运动规划的适应性、鲁棒性与类人化程度，提出一种考虑多目标需求的自动驾驶类人化全局运动规划方法。首先，基于西安市北大街信号交叉口规格构建结构化场景，结合车辆运动学模型与道路几何规格定义自动驾驶车辆规范化行驶安全域和车辆运动参数约束条件；其次，根据信号灯状态、道路限速与车辆性能约束制定上游阶段车辆不停车通行规则，以行驶安全、燃油消耗、通行效率与驾驶舒适度作为目标性能函数，构建类人化全局多目标优化模型，通过人类驾驶的车辆预转弯行为耦合上游阶段与转弯阶段；再次，针对非线性运动规划模型变量与约束规模化问题，采用粒子群算法与全联立正交配置有限元方法求解不同阶段车辆运动轨迹的最优解；最后，试验建立Prescan与MATLAB/Simulink联合仿真平台，从多目标性能、适应性以及合理性方面验证该模型的综合性能。结果表明：在以信号灯状态和车辆初速度为变量建立的12种工况下，该模型与人类驾驶车辆、混合运动规划模型相比，平均可分别节省燃油消耗63.7%和29.5%，平均通行延时分别降低3、0.9 s，且轨迹曲率更平缓，最大横向加速度与方向盘转角平方和的平均值最小，证明该模型的多目标性能更好；在以路缘石半径与车道数目为变量建立的7种交叉口规格工况下，所提出模型的车辆轨迹平滑，轨迹安全域边界距离始终大于1.4 m，曲率变化符合期望且峰值小于0.22 m^-1，说明该模型具有较好的适应性；在自由/固定终端时刻条件下，该模型规划的车辆空间路径、速度、曲率及航向角的变化与目标权重变化保持一致，验证了模型的合理性。     

车辆气动力展向相关性传递函数及其对桥上运动车辆响应的影响

为研究运动车辆气动力的展向相关性对桥上运动车辆响应的影响,在分析运动车辆顺风向和竖向脉动风速谱的基础上,发展出一种新型的运动车辆脉动风速相干函数形式,推导出与顺风向和竖向脉动风速对应的运动车辆气动力的展向相关性传递函数,并根据"余弦规则"得到作用在运动车辆上的抖振力谱.通过建立列车-轨道-桥梁多体系统耦合振动仿真模型,...     

四轮转向车辆运动仿真分析

根据二自由度四轮转向汽车模型的运动方程，给出横摆角速度，侧向加速度与前轮转角的传递函数，并根据四轮转向车辆的控制策略进行运动学仿真。阐明四轮转向车辆与前轮转向车辆相比的优势，并提出其发展方向。     

东风雪铁龙世嘉故障两例

故障现象：车辆进行车载DVD设备改装时，发现车辆原装的收放机系统不能工作，同时车辆出现前雨刮器不规则运动和前大灯自动点亮的故障现象。车主准备到东风雪铁龙指定服务站进行故障维修，此时又出现无法正常启动的现象。     

基于GA-BP神经网络的汽车空气阻力系数预测研究

针对整车空气动力性能开发中数值计算耗时长的问题，提出一种基于GA-BP神经网络的汽车空气阻力系数预测方法。将汽车部分特征参数作为输入变量，经外流场仿真得到的空气阻力系数作为输出变量，获取数据集。采用遗传算法对BP神经网络进行参数寻优，最终建立基于遗传算法的BP神经网络模型，验证不同训练集数量对模型预测精度的影响。结果表明，GA-BP神经网络在训练样本较少时也能维持较高的预测精度，可用于汽车空气阻力系数的快速测。     

灭火智能车辆PID控制方法研究

为满足灭火智能车辆在火灾现场所需的精确运动要求和技术性能,充分利用BP神经网络能够逼近任意非线性系统的优点,将BP神经网络和PID控制相结合,把训练后的网络输出作为PID控制器输入,并不断调整其P、I、D参数,进而调整控制器的输出电压以控制灭火智能车辆的速度。     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统(ESC)的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制(Sliding Mode Control,SMC)中抖振较大的问题,提出一种自适应神经网络滑模控制算法.基于2自由度车辆模型,首先设计一个二阶滑模(Second-order Sliding Mode,SOSM...     

网联车辆并线预测与巡航控制的研究

为检测旁车道车辆驾驶员的并线意图,提升网联车辆巡航跟车的主动安全性,提出了一种基于NAR神经网络学习的迭代循环预测算法。NAR神经网络的训练样本由实际交通环境中的车辆并线数据获得,通过训练的网络预测未来一段时间内旁车的横向行驶轨迹,并根据划定的监控区域计算旁车的切入概率。同时,提出了一种考虑并线概率的跟车距离策略,并应用到网联车辆CACC系统中。结果表明,所提出的并线预测算法能精确计算出旁车的横向换道轨迹,所提出的跟车策略可提升车辆的跟车安全性。     

车辆主动悬架的神经网络模糊控制

利用神经网络来实现在车辆主动悬架中的模糊控制，通过对主动悬架实体装置的台架实验研究，在不同激励信号的作用下，神经网络模糊控制器都具有很好地抑制车体振动的特点，其控制效果明显优于PID控制。在车辆主动悬架中，神经网络模糊控制具有设计新颖，实用性强，特别对于减振效果要求较高的车辆，更能发挥其优点。     

基于改进BP神经网络的车轮定位参数动态测量

结合人工神经网络(ANN)技术，提出了基于改进的BP神经网络的车轮定位参数动态测量方法，编制了相应的程序，并进行了试验验证。结果表明，通过将车辆前进时的侧滑量作为已训练好改进BP神经网络的输入，根据网络的输出值可以有效地识别出车辆行驶时的车轮外倾角与前束值，从而实现在侧滑试验台上对车轮外倾角和前束值的测定，并依据测定结果有效地指导检修人员进行车轮外倾角与前束值的调整。     

基于小波神经网络的电源车故障诊断研究

简要介绍了小波神经网络理论,在分析某武器系统电源车模型的基础上,运用小波神经网络理论,构建小波神经网络,再进行网络训练与测试。算例结果表明,本方法可提高故障诊断的效率和准确性,对电源车的故障诊断具有重要意义。     

基于非完备贝叶斯网络的车型识别方法

针对BP神经网络等车型识别算法不能很好地适应我国车型复杂状况，分析了贝叶斯网络（IDS-BN）算法中完备数据集的问题，提出了基于非完备数据集的贝叶斯网络车型识别方法和车型识别系统结构模块，基于该模块拟定了车型特征变量．构建了车型识别网络模型，并给出了模型参数学习、车型分类器等算法，包括MDL评分和贪婪搜索的结构学习、EM参数学习、随机模拟采样推理等。实验表明，该方法识别率较高，鲁棒性好，满足我国车型识别的实际要求。     

汽车主观评价综合评分方法研究

本文以各项主观评价项目评分值为依据,运用模糊聚类分析的方法得到反映各"样本车型"与"目标车辆"(各项主观评价分值最优的车辆,下同)的"接近程度"的排序情况,依据此排序结果,构造"样本车型"的综合评价评分值并通过训练得到相应的BP神经网络结构.当输入车辆各项评价项目评分值后,该BP神经网络结构能够按照车辆与"目标车辆"的...     

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究，提出一种基于主成分分析-学习向量量化神经网络 （Principal Component Analysis - Learning Vector Quantization，PCA-LVQ） 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理，提取能表征路面特征的主要成分，采用学习向量量化神经网络对降维处理后的驾驶数据进行训练，并用于路面特征分类，使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明，所提出的 PCA-LVQ算法能准确识别路面类型特征，路面识别的精度达到 97%，与传统 BP神经网络的路面类型特征识别精度提升 7%；同时，在不同车速下，基于PCA-LVQ算法也能较准确地识别路面类型特征。