共查询到20条相似文献,搜索用时 818 毫秒
1.
2.
3.
针对传统基于距离或时间的车辆避撞预警算法存在较高误警率的问题,考虑在避撞预警算法中引入驾驶意图共享的概念,提出了基于实际外场复杂车车通信V2V(Vehicle-to-vehicle,V2V)环境下的车辆跟驰避撞预警算法。基于LTE-V构建外场V2V环境,将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程,借助隐马尔可夫模型(Hidden Markov Model,HMM)建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系模型,并给出基于Viterbi算法的驾驶意图预判求解方法,将驾驶意图作为特征因子集成到安全距离模型中,提出基于驾驶意图共享的避撞(Driving Intention Based Collision Avoidance,DI-CA)预警算法。利用构建的V2V试验环境,实现了匀速、加速、减速和紧急制动等4种驾驶意图,以及相对速度和相对距离增加、减小、保持不变等9种组合的车辆行驶状态试验数据获取,并利用试验数据对所提出的DI-CA预警算法进行实证分析。结果表明:所提出预警算法能够针对不同驾驶意图提供有效的车辆碰撞预警。在此基础上将4种驾驶意图下的DI-CA预警算法与Mazda预警算法求得的安全距离进行了对比分析,所提出的DI-CA预警算法的平均预警正确率为84%,高于Mazda预警算法的78%,而DI-CA预警算法的平均误警率和漏警率分别为5%和16%,均明显低于Mazda预警算法,说明所提出的DI-CA预警算法在提升预警效果的同时明显降低了误警率和漏警率,可避免行驶过程中因误警而导致的连续刹车,以及因漏警而导致的可能碰撞事故发生。最后,总结并给出了驾驶意图共享理论应用于车辆避撞预警的研究展望。 相似文献
4.
针对强化学习算法下智能车辆训练中动作选择过程随机性强、训练效率低等问题,提出了基于规则约束和深度Q网络(DQN)算法的智能车辆行驶决策框架,将引入的规则分为与换道相关的硬约束和与车道保持相关的软约束,分别通过动作检测模块(Action Detection Module)与奖励函数来实现。同时结合竞争深度Q网络(Dueling DQN)和双重深度Q网络(Double DQN)对DQN的网络结构进行改进,并引入N步自举(N-Step Bootstrapping)学习提高DQN的训练效率,最后在Highway-env平台高速路场景下与原始DQN算法进行综合对比验证模型的有效性,改进后的算法提高了智能车辆任务成功率和训练效率。 相似文献
5.
6.
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。 相似文献
7.
车辆行驶平顺性的预测及研究 总被引:5,自引:0,他引:5
本文应用系统动力学和随机振动理论,建立了计及车体弹性和发动机支承影响的比较简单实用的二维十五自由度车辆线性振动系统模型,利用该模型,通过计算机模拟计算与道路试验的比较,对车辆的行驶平顺性进行了分析。 相似文献
8.
基于LMS自适应滤波的模糊控制主动悬架研究 总被引:1,自引:0,他引:1
以车辆操纵稳定性及行驶平顺性为控制目标,根据路面一车辆系统的特点,提出一种在线可调整的模糊控制算法,利用LMS自适应模块调整模糊控制器的自调整因子,改善单一模糊控制算法对专家先期经验的依赖。针对简化的车辆模型,以路面信号作为激励源,进行悬架系统的振动控制研究,结果表明提出的算法对车辆悬架系统的振动控制具有较好的适应性。 相似文献
9.
中国典型城市车辆行驶状况的测试统计 总被引:14,自引:0,他引:14
介绍了在北京市(大型),长春市(中型)和四平市(小型)三个具有典型特征的代表城市所做的车辆行驶状况的试验及交通状况的调查结果,通过对行驶速度,油耗,档位和加速度等参数的测量与统计,对我国城市车辆行驶状况了最新了解。 相似文献
10.
本根据随机振动理论建立了自行车行驶系统动力学模型,按ISO2631推荐的车辆行驶平顺性的评价方法,以载重车为例进行分析计算,绘出人体所受的垂直加速度响应曲线,结果表明,有效地减轻裁重车的振动是十分必要的。 相似文献
11.
根据影响车辆随机动态荷载的主要因素,在设定的多层次指标体系的基础上,将层次分析法(AHP)用于随机动态荷载的评定中。该方法将复杂的车辆随机动态荷载问题分解成若干层次,在各层次上对随机动态荷载进行定量分析。根据分析结果,建立了随机动态荷载的分级标准,为合理荷载模型的确定提供了依据。 相似文献
12.
13.
14.
15.
16.
超大跨度斜拉桥施工过程随机模拟分析 总被引:4,自引:1,他引:4
针对超大跨度斜拉桥由于悬臂施工过程中各种误差的累积可能使其恒载效应具有较强的随机特性,传统的确定性分析方法不能反映这一重要结构特性的问题,采用Monte Carlo法与有限元法相结合的随机模拟方法,将斜拉桥的梁段自重、张拉索力看成随机变量,进行主跨1 088 m的苏通大桥施工过程随机模拟,研究其恒载效应的频度、均值和标准差。研究表明:由于结构系统的变异性,使结构行为呈现一定的随机性;梁段自重、张拉索力变异对钢主梁斜拉桥恒载应力的影响不如对混凝土主梁斜拉桥那么明显,但其对恒载构形的影响不可忽略。 相似文献
17.
18.
《Vehicle System Dynamics: International Journal of Vehicle Mechanics and Mobility》2012,50(12):1159-1169
A quarter-car model is used to investigate the vibration response of cars with uncertainty under random road input excitations in this paper. The sprung mass, unsprung mass, suspension damping, suspension stiffness, and tyre stiffness are considered as random variables. The road irregularity is considered a Gaussian random process and modelled by means of a simple exponential power spectral density. The power spectral density, mean value, standard deviation, and variation coefficient of the vehicle's natural frequencies and mode shapes are obtained by using the Monte Carlo simulation method. The computational expressions for the numerical characteristics of the mean square value of the vehicle's random response in the frequency domain are developed by means of the random variable's functional moment method. The influences of the randomness of the vehicle's parameters on the vehicle's dynamic response are investigated in detail using a practical example, and some useful conclusions are obtained. 相似文献
19.
由于钢筋锈蚀、混凝土碳化和日益增加的交通荷载影响,桥梁性能随着时间劣化,可靠性降低。因此,在分析影响既有钢筋混凝土桥梁可靠性不确定性因素的基础上,将这些因素归结为随机性和模糊性,以模糊随机变量为基本变量,考虑桥梁在服役过程中的耐久性损伤对可靠性的影响,针对既有桥梁荷载的分析背景同拟建桥梁的不同,进一步考虑模糊性,建立了考虑失效准则模糊性的模糊随机状态方程,将JC法改进用于计算模糊随机可靠指标,以装配式简支梁桥可靠性评价为例给出了具体方法和过程。 相似文献
20.
为了解决大跨度桥梁在随机车辆荷载和风荷载作用下局部应力求解耗时问题,首先以矮寨大桥为工程背景,建立壳-梁混合单元有限元模型,确定大桥应力的关键位置及关键点,采用分段拟合方法获得随机车辆荷载的影响面函数和风荷载的影响线函数;结合吉茶高速实际交通量特征及随机参数分布特征,采用蒙特卡罗方法,编制抽样程序生成随机车流样本。其次采用风-车-桥耦合振动分析获得典型车辆的等效车辆荷载;引入风荷载动力影响系数,提出了一种简便实用的随机车流下大跨度桥梁风致应力分析方法。最后应用ANSYS计算分析结果验证所提方法的正确可行性,分析矮寨大桥在随机车流和风荷载联合作用下的关键点应力响应。结果表明:风速低于15 m·s-1时,风荷载引起大桥关键点应力响应远小于车辆荷载引起的应力响应;繁忙车流下应力响应的幅值并不比稀疏车流下的应力幅值大很多,但是繁忙车流下应力响应的峰值数量远大于稀疏车流下的峰值数量,即应力的循环次数多,会增大桥梁的疲劳损伤。 相似文献