智能电动车弯曲道路场景中的避障路径规划

为研究智能电动车在弯曲道路场景下进行避障规划的有效性, 提出了一种将笛卡尔坐标系转换为曲线坐标系的方法, 利用5次贝塞尔曲线对弯曲道路场景中的车道线进行逼近得到参考路径, 通过对参考路径进行弧长参数化, 以弧长为横坐标, 横向偏移为纵坐标的方法建立曲线坐标系, 根据车辆和子目标点在曲线坐标系中的位置关系, 采用3次多项式实时生成候选路径, 利用序列二次规划算法对候选路径进行优化; 为验证所提算法的有效性, 以某智能电动车为平台, 利用单目相机、64线激光雷达、工控机等设备搭建试验车, 通过Apollo平台对车辆在弯曲道路场景中的避障算法进行在线仿真, 在园区实车试验中对避障算法进行了GPS位置误差和航向角累计误差分析。研究结果表明: 在曲线坐标系中进行车辆弯曲道路场景下的避障路径规划, 能有效地描述规划路径曲率半径、车辆中心位置偏移车道线距离等信息, 容易确定自身车辆的可行驶区域、前方障碍物位置信息, 从而生成最优路径; 在园区场景的避障过程中, GPS位置误差发生在初始点、转弯点以及避障点, 最大误差为0.15 m, 航向角累计误差为12°, 突然增大的弯道位置误差主要由车辆姿态瞬时改变及障碍物匹配过程引起, 但是误差都能够很好地控制在一定范围之内, 利用曲线坐标系解决弯曲道路场景中的避障路径规划是可行的。      

Kinematics analysis and experiment of a cockroach-like robot

This article describes the structure of the cockroach-like robot. Both kinematics and locomotion control are inspired by biological observations in cockroaches. Based on cockroach-like robot kinematics analysis, screw theory, and the production-of-exponential (POE) formula, this paper focuses on the inverse kinematics which uses Paden-Kahan sub-problems to obtain directly the displacement of joint angles. The forward kinematics derives the relationship between joint angles according to the natural restrictions. Then, by using the POE formula, it can deduce the body pose and realize online trajectory control and planning. Through simulation and experimentation, it is proved that the straight-line walking and turning gait algorithms have static stability and the inverse kinematics analysis of cockroach-like robot is correct.     

两自由度并联机器人的RBF神经网络辨识自适应控制

针对平面两自由度五杆并联机器人的轨迹跟踪问题,提出了一种基于RBF神经网络的自适应PID控制方法.该控制方案利用RBF神经网络自适应学习辨识并联机器人系统的未知非线性动态,可以在线调整PID控制参数以实现高精度控制.仿真结果显示该控制策略可以精确实现对于并联五杆机器人的轨迹跟踪控制,该方法的自适应性和跟踪性能均优于传统的PID控制.     

考虑航艏向与数据变化差异的船舶轨迹预测

船舶自动识别系统(Automatic Identify System,AIS)数据可以实时体现船舶当前时刻的具体动态,采用传统BP(Back Propagation)神经网络模型的船舶轨迹分析预测方法,在计算中直接将航艏向数据纳入模型,没有考虑船舶航艏向在零度附近变动时带来的实际方向变动幅度与数据变化幅度存在较大偏差问...     

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.?车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录...     

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题, 提出了一种船舶轨迹在线压缩算法; 使用多次滑动推算船位判断方法清洗船舶轨迹, 使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点; 为了提高轨迹队列和路径树在内存中的查询速度, 使用哈希表对其进行管理; 为了验证提出算法的效果, 比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差, 采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明: 在压缩时间方面, 方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍, 说明提出的算法比其他2种算法的处理时间更短; 提出的算法在压缩过程中保留了时间信息, 平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下, 最大同步欧氏距离误差在压缩率为1%时仅有127 m, 而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制, 会随机变化; 在垂直距离误差方面, 提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下, 都能保证垂直距离误差小于20 m, 而方向保留算法的垂直距离误差会随机变化; 在显示效果方面, 提出的算法能有效清除轨迹噪声点, 压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见, 提出的算法能更高效地保留原始轨迹的形状和时间信息。      

���ڻ���������ļ�ʻԱ��̬·���յ��㷨�о�

动态路径诱导旨在向驾驶员提供基于实时交通信息的最佳行驶路径来达到诱导出行的目的，以保证车辆在路网上运行的总费用最小，为驾驶员提供较合理的高效行驶路线。动态路径诱导必须实时保证全局准最优，本文将混沌神经网络应用于动态路径诱导，通过在HNN中引入混沌动态，利用其遍历性进行随机搜索，再由退火策略控制混沌动态逐渐消失并转入HNN进一步优化，从而可保证网络收敛到一个最优或近似最优的稳定平衡点。仿真分析表明：将混沌神经网络应用于动态路径诱导系统中求解最优路径，总能保证网络收敛到全局最优，同时可有效克服Hopfield神经网络易陷入局部最优解的缺点，具有更高的搜索效率，对于求解连续变量的非线性优化问题提供了一种有效方法，验证了混沌神经网络在动态路径诱导中的有效性。     

基于分布式WebChart的船舶导航系统

为了提高目前WebChart信息传输与交互的效率,分析了WebChart作为船舶导航系统需要解决的海图数据网络传输、实时获取本地导航设备数据、客户端之间信息交互等问题,提出并构建了一种基于分布式WebChart的船舶导航系统。该系统采用数字签名和Java本机接口方法解决了WebChart对本地资源的访问,实现了通过客户端串口对本地传感器信息的读取,并且系统采用了分布式体系结构,船舶用户不仅可以通过网络浏览器浏览海图数据,而且可以在海图平台上相互可见和交互,从而使船舶用户能够方便地通过网络实时、准确地分析和了解其周围的动静态航行环境,获取全面的导航服务。     

Dynamic Obstacle Avoidance for Application of Human-Robot Cooperative Dispensing Medicines

For safety reasons,in the automated dispensing medicines process,robots and humans cooperate to accomplish the task of drug sorting and distribution.In this dynamic unstructured environment,such as a human-robot collaboration scenario,the safety of human,robot,and equipment in the environment is paramount.In this work,a practical and effective robot motion planning method is proposed for dynamic unstructured environments.To figure out the problems of blind zones of single depth sensor and dynamic obstacle avoidance,we first propose a method for establishing offline mapping and online fusion of multi-sensor depth images and 3D grids of the robot workspace,which is used to determine the occupation states of the 3D grids occluded by robots and obstacles and to conduct real-time estimation of the minimum distance between the robot and obstacles.Then,based on the reactive control method,the attractive and repulsive forces are calculated and transformed into robot joint velocities to avoid obstacles in real time.Finally,the robot's dynamic obstacle avoidance ability is evaluated on an experimental platform with a UR5 robot and two KinectV2 RGB-D sensors,and the effectiveness of the proposed method is verified.     

战术飞行路径规划算法

为了找出在某些约束条件下的最优飞行路径,提出了一种基于Voronoi图的战术飞行路径规划算法,建立了威胁代价函数,采用分解策略,首先生成一条由若干直线段连接的参考航路,然后利用B样条函数对规划的参考航路进行动态修正,用Matlab进行了仿真验证。仿真结果表明了路径规则算法是有效的,修正后的路径避免了带有尖角的不可飞路径,满足最小飞行半径与动力约束。     

基于多目标优化的智能车辆换道轨迹规划

为提高智能车辆换道轨迹规划的拟人性和实时性,提出了安全、舒适、节能等多目标协同优化的换道轨迹规划算法,该轨迹规划方法的适应性取决于车辆换道时间、纵横向速度及加速度等关键变量的约束条件;基于车辆运动学和动力学理论,分析了动态未知环境下车辆换道安全区域,建立了六次多项式车辆理想换道轨迹模型,并运用遗传算法-BP神经网络理论...     

不确定信息下应急救援路径选择模型

迅速有效的震后交通疏散及道路管制措施对降低地震损失具有重要意义.通过定义路网疏散连通度和安全行驶路线,对不确定信息条件下救援疏散和路径选择问题进行描述.将避难点分配、路径规划、车辆容量,以及不确定通行能力作为该问题约束条件,确立了以公交疏散问题为基础的应急救援车辆路径选择模型.考虑到模型仿真的局限性,转化为相同发车间隔下的公交均衡调度问题进行求解.以唐山抽象路网和人口分布为基础进行仿真实验分析,结果表明:不确定信息条件下选择安全救援路径,当救援车辆途中遇阻时,只需调整交叉口转向策略即可顺利通行,保证了救援调度工作的稳定.     

船舶编队控制综述

研究了船舶编队控制的特点,从船舶编队控制结构、编队路径规划、编队运动建模和编队运动控制4个方面分别对现状和方法进行分析;介绍了船舶编队控制原理,描述了船舶编队领导-跟随结构、虚拟结构、图论结构、基于行为结构的数学表示方法及应用场景;针对船舶编队路径规划,总结了编队环境建模、全局路径规划和局部避碰规划等最新方法及其特点,展示了基于粒子群优化算法的船舶编队局部避碰效果;针对船舶编队控制运动建模,构建了考虑干扰、控制时延和约束的船舶编队水动力模型,并将该模型在船舶编队过闸控制场景中进行了验证;针对船舶编队运动控制,归纳了典型集中式、分散式和分布式编队控制器特点,指出分布式编队控制器具有更好的鲁棒性和可扩展性,设计了基于分布式模型预测控制的编队航行控制器。研究结果表明:目前船舶编队控制技术瓶颈主要体现在有人/无人编队共融、岸端驾控为主的内河船舶编队控制、不确定干扰下的船舶编队控制、通信受限下船舶编队鲁棒控制、特殊水域船舶编队控制和船舶编队控制一致性等方面;在未来船舶编队发展中,应重点解决船舶编队分布式协同控制、船舶编队任务多元化控制、基于生物群体机制的船舶编队控制、特殊水域船舶编队控制、人工智能技术在船舶编队控制中的应用等问题。      

船舶航向非线性系统的模糊神经网络智能控制器设计

船舶航向控制系统具有典型的非线性和不确定性特性，并受自动舵执行能力的约束，这使得作为船舶智能化基础的航向控制极具挑战性。首先分析了船舶航向运动特性，给出带有舵约束的航向运动非线性数学模型；然后以模糊神经网络为控制器结构，在噪声加入和参考轨迹设置算法的支持下使用遗传算法对控制器参数进行自动搜索和优化，设计一种船舶航向智能控制器；最后对航向控制进行仿真。结果表明，所设计的航向智能控制器对船舶参数摄动和扰动具有良好的鲁棒性能。     

A rapid path planner for autonomous ground vehicle using section collision detection

Rapid path planner plays an important role in autonomous ground vehicle (AGV) operation. Depending on the non-holonomic kinematics constraints of AGV, its path planning problem is discussed. Since rapidly-exploring random tree (RRT) can directly take non-holonomic constraints into consideration, it is selected to solve this problem. By applying extra constraints on the movement, the generation of new configuration in RRT algorithm is simplified and accelerated. With section collision detection method applied, collision detection within the planer becomes more accurate and efficient. Then a new path planner is developed. This method complies with the non-holonomic constraints, avoids obstacles effectively and can be rapidly carried out while the vehicle is running. Simulation shows that this path planner can complete path planning in less than 0.5 s for a 170 m×170 m area with moderate obstacle complexity.      

智能交通系统中几种最短路径算法分析

最短路径选择是智能交通系统的重要研究课题,它能够根据存储在电子地图中的道路网的拓扑关系,实时准确地规划出最短路径。目前的最短路径算法主要有4种,即Dijkstra搜索算法、A＊算法、A＊优先算法、A＊双向分层启发式算法,每一种算法都有不同的执行标准,例如有的算法考虑获取最短路径,但没有考虑算法运行时间;有的算法同时考虑在运行时间和获取最短路径这两个方面。详细分析这4种算法的路径算法,比较其优劣。     

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.     

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正 IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.     

基于轨迹特征的船舶停留行为识别与分类

为准确评估大规模轨迹数据中的船舶停留活动，构建了两阶段船舶轨迹停留点提取策略，提出了特征驱动的船舶停留行为识别与自动分类方法；以距离、时间和轨迹点数量为约束条件构建了规则模型，检测了原始轨迹中的停留候选轨迹，引入孤立森林算法检测和去除异常离群点，提取了高聚集度的船舶停留轨迹集合；基于船舶靠泊和锚泊的时空特征，定义了轨迹点重复率、相邻点平均距离和最远点对距离3个指标，构建了新的轨迹相似性度量模型，量化了船舶停留轨迹点的分布特征和聚合程度，并利用K近邻算法完成了船舶锚泊行为与靠泊行为的自动分类；采用提出的方法处理了3个不同水域的船舶轨迹数据，准确获取了船舶停留行为的分类结果，并验证了船舶锚泊与靠泊在轨迹时空特征上的差异性，以人工标注结果为参考依据评估了船舶停留行为识别与分类的准确性。研究结果表明:船舶靠泊的轨迹点重复率在80%以上，最远点对距离和相邻点平均距离分别为6~11和1~2 m，船舶锚泊的轨迹点重复率在10%以下，最远点对距离和相邻点平均距离分别为150~250和8~10 m，说明轨迹点重复率、相邻点平均距离和最远点对距离这3个时空特征对船舶靠泊和锚泊具有显著的区分能力；提出的方法对船舶停留识别分类的正确率在98%以上，充分证明了其有效性；采用提出的方法可更新已有码头和锚地的空间位置，自动识别规则水域外的船舶异常停留和规则水域内的超长时间船舶异常停留，掌握在港船舶停留分布情况，识别不同季节、不同时段的热点码头和锚地，从而辅助优化港口规划布局和交通组织。      

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。