基于双估计强化学习结合前向预测控制的自动驾驶运动控制研究

运动控制研究是实现自动驾驶目标的重要组成部分,针对传统强化学习算法在求解中因单步决策局限而导致控制序列次优的问题,提出了一种基于双估计强化学习算法及前向预测控制方法结合的运动控制框架（DEQL-FPC）。在该框架中引入双估计器以解决传统强化学习方法动作值过估计问题并提高训练优化的速度,设计前向预测多步决策方法替代传统强化学习的单步决策,以有效提高全局控制策略的性能。通过虚拟驾驶环境仿真,证明了该控制框架应用在自动驾驶汽车的路径跟踪以及安全避障的优越性,保证了运动控制中的精确性、安全性、快速性以及舒适性。     

分布式电驱动车辆力矩分配控制研究现状综述

分布式电驱动车辆具有控制灵活度高、传动链短、结构紧凑、传动效率高、空间布置利用率高等特点,独特的结构特点与驱动方式令其在充分挖掘车辆动力学控制潜力、增强车辆安全性、提升驱动效率、简化底盘结构等方面带来明显的技术革新,为高性能车辆控制技术提供硬件载体。然而,作为过驱动、多约束、车辆纵向-横向-垂向运动行为强非线性耦合系统,分布式电驱动车辆在车辆动力学控制、车辆行驶经济性控制、协同控制等方面仍面临理论与技术挑战。基于此,综合国内外前沿分布式电驱动车辆力矩分配控制策略研究,主要从控制框架、稳定性控制、能效控制、兼顾稳定性与经济性控制4个方面重点阐述当前发展现状,设计并对比分析应用案例,从不同角度对力矩分配的发展方向进行展望,旨在为先进分布式电驱动车辆高性能力矩分配控制器开发提供参考。     

边江隧道内地铁列车运行的可视化仿真

为了明确武汉轨道交通2号线过江隧道区间坡段对列车运行特性的影响，为运行方案设计提供理论依据，建立武汉轨道交通2号线过江隧道两列车在长大坡道上的动力学模型，展开两列车同轨道运行工况下正常运行和不同动力故障时相对运动的动态仿真，基于Simulink／Virtual Reality Toolbox，对两列车的相对运动实现可视化。结果表明，该分析揭示了隧道内复杂坡段对列车最大运行速度和发车间隔的影响，有效指导过江隧道复杂坡段列车运行的方案设计。     

融合TangentBug与Dubins曲线的智能轮式车辆局部路径规划算法

由于环境条件限制,某些采用Ackermann转向的智能轮式车辆仅能获取局部地图和定位信息,给路径规划造成了困难.针对这一问题,本文中提出了一种融合TangentBug和Dubins曲线的局部路径规划算法.首先通过采样的方法构建了规划参考点集合,然后以Dubins曲线作为规划路径,旨在满足车辆最小转向半径的运动约束和目标...     

混动履带式无人平台轨迹跟踪控制研究

为了提高履带式无人平台的轨迹跟踪性能，提出了一种考虑纵向速度规划的分层轨迹跟踪算法并进行了联合仿真验证和实车验证。在建立了包含履带的滑移滑转率和质心侧偏角的车辆运动微分方程的基础上，完成分层轨迹跟踪算法框架的构建。上层基于伪谱法的速度规划算法根据路面信息进行纵向速度规划，并将规划的速度作为目标车速下发给下层基于线性时变模型预测控制（LTV-MPC）的轨迹跟踪算法。基于LTV-MPC的算法通过建立预测模型和约束条件，二次规划求解出两侧电机的目标转速。通过Matlab/Simulink和RecurDyn的联合仿真以及实车验证了所提出的算法在不同地面条件下具有良好的轨迹效果。     

智能网联汽车多域电子电气架构技术发展研究

随着汽车智能化、网联化技术不断发展，传统电子电气架构已难以满足面向未来的车路云网一体化发展新需求。本文中聚焦面向未来的智能网联汽车多域电子电气架构，分别从总体设计、硬件系统、通信系统和软件系统4个方面对现有技术进行了详细的综述并对我国电子电气架构的发展进行展望。本文可对汽车电子电气架构技术研究提供重要的参考价值。     

面向时间敏感网络的车载以太网网络架构多目标优化

车载电子电气架构的网络架构深刻影响智能网联车辆的通信安全性和确定性。针对面向时间敏感网络（TSN）的区域-功能域电子电气架构，本文首次建立了以端口数均匀、负载均衡和信息流端到端延时最低为优化目标的网络架构多目标优化框架。通过求解TSN流量调度问题获得信息流延时，将流量调度抽象为周期性车间作业调度问题（JSP），提出适用于流量调度的多种群遗传算法（MPGA），相比于传统遗传算法求解效果提高16%。为了快速求解多目标优化问题，设计了改进的快速非支配排序遗传算法（NSGA-II），通过引入迭代因子和拥挤因子对算法进行自适应交叉变异概率改进，优化效率提高了25%。仿真验证了多目标优化框架的有效性并为面向TSN的车载以太网网络架构优化提供了一种设计思路。