基于横向安全距离模型的主动避障算法

现有的安全距离模型是基于纵向相对车速或减速度值建立的,没有考虑移动目标的横向运动特性。本文利用移动目标横穿马路的速度、相对位置,建立横向安全距离模型,并提出一种基于横向安全距离模型的主动避障算法。首先,根据横向移动目标横穿马路的速度、相对位置和自车的制动距离建立横向安全距离模型,设计主动避障算法。接着,为计及路面条件对制动效果的影响,引入当前行驶路面估算的附着系数峰值估算最大制动减速度,约束目标避障减速度,并调整制动强度,以适应不同路况的安全避障行驶。最后,以典型横向移动目标骑行者作为研究对象,通过PreScan/Simulink/CarSim联合仿真验证避障算法的有效性。结果表明:基于横向安全距离模型的主动避障算法能有效避免与骑行者碰撞,提高行车的主动安全性。     

8×8越野车通过沟台能力的研究

对 8× 8独立车轴越野车通过沟台的能力进行了研究 ,得出数学模型 ,并通过数值计算对一定轴距布置型式的四轴车通过沟台能力进行了预测。     

Regularity of solutions of obstacle problems

In this paper, we improved the regularity results of obstacle problems, in which the smooth conditions of the coefficients a^ij （x） are released from C^1 （^-Ω） to L^∞ （Ω） .     

未知环境中水下无人航行器的路径规划方法

针对水下无人航行器路径规划需要提前获得海图以得到全局障碍物信息,难以做到未知环境下实时规划路径的问题,提出一种对探测空间进行采样并判断采样点是否具有障碍,最终将探测到的障碍结果加权赋值给A*算法待扩展点的方法,实现了探测与路径规划同步进行,同时考虑到航行器的运动学约束,将A*算法的搜索域修正为圆域并且仅搜索在运动学约束...     

岷江下段航道典型滩险整治技术

岷江干流龙溪口枢纽以下河段为天然航道,具有典型的山区河流特征,碍航特性极其复杂,加之河道历年来受挖沙采石影响,航道条件恶化严重。采用长河段平面二维水流数学模型对拟建岷江龙溪口枢纽至屏山镇岷江大桥段11处滩险的整治方案进行对比分析及优化研究。在碍航特性及滩险成因分析的基础上,选取该段航道内干龙子滩、白甲滩以及新开河滩段3个具有典型代表性的滩段,从通航水流改善程度、挖槽稳定性以及船舶自航上滩等方面进行多组方案的比选,总结岷江下段典型代表性滩险的整治技术。     

长江下游东北水道河床演变与6.0 m航道整治思路

针对长江下游东北水道6. 0 m航道存在的碍航问题,依据河道地形和水文资料,分析了东北水道河床演变特点及航道条件,并对该河段航道整治的对策进行了探讨。结果表明:东北水道总体航道条件较好,仅在局部年份在河心出现浅包,导致航道水深和宽度不足;为改善东北水道航道条件,航道整治工程可考虑在已建东北水道航道整治工程基础上,加高下三号洲左缘低滩,稳定过渡段主流流路,并适当缩窄过渡段河槽,集中水流冲刷浅区,也可考虑仅在局部出浅年份采用疏浚措施。     

岷江下游霸王滩滩险整治技术

岷江下游河段为天然航道,其具有典型的山区河流特征,碍航特性极其复杂,加之河道历年来受挖砂采石影响,航道条件严重恶化。针对该段航道中霸王滩弯、急、浅、险的碍航问题,采用平面二维水流数学模型,在碍航特性及滩险成因分析的基础上,从通航水流改善程度、挖槽稳定性以及船舶自航上滩等方面进行多组方案的比选和优化,确定较为合理的整治方案,同时提出山区河流类似滩险的整治原则、理念及对应措施。结果表明,修改方案1-1的总体整治效果较好,工程量较其他方案小,为推荐的整治方案。     

队列车辆碰撞严重性及车队排布策略

针对自动驾驶车辆队列发生不可避免碰撞的事故场景,研究以整体碰撞严重性达到最低为目标的车队排布策略.首先根据引发事故的障碍物是否会明显影响领航车运动,将碰撞划分为队内碰撞和队外碰撞.队列几何构型一定时,针对均质化队列发生一维碰撞过程建立理论模型,计入碰撞前车辆对前车紧急制动的感应及自车进行紧急制动的过程,计算并定义时间截...     

基于避碰声呐的远程鱼雷水下自主障碍规避算法研究

伴随着航程可达上千千米的远程鱼雷的出现,对鱼雷远程航渡过程中自主规避可能出现的障碍物提出新要求。本文以某型远程鱼雷为背景,基于模糊控制方法,提出一种基于避碰声呐的远程鱼雷自主避障算法,提出规避障碍物的规划,并通过计算模拟避碰声呐探测信息,在仿真平台上对该算法进验证,结果表明运用该算法远程鱼雷能利用自身携带的前视避碰声呐探测到障碍物,并通过障碍规避算法控制鱼雷航行规避障碍物时,本文提出的障碍规避算法可以引导鱼雷规避障碍物,到达设定的目标点。     

复杂海况下基于强化学习的USV局部路径规划方法研究（英文）

Conducting hydrodynamic and physical motion simulation tests using a large-scale self-propelled model under actual wave conditions is an important means for researching environmental adaptability of ships. During the navigation test of the self-propelled model, the complex environment including various port facilities, navigation facilities, and the ships nearby must be considered carefully, because in this dense environment the impact of sea waves and winds on the model is particularly significant. In order to improve the security of the self-propelled model, this paper introduces the Q learning based on reinforcement learning combined with chaotic ideas for the model's collision avoidance, in order to improve the reliability of the local path planning. Simulation and sea test results show that this algorithm is a better solution for collision avoidance of the self navigation model under the interference of sea winds and waves with good adaptability.