应用GA,PSO,ACO算法进行水下自主运载器路径规划(英文)

In this paper,an underwater vehicle was modeled with six dimensional nonlinear equations of motion,controlled by DC motors in all degrees of freedom.Near-optimal trajectories in an energetic environment for underwater vehicles were computed using a numerical solution of a nonlinear optimal control problem(NOCP).An energy performance index as a cost function,which should be minimized,was defined.The resulting problem was a two-point boundary value problem(TPBVP).A genetic algorithm(GA),particle swarm optimization(PSO),and ant colony optimization(ACO) algorithms were applied to solve the resulting TPBVP.Applying an Euler-Lagrange equation to the NOCP,a conjugate gradient penalty method was also adopted to solve the TPBVP.The problem of energetic environments,involving some energy sources,was discussed.Some near-optimal paths were found using a GA,PSO,and ACO algorithms.Finally,the problem of collision avoidance in an energetic environment was also taken into account.     

考虑多前车反馈的智能网联车辆跟驰模型

基于智能网联车辆(Connected Autonomous Vehicle, CAV)跟驰特性,本文研究CAV跟驰模型.考虑多前车电子节气门角度反馈,构建CAV跟驰模型,并应用稳定性分析方法,推导所提模型稳定性判别条件.以考虑3辆前导车的CAV跟驰模型为例,设计数值仿真实验,分析不同CAV比例时混合交通流的安全性.模型稳定性分析表明：所提模型相比已有模型(CAV的T-FVD模型及常规车辆FVD模型)具备更优的稳定域,且考虑前车数量越多、多前车反馈权重系数越大,所提模型的稳定性越好;相同取值条件下,距离越远处的前车反馈权重系数对所提模型稳定性的影响越大.数值仿真表明,CAV有利于降低交通流的车辆尾部碰撞安全风险.     

面向动态避障的智能汽车滚动时域路径规划

为解决城市低速条件下智能汽车在避障过程中的路径规划问题，提出面向动态避障的智能汽车滚动时域路径规划方法。首先，划分车道可行区域，利用3次拉格朗日插值法拟合车道边界，并根据"车-路"的相对位置关系将车道区域进一步划分为车道间区域与车道内区域两部分。其次，以区域虚拟力场进行动态交通场景模拟，包括在障碍车周身沿车道方向的虚拟矩形区域斥力场，行驶目标位置的虚拟引力场和车道保持虚拟区域引力场3个部分，然后结合划分的车道区域确定各虚拟力场的作用区域。再次，建立主车动力学与运动学模型，障碍车运动学预测模型，把主车与障碍车无碰撞，主车行驶在车道内区域，趋向目标位置以及保证车辆稳定性作为优化目标，综合车辆模型的控制输入、状态变量等动力学约束条件，构建多目标的滚动时域控制器用于车辆避障路径规划，求解获得前轮转角作为控制量。最后，利用MATLAB和veDYNA软件对提出的路径规划控制系统分别在静态障碍和动态障碍工况下进行联合仿真。研究结果表明：该方法能够很好地解决躲避静态障碍和低速动态障碍车的问题，控制车辆驶向目标位置，并且在避障过程中满足车辆的动力学约束，同时又不会与道路边界发生碰撞，保证了车辆的安全性和稳定性。     

水下无人航行器主动目标自动检测方法研究

水下主动目标自动检测是反映水下无人航行器目标探测能力的一项重要指标,混响背景下的主动目标自动检测是其中的难点之一。该文将主动目标自动检测转换为图像分割问题,先用形态学重建或低通滤波算法预处理声图,再用分水岭算法从梯度图像中分割出目标。在此基础上提出了一种自适应阈值选取方法。经过海试数据的检验,文中方法具有较强的稳定性,与传统的恒虚警算法相比,可以有效降低虚警率。     

基于碰撞危险度模型的AUV三维避障研究

自治式水下机器人(AUV)在复杂海洋环境航行时要求能够及时躲避障碍物.文中建立了基于前视声呐的环境模型,将未知障碍物信息转化到环境中,并对未知障碍物进行属性判断.将水面船舶的碰撞危险度概念应用到AUV的水下环境避障中,建立新的水下三维碰撞危险度模型,仿真实验证明此方法可以使AUV 在多水下运动障碍物的不确定环境中得到较好的局部避碰效果.     

基于激光雷达的自动驾驶同步定位与建图方法综述

同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术可使自动驾驶车辆在未知环境中根据车载传感器采集到的数据估计自身位姿,建立环境地图,为车辆的规划、决策提供定位信息,是近年来自动驾驶技术研究的热点之一。基于车载激光雷达的点云数据,聚焦SLAM技术在自动驾驶领域的应用,围绕前端里程计、后端优化和回环检测技术,对国内外相关研究进行综述。考虑到单一传感器的局限性,结合目前多传感器融合研究的热点与难点,展望了自动驾驶多传感器融合SLAM技术在自动驾驶领域的机遇与挑战。     

面向自动驾驶的仿真场景自动生成方法综述

随着自动驾驶测试验证对虚拟仿真场景依赖程度的增加,传统基于专家经验的场景枚举生成方法已无法满足测试需求.数字虚拟仿真场景自动生成方法在场景多样性、危险性、可解释性、生成效率等方面存在巨大技术优势,是提高汽车自动驾驶技术测试验证安全性和可靠性的关键,已成为当前汽车智能化领域的研究热点.在广泛调研场景自动生成方法领域研究成...     

基于场景的自动驾驶汽车虚拟测试研究进展

随着自动驾驶等级的提高,面向传统汽车的测试工具与测试方法已不能满足自动驾驶汽车测试的需要。基于场景的虚拟测试方法在测试效率、测试成本等方面具有巨大的技术优势,是未来自动驾驶汽车测试验证的重要手段,已成为当前的研究热点。通过对大量相关文献的系统梳理,综述了基于场景的自动驾驶汽车虚拟测试研究进展。对比分析了自动驾驶测试场景的不同定义方式,明确了测试场景的内涵,归纳了测试场景的要素种类,概述了测试场景的数据来源,总结了场景数据的处理方法。在此基础上,对自动驾驶汽车虚拟测试方法进行了总结,分析了典型的测试方式、测试平台和虚拟测试的技术要点,梳理了软件在环、硬件在环和车辆在环测试方案及其关键技术。针对自动驾驶汽车测试效率问题,研究了基于场景的加速测试技术,概述了典型的测试场景随机生成方法和危险场景强化生成方法。最后,对基于场景的自动驾驶汽车虚拟测试所面临的问题及未来发展趋势进行了分析和展望。研究结果表明：基于场景的虚拟测试是推动自动驾驶技术发展和产业落地的必由之路,未来研究应着力突破基于解构与自动重构的测试场景数据库、人-车-环境系统一体化高置信度建模、自动驾驶汽车虚拟测试标准工具链、不同自动驾驶汽车渗透率下的混合交通模拟与测试、测试案例动态自适应随机生成机制等核心共性技术,建立自动驾驶汽车虚拟测试标准体系。     

某型AUV运载器的定位方法与误差分析

传统AUV依靠水下惯性导航设备自主定位的方法无法实时进行水下信息感知和系统控制。水声定位是AUV定位导航技术的一个研究领域,可用于水下运动目标定位与导航、水下静止目标勘测等。本文分析阐述三种经典AUV定位方法,进一步研究AUV快速定位解算原理,论证影响AUV运载器在深海工作时产生的定位误差来源并进行仿真试验分析,最终将研究成果应用在目前现有某型AUV运载器上,实现自身水下定位、导航与远程遥控。     

多船会遇自主避碰算法

船舶碰撞事故不仅带来人员和财产的巨大损失,还造成了环境污染、资源浪费等严重后果。因此,船舶自主避碰技术已成为当前船舶与航运领域研究的热点问题。提出了一种满足COLREGs避碰规则的多船会遇自主避碰算法,以经典速度障碍法为基础设计自适应采样避碰轨迹生成算法,并应用运动基元理论对避碰轨迹进行调整,使轨迹满足船舶操纵性约束条件。针对案例三体船模型,完成了多船会遇场景下的船模自主避碰航行试验,验证了所提算法的有效性和实用性,对船舶自主避碰系统的研发具有重要借鉴意义。。