基于模型预测的智能汽车轨迹跟踪控制

针对智能驾驶汽车轨迹跟踪问题,本文验证在五次多项式工况下,模型预测控制的轨迹跟踪效果。本文建立车辆运动学模型,为了便于建立基于模型预测的轨迹跟踪控制器,将所建立的非线性车辆运动学模型线性化,再通过向前欧拉法将系统离散化,得到基于线性时变的预测模型。为了使汽车可以快速且平稳地跟踪目标轨迹,建立包含系统状态量和控制增量的目标函数。最后在Matlab/Simulink中对设计的轨迹跟踪器在五次多项式工况下进行测试,与前轮反馈控制（Stanley）对比,验证此工况下所建立的基于模型预测控制的轨迹跟踪器与Stanley控制相比,可以更准确地跟踪期望轨迹。     

基于LQR双PID的智能电动汽车轨迹跟踪横纵向协同控制

为提高智能电动汽车(IEV)轨迹跟踪精度和稳定性,提出了一种考虑前馈控制和转角补偿的线性二次调节器 (LQR) —双比例-积分-微分 (PID)横纵向协同控制方法.设计了LQR横向控制器、前轮转角补偿控制、纵向双PID控制器,得到驱动或制动力输出到车辆模型.在Carsim和Matlab/Simulink环境下搭建了系统...     

山区公路回头曲线的车道偏移行为与自由行驶轨迹模型

为揭示山区公路回头曲线路段的车道偏移行为和轨迹特征,建立了自由行驶轨迹模型;在一条山区复杂线形公路上开展了实车驾驶试验,使用高精度车载设备收集自然驾驶状态下的车辆行驶轨迹、速度和偏移数据;基于轨迹相对位置曲线定义了回头曲线路段左右转车辆的自由行驶轨迹模式;以曲线转角180°为界,建立了回头曲线路段车辆相对位置拟合模型,设计了基于偏移量的自由行驶轨迹计算方法,并以其他道路的回头曲线作为算例进行模型验证。研究结果表明:回头曲线左转车辆呈现出4种轨迹模式,右转车辆呈现出3种轨迹模式;车辆轨迹在回头曲线的入弯、弯中和出弯阶段均出现了较大的偏移,偏移量大于40%,此时车身侵占对向车道,不同的轨迹模式具有不同的偏移特征;不同位置所对应的速度与偏移量的分布较离散,当速度折减小于6.5 km·h-1时,驾驶人可以通过占用对向车道来降低回头曲线行驶时的速度折损;基于横向偏移量建立的不同曲线转角下的轨迹拟合模型中,当回头曲线转角约为180°时,拟合模型的精度最大,左转拟合精度介于0.90~0.97,右转拟合精度介于0.65~0.97;当回头曲线转角大于180°时,拟合模型最大拟合精度0.97发生在右转,当回头曲线转角小于180°时,拟合模型最大拟合精度0.89发生在左转。可见,本文建立的轨迹模型具有较强的适用性,可为山区公路回头曲线的行驶轨迹预测提供手段和方法。      

基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

摆盘机构的运动解析及应用实例

对摆盘机构的运动轨迹进行了较为详尽的分析,导出了摆盘机构运动轨迹方程,并根据其运动特点将其运用到工程实践一大功率海水泵的设计.给出了一种崭新的全部用滚动轴承承载的整体式摆盘机构,为摆盘机构的实用化提供了理论基础和工程实际参考.     

基于统计数学理论的舰船航行轨迹建模研究

轨迹建模对舰船航行安全具有重要的意义,为了解决当前的舰船航行轨迹建模准确性低,以及建模时间长的难题,以获得更加理想的舰船航行轨迹建模结果为目标,设计了基于统计数学理论的舰船航行轨迹建模方法。首先对舰船航行轨迹建模原理进行分析,建立舰船航行轨迹建模的数学模型,然后引入统计数学理论中的机器学习算法——BP神经网络对舰船航行轨迹进行建模,最后采用具体舰船航行轨迹数据进行了性能验证性测试。结果表明,相对于当前经典舰船航行轨迹建模方法,本文方法的舰船航行轨迹建模效果更优,获得了高精度的舰船航行轨迹建模结果,缩短了舰船航行轨迹建模时间,是一种高精度、高效率的舰船航行轨迹建模方法,具有一定的实际应用价值。     

人工智能技术在船舶轨迹规划中的应用

轨迹规划可以提高船舶航行的效率,并且保证船舶航行的安全。当前船舶轨迹规划方法存在生成轨迹效率低、船舶轨迹规划并非全局最优的缺陷,为了提高船舶轨迹规划的精度,设计基于人工智能技术的船舶轨迹规划方法。首先对当前船舶轨迹规划研究现状进行分析,指出各种船舶轨迹规划方法的不足,然后建立船舶轨迹规划的性能评价指标,引入计算机人工智能技术中的蚁群优化算法进行求解,根据求解结果得到最优船舶轨迹规划路径,最后进行船舶轨迹规划的验证性测试。结果表明,蚁群优化算法可以快速、准确找到最优船舶轨迹规划路径,克服了当前方法易找到局部最优的船舶轨迹规划路径难题,具有一定的实际推广价值。