苏通大桥钢吊箱下放工程控制策略及载荷跟踪试验

苏通大桥南主塔墩钢吊箱呈哑铃形，总重量约5800t，其竖向刚度大，吊点多且距离近，下放控制难度极大。通过分析选用“4点位置同步，8点载荷跟踪”作为控制方式，并制定了相应的控制策略。在对整个下放系统进行了仿真研究和载荷跟踪试验的基础上，成功实施了钢吊箱的整体下放。     

基于当前统计模型的地图匹配车辆跟踪研究

为提高车辆跟踪系统的精度，减小差分全球定位系统（DGPS）的定位误差，通过分析行驶在城市道路上的车辆运动过程及其相应的运动模型，提出采用当前统计模型作为车辆运动模型。通过地图辅助位置择近和速度择角算法来修正卡尔曼滤波，为运行在道路上的车辆确定地图匹配估计。实际运行结果表明；整个车辆跟踪系统的精度有明显的提高。     

基于变论域模糊多参数自整定PID控制的智能挖掘机轨迹跟踪

智能液压挖掘机多用于特殊环境下的无人操纵施工。在执行诸如直线刮平、斜坡整平和定点挖掘等特定挖掘任务时,对智能挖掘机工作装置铲斗齿尖的轨迹规划和轨迹跟踪提出了较高要求。为此,针对智能挖掘机运动的控制问题,提出一种基于变论域模糊多参数自整定PID （Variable Universe Fuzzy Multi-parameter Self-tuning PID,VUFMS-PID）的轨迹跟踪控制策略。首先,在关节空间中通过三次非均匀有理B样条（Non-uniform Rational B-Splines,NURBS）曲线插补法完成直线刮平和定点挖掘轨迹规划,并得到工作装置挖掘作业时各关节角、角速度、角加速度位置序列。然后,综合考虑挖掘机非线性、时变性等特点,基于变论域思想,提出一种基于VUFMS-PID的轨迹跟踪控制方法。最后,基于AMESim与MATLAB/Simulink联合仿真和硬件在环（Hardware-in-the-Loop,HiL）试验平台,对VUFMS-PID控制方法的有效性和先进性进行验证。研究结果表明：在铲斗齿尖运动过程中,规划轨迹平滑连续且变化幅值较小,规划轨迹与期望轨迹之间的误差较小;VUFMS-PID控制的响应速度和跟踪精度相较于传统PID控制与模糊PID控制有明显提升;在硬件在环试验分析中,提出的控制方法在跟踪直线刮平轨迹和定点挖掘轨迹时,能够将跟踪误差控制在20 mm以内,实现对规划轨迹的精确跟踪。     

人机工程在多编组铰接电车驾驶室设计中的应用

介绍多编组铰接电车的虚拟轨迹跟随控制功能,分析人机工程在驾驶室设计中的相关应用,为后续同类产品的设计提供参考。     

新一代协作式智能交通系统(CITS)初探

章在分析了当前位置相关服务(LBS)及智能交通系统(ITS)的发展后，提出了协作式智能交通系统(CITS)的概念，并进一步讨论了CITS产生的必然性，归纳了在CITS发展过程中存在的3大类问题，并提出了一个可行的发展构想。     

图像测量技术用于精密测量

本文介绍了图像式精密测量系统，该系统采用了有效的图像增强技术，边像提取和边像跟踪技术，以及独特的边界拟合和模块匹配算法，较好地解决了检测精度和检测速度这一对矛盾。     

基于推广卡尔曼滤波的无源定位系统仿真

在现代电子战、信息战环境中，由于利用目标辐射电磁信息的无源探测定位系统具有自身隐蔽和探测距离远等优点，因此它具有重要的应用价值，并已成为当今非线性跟踪与估计研究领域的热点问题、针对无源定位中状态空间模型非线性和程度较高所引起的滤波发散问题，分析总结了推广卡尔曼滤波(EKF)次优递推滤波过程，最后给出滤波方程及仿真结果．     

两足机器人步态综合研究进展

把两足机器人步态综合方法分为参考轨迹法和自然动力学法两大技术流派.根据参考轨迹获得方法的不同,参考轨迹法又分为步行数据法、中枢模式发生器法和动力学模型法.自然动力学法也可分为被动动力学法和虚拟模型法.在总结两大流派研究进展的基础上,分析了它们各自的优势和不足,指出了今后工作的重点,即参考轨迹法需要提高步行效率和轨迹的生成速度,而自然动力学法需要增加功能.最后分析了强制学习技术在步态综合中应用的适应性和多自由度造成的组合爆炸问题.     

自动驾驶车辆侧向路径跟随控制算法仿真

路径跟随是依照规划轨迹信息通过对执行元件的控制实现沿期望轨迹行驶,控制算法对实现路径跟随非常重要。针对自动驾驶车辆的侧向控制技术,文章研究了基于最优预瞄理论的路径跟随控制,建立车辆二自由度模型和预瞄误差模型,设计模型预测控制（MPC）侧向跟随控制器以提高跟随精度。利用CarSim-Simulink联合仿真,仿真结果表明,该算法策略能稳定跟踪规划路径。     

自动驾驶汽车轨迹规划方法综述

作为自动驾驶车辆的重要组成部分,轨迹规划是影响自动驾驶智能化水平的关键。综述10年来智能驾驶车辆轨迹规划方法并将这些算法分为基于图搜索、基于采样、基于数学优化、曲线插值和机器学习5类。针对每类算法进行了阐述,阐述算法在实际场景中的应用并分析了其优缺点。最后指出了目前依然存在的问题和挑战,并总结了未来研究发展方向。