基于改进LSTM-NN的安全性自动驾驶换道轨迹规划模型

为改善现有的自动驾驶换道轨迹规划模型产生的换道轨迹与真实的换道轨迹存在较大偏差的问题,提出了一种改进LSTM-NN的安全敏感性深度学习模型,该模型可以缓解当前自动驾驶轨迹规划存在的不足,输出轨迹既保证了较高的精度又提高了安全性。CarSim仿真软件模拟了本模型产生轨迹的可跟踪性,结果显示轨迹非常平滑,并且自动驾驶车辆可以高效、安全地完成换道。     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性。针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径。提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法。以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集的关联函数动态分配轨迹跟踪精度和横向稳定性的权重系数,建立了自动驾驶汽车轨迹跟踪的多目标模型预测可拓协调控制策略。数值仿真结果表明,提出的路径规划方法能保证车辆安全超车,轨迹跟踪控制策略不仅能精确地跟踪规划的路径,而且具有较高的横向稳定性和舒适性。     

基于线控转向的智能驾驶车辆路径跟踪研究

针对搭载线控转向系统的智能驾驶车辆路径跟踪问题,基于汽车动力学仿真软件分析车辆转向特性,推导出横摆角速度对转向盘转角的稳态增益曲线,并获得了仿真稳态增益与理论稳态增益之间的修正系数,以此搭建单点预瞄模型和变角传动比线控转向系统模型.通过预瞄式横向运动控制与线控转向变角传动比控制相结合的方式,完成智能驾驶车辆路径跟踪控制...     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

自动产生型腔刀具轨迹的算法

描述了能自动产生任意形状型腔的加工轨迹的算法,该算法基于Voronoi图的曲线偏置能够避免传统偏置所面临的问题。讨论了一种Voronoi图基础上带有弧岛的任意形状型腔加工轨迹的简单有效的算法。     

基于自适应模糊控制的AGV轨迹跟踪系统

针对传统控制方式难以准确完成AGV轨迹跟踪任务这一问题,提出一种基于自适应模糊控制的轨迹跟踪方法.首先建立AGV的运动学模型,并基于李雅普诺夫第二法设计控制律.其次,以期望轨迹与实际轨迹的位姿偏差作为输入,以控制律中的比例因子作为输出,设计自适应模糊控制器.最后,使用Matlab/Simulink对设计的控制系统进行仿...     

智能汽车换道轨迹规划曲线研究

目前随着信息化、数据化、自动化、智能化越来越深入,智能网联汽车也在飞速发展,在车辆换道的过程中,轨迹规划曲线就显得十分重要,直接决定换道的安全性、舒适性、效率等。随着轨迹规划曲线的发展,先后有人工势场法,曲线拟合法,搜索算法等方法,利用曲线拟合法进行轨迹规划也是当今智能车辆领域最常用的方法之一,通过给定的车辆的起始点和终点生成连续、舒适、满足动力性要求的曲线,并对曲线拟合的各个方法的优缺点进行比较分析。     

基于群决策和熵权法的换道轨迹评价研究

针对换道轨迹评价中指标间的信息重叠和指标权重设定的主观性问题,提出了基于相关性分析和因子分析的评价指标选取方法,从16个参数中选出了表征舒适性、高效性、平顺性、生态性和安全性的11个评价指标;运用层次分析法计算指标主观权重,运用群决策理论计算专家权重,运用熵权法计算指标客观权重,从而提出层次分析法、群决策理论和熵权法相结合的指标权重设定方法,计算得出安全性、高效性、舒适性、生态性、平顺性的权重分别为0.73、0.15、0.06、0.04、0.02,从而建立换道轨迹评价体系,并用该体系对驾驶模拟获取的换道轨迹进行了评价。结果表明,提出的换道轨迹评价体系较为全面且减少了指标间的信息重叠,综合了主观上的专家经验和客观上的数据信息使评价结果更为合理,对轨迹性能的重要性排序可为轨迹规划中设置约束条件时的侧重倾向提供参考;构建的换道轨迹评价体系和提出的评价方法为换道轨迹评价提供了参考。     

多特征点驱动的船舶轨迹聚类方法

轨迹聚类在船舶行为分析与海事监管等领域发挥着重要作用。船舶轨迹存在长度与采样率不一致、结构差异明显等特点,在大范围水域难以实现大量船舶轨迹的高精度与快速聚类。针对该问题,在利用船舶自动识别系统获取海量船舶历史航行数据的基础上,提取与船舶航行行为、船舶交通密度相关的位置特征点,进而提出了多特征点驱动的船舶轨迹聚类方法。针对船舶航行时在大多数情形下具有保向、保速的特点,采用数据压缩的方法捕获船舶航行状态以及船舶航向发生显著变化的轨迹点,作为船舶轨迹结构特征点;针对目标水域中某些特定区域常存在船舶交叉会遇的情形,利用概率密度估计法分析船舶交通流的空间分布特点,并提取船舶会遇局面下的轨迹点,作为船舶交通流特征点;为剔除2类特征点中的异常值,采用密度聚类算法对特征点进行聚类,进一步提高特征点提取的可靠性,并将聚类结果中每类特征点的中心作为代表性特征点;统计途经代表性特征点的船舶轨迹分布情况,将具有相似分布的船舶轨迹视为同一类。实验结果表明：相比于常用的K-medoids聚类、层次聚类、谱聚类和DBSCAN等方法,提出的轨迹聚类方法在成山头水域、长江口南槽水域及舟山水域等典型区域均可获得优异的聚类...