最优速度跟踪控制策略在地铁ATO系统中的应用研究

精准度是列车自动运行系统(ATO)的重要性能指标,文章提出地铁列车ATO系统中的一种高精度速度跟踪控制策略,通过PID控制器参数调整、增加死区控制和附加扰动控制,实现速度跟踪精准度的优化调整。经过项目的反复验证和数据分析,充分证实此控制策略可以极大提高ATO控制的精准度,同时对地铁列车的服务质量有进一步改善。     

10kV供电系统用大功率有源电力滤波器的控制系统

根据10 kV电力系统三相大功率有源电力滤波器的主电路及其结构特点,提出了一种基于DSP的数模混合控制系统方案,详细阐述了其硬件电路和软件设计,并给出了试验波形.试验结果表明,该控制系统能满足有源电力滤波器对谐波的动态跟踪和快速补偿的要求.     

基于车载OBD数据的小汽车出行特征分析——以北京市为例

小汽车出行特征是城市道路网运行的重要影响因素之一。采集小汽车出行数据并深入分析其出行行为特征,是引导小汽车出行方式转变、降低机动车使用强度的重要条件,能够为交通精细化管理和政策制定提供支持。基于车载OBD可采集到的小汽车出行数据和轨迹数据,提出小汽车出行特征分析方法,得到出车率、出行次数、出行距离等量化指标,分析不同阶段、不同区域、不同政策下的出行指标变化特征。利用大数据分析方法对出行规律深层挖掘,进一步获得用户画像、路网非直线系数等交通特征。分析结果表明,车载OBD数据能够较好地反映小汽车出行行为特征,并对交通需求管理政策的实施效果做出定量评价。     

基于模型预测控制的汽车主动避障系统

为了加强汽车行驶安全性,搭建了包含环境感知、危险态势评估、路径决策和控制执行四部分的智能汽车主动避障系统。基于改进人工势场模型构建了以道路边界斥力势场、动态障碍物斥力势场和引力势场核心的路径规划模块,同时,建立以前轮偏角为控制变量的车辆动力学模型,利用模型预测算法对路径进行跟踪。利用动力学仿真软件CarSim和控制仿真软件Simulink联合仿真,结果表明文中运用的模型预测控制优于驾驶员预瞄控制,对路径具有更好的跟踪效果、提高了跟踪精度,实现了汽车主动避障。     

基于运动学和动力学模型的无人驾驶路径跟踪控制器设计

设计了一种应用于无人驾驶控制的基于车辆运动学和动力学模型的路径跟踪控制器,包括运动学和动力学模型、路径跟踪控制模型、地图匹配模型和执行命令融合模型,使用实时车辆姿态信息进行转向角度预测,使用实时车辆定位信息进行反馈控制以消除系统干扰和模型误差。系统硬件包括车辆平台、嵌入式Mbed开发平台、Ubuntu系统运行平台和惯性导航系统,软件框架使用robotic operation system(ROS),使用rosserial服务连接嵌入式Mbed开发板与ROS。实车测试表明控制器系统达到设计目的。     

基于模型预测控制无人驾驶车辆避障轨迹跟踪器设计

针对无人驾驶车辆的轨迹跟踪和避障问题,基于模型预测控制算法设计了避障轨迹跟踪控制器,实现避障和轨迹跟踪功能。在不同车速下采用Matlab和CarSim进行联合仿真试验,结果表明:设计的控制器控制性能和稳定性良好,能满足无人驾驶车辆的避障和轨迹跟踪需求。     

基于GPS 轨迹挖掘的城市空间动态交互特征研究

对城市移动轨迹进行深入挖掘,有助于更加精细地理解城市空间动态交互特征. 以兰州市出租车GPS轨迹为基础,采用栅格方法,分析城市栅格空间的交通出行量. 以栅格为节点,以交通出行量为权重,建立动态有向加权复杂网络. 采用Infomap 算法识别城市社团结构,研究兰州市城市结构的时空演化特征,并对城市社团识别结果进行可视化分析. 研究表明,休息日和工作日城市动态时空交互存在明显差异. 工作日的城市空间交互距离和范围较大,空间交互更加紧密;休息日的空间交互范围相对较小,分裂程度较大. 高峰期和非高峰期城市空间交互也有不同,城市空间交互随时间动态变化. 研究结果可为政府管理城市,商家运营和居民出行提供决策服务.     

基于工况分布的轻型车速度排放修正因子的建立方法

速度排放修正因子(Speed Correction Factors,SCF)是评估速度变化对车辆排放影响的重要参数.然而,传统的SCF建立方法耗时长、成本较高,且获取的SCF分辨率较低.为了得到高分辨率的SCF,基于北京市大量的实测工况数据和排放率数据,提出了北京市轻型车SCF的建立方法.首先,对采集的工况数据进行60 s短行程划分及2 km/h行程速度的聚类;在此基础上,建立不同道路类型和速度区间下的比功率分布(Vehicle Specific Power,VSP);然后,结合排放率和建立的VSP分布,建立不同道路类型、排放标准的各污染物的SCF.经过分析,得出相比传统的SCF建立方法,本文提出的方法更能反映车辆的实际行驶特征、且获得的SCF的速度分辨率更高.     

数据驱动的船舶异常行为识别方法

为对不同环境影响因素下的船舶异常行为进行有效识别,提出一种综合考虑船舶位置和船舶航行状态的多角度船舶异常行为识别方法。将船舶航行状态分为停留、直行和转向等3类,对网格化水域内的船舶航行状态进行统计,获得船舶正常航行状态的区域分布情况;利用核密度估计算法对船舶位置特征进行提取,获得正常航行位置的区域分布;利用正常船舶航行状态和船舶位置分布情况对船舶异常行为进行识别。选取曹妃甸水域的船舶轨迹数据,用以验证异常行为识别模型的检验效果。试验结果表明：船舶位置异常识别取决于阈值的设定,宽松的阈值识别的异常位置包含船舶较少的航线轨迹,严格的阈值识别的异常位置反映船舶的危险行为;在船舶航行状态异常识别中,该方法可以对航向大幅度波动和航速剧烈变化的船舶异常航行行为状态进行有效的识别。     

面向凹凸结构曲面的喷漆机器人轨迹优化研究

针对表面有凹凸结构的复杂曲面,采用匀速喷涂方法,曲面上曲率的变化造成涂层厚度差较大.根据实验数据推导出平面上的漆膜累积速率二次函数后,采用微分几何的面积放大定理推导出自由曲面上的漆膜累积速率二次函数.为提高曲面上涂层厚度的一致性,采用轨迹优化方法对表面有凹凸结构的复杂曲面的涂层厚度差进行补偿.最后通过计算机仿真验证了数学模型和优化算法的有效性和可行性.