基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树（RRT）算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数（即降低路径曲率和远离障碍物）,并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明：优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT*算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。     

两自由度系统的自由振动实验

汽车行驶过程中会因为地面不平引起的冲击载荷、发动机工作的振动等原因而产生振动,当汽车振动的频率与车身固有频率相接近时,车身会产生很大的垂向加速度,不仅会使驾乘人员感到不适,还会造成车身结构的损坏。因此,对于汽车振动模型的研究就显得尤其重要。以搭建的两自由度系统的试验模型为研究对象,求得其在不同初始条件下实验的自由振动响应,来验证理论求解模型的正确性,为汽车平顺性的改善提供理论依据。