人机混驾环境下基于深度学习的车辆切入轨迹预测

为保证人机混驾环境下自动驾驶汽车的安全行驶,对周围车辆切入轨迹的预测至关重要.本文首先使用Savitzky-Golay滤波器对大规模采集的自然驾驶数据进行去噪处理,根据准则提取车辆切入片段,建立符合中国道路状况的车辆切入数据集.其次,发挥Bi-LSTM网络能充分利用上下文信息的优点和in-out快捷连接有效减少梯度消失...     

大众01N自动变速器 D挡加速不良

故障现象：一辆帕萨特轿车配置01N自动变速器。发动机2000r/min时,车速为40km/h,发动机超过2000r/min时发生空加速现象,发动机转速再下降到2000r/min时车速又恢复到40km/h。     

2007款上海通用君越故障灯全亮

车型:2007款上海通用君越。故障现象:此车是事故车,在某修理厂进行简单维修后,拖到我厂进行以下项目维修:(1)消故障灯(消故障码);(2)重做两处喷漆。故障诊断:此车喷完漆后从钣喷车间转来,刚接修此车时,仪表板上几乎所有的故障指示灯全亮着,用TECH2检测有大量故障码。有些是     

基于模糊逻辑的无人驾驶车纵向多滑模控制

为实现车速跟踪期望值的控制目标,研究了含有参数和外部干扰等不确定性的无人驾驶车纵向运动控制问题.采用模糊多滑模控制策略设计基于油门与制动的无人驾驶车纵向运动控制算法.该算法利用模糊逻辑调节滑模增益系数,实现了对不确定性和外部干扰的估计和补偿,并利用Lyapunov稳定性分析方法证明了所得闭环系统的稳定性.最后构造油门控制与制动控制的切换策略以保证油门执行器与制动执行器之间的平滑过渡.分析结果表明:该控制算法可克服不确定性和干扰的影响,具有高精度和强鲁棒性.     

野外环境下基于改进 Faster R-CNN的无人车障碍物检测方法

针对无人车在越野环境中障碍物检测存在特征提取能力不足和检测准确率低等问题,提出一种基于改进型Faster R-CNN卷积神经网络模型的障碍物检测方法。通过构建FPN与ResNet50组合的网络结构来实现对野外障碍物的特征提取,有效解决了特征提取时障碍物细节特征丢失和尺度变换大的问题。使用Soft-NMS代替NMS,避免了NMS非极大值抑制由于阈值难调整带来的误删除和误检问题。在每个卷积层残差块最后嵌入注意力机制,有助于特征图中有效特征信息筛选和减小计算量。试验结果表明,构建的改进型Faster R-CNN卷积神经网络模型可准确识别野外环境中的障碍物,从而验证了该模型有良好的检测能力,对提升无人车的野外感知能力具有重要意义。     

基于Residual BiLSTM网络的车辆切入意图预测研究

本文中根据中国实际道路特征,提出一种基于Residual BiLSTM网络的车辆切入意图预测模型,从切入车辆的轨迹信息和与自车的交互信息中提取切入特征,并采用softmax函数计算切入意图,分别为左车道保持、左车道插入、右车道插入和右车道保持的概率,最后利用中国复杂路况的自然驾驶数据集对预测模型进行训练和测试.结果表明...     

基于深度强化学习的驾驶员跟车模型研究

为提升智能驾驶系统的纵向跟车性能,本文构建了一种基于深度强化学习的驾驶员跟车模型.首先,设计了跟车场景截取准则并从自然驾驶数据中筛选出符合条件的典型跟车场景,并对其数据进行统计分析,即采用相关系数法分析了车间距、相对速度和车头时距等因素对驾驶员跟车行为的影响机理,得出驾驶员跟车行驶过程的行为特性及其影响因素.接着,基于...