城市道路场景下的被遮挡车辆检测算法研究

为了提高智能汽车在城市道路场景下对前方被遮挡车辆的检测精度,提出了一种双尺度点云密度扩展网络BPDE-Net,来解决因存在车辆被遮挡而导致的目标点云稀疏问题。第一阶段,将原始点云投影到语义分割后的图像标签上,并在遮挡区域内随机生成固定数目的虚拟点,采用混合插值法来关联虚拟点和实际投影点,得到的虚拟点再反向映射到点云空间;第二阶段,使用马氏距离来关联相邻体素间的点云,以此增加每个体素内的相似点云数量,通过改进注意力高斯矩阵来计算体素特征所对应的相对位置编码,用于关注通道内不同体素序列的相对位置。在KITTI数据集中选取了大量的车辆之间存在遮挡的城市道路场景进行对比试验,结果表明:BPDE-Net在3D视角和鸟瞰图视角下的被遮挡车辆平均检测精度(mAP)分别为79.2%和83.7%,相较于基线网络Second分别提高了11.2%和12.5%;点云密度增强模块和体素特征融合模块的mAP相较于目前主流的方法分别提高了3.9%与1.8%,提升了车辆在被遮挡场景下的可辨识度与鲁棒性。

自动泊车前轮转角闭环的分层控制方案

为提高自动泊车系统中控制器的抗扰动能力,优化控制律执行效果,提出了前轮转角闭环的分层控制方案.设计了以行驶距离为非时间参考量的fal函数非光滑控制律,输出前轮转角控制量.以阿克曼转向模型为基础,建立了前轮转角观测器,并使用模糊滑模控制器实现前轮转角闭环的横向控制.搭建Carsim/Simulink联合仿真系统,在典型泊车场景下验证所设计控制器的有效性、跟踪效果及鲁棒性.使用实车测试平台开展了试验.结果表明:所设计的前轮转角闭环分层控制方案能够快速准确地跟踪目标路径,提高了泊车系统的横向控制精度,并在未知转向非线性扰动下也具有良好的跟踪控制效果.

基于柔性演员-评论家算法的决策规划协同研究

为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。

考虑时延和多前车反馈的智能网联汽车跟驰模型

针对智能网联环境下传感器感知和车车通信(vehicle to vehicle,V2V)都存在时延的问题,提出一种考虑双时延和多前车反馈(dual delay multiple look-ahead full velocity difference,DD-MLFVD)的智能网联汽车跟驰模型.根据智能网联汽车感知特性引入双时延信息,结合多前车速度差和期望速度信息提出DD-MLFVD模型.通过微小扰动法求解DD-MLFVD模型的临界稳定性条件,同时结合模型参数研究前车数量和时延大小对模型稳定域的影响.利用直道场景对模型进行仿真分析,着重研究变扰动和变时延场景下DD-MLFVD对交通流的稳定效果.结果表明:面对复杂扰动影响,DD-MLFVD模型能够较好吸收扰动,可提升交通流的稳定性.

“多元协同、多维融合、多模链动”的人才培养模式探索与实践研究

针对汽车“新四化”人才匮乏、结构性矛盾突出等共性问题,瞄准“双循环”新发展格局下创新型复合人才的培养,以“多元协同育人”为理念、以学生个性化发展需求为导向、以提升创新能力为核心,积极探索人才培养供给侧结构性改革,打造了多元化教育主体群,构筑了多维度人才培养质量保障体系、多路径教育、个性化发展的人才培养新机制,通过明确定位、创新模式、改革实践、持续改进等举措,形成了适应汽车产业变革的“多元协同、多维融合、多模链动”的人才培养新模式,为国内其他高校开展车辆工程专业改革提供了理论参考和实践案例,具有广阔的推广应用前景。

泊车过程中车辆转向状态的分段位姿估计方法

针对泊车过程中转向系统非线性因素影响车辆位姿估计准确度的问题,提出了一种基于车辆转向状态的分段位姿估计方法,提高自动泊车过程中的车辆位姿估计精度。首先,通过试验对车辆运动学航迹推算法定位的误差来源进行分析,确定了转向过程的非线性因素对泊车过程中车辆位姿计算准确度的影响;其次,设计了基于车辆转向状态的分段位姿估计模型,使用LSTM对转向状态进行实时分类,分别训练混合模型进行位姿估计,并对分类结果与位姿估计结果进行后验修正;再次,构建泊车工况车辆横纵向位移数据集,基于数据集对所建模型进行训练和离线测试;最后,利用Python搭建在线测试平台,对模型进行位姿估计测试,并开展对比试验。试验结果表明:该方法能够将泊车过程中的车辆欧式距离误差控制在10 cm以内,航向角误差控制在1°以内。基于车辆转向状态的分段位姿估计方法研究,可以有效提高泊车过程中的车辆位姿估计精度,并具有较高的实时性和较好的鲁棒性。

基于改进MPC与RBF-PID的智能车轨迹跟踪控制

为提升智能汽车轨迹跟踪控制的稳定性和精度,提出一种基于时域参数自适应MPC与RBF-PID的轨迹跟踪控制方法.首先搭建车辆横纵向动力学模型;其次分析控制时域与预测时域对跟踪精度的影响,设计时域参数自适应MPC横向控制器并进行仿真验证;然后基于径向基函数(RBF)神经网络整定PID控制参数,设计分层式纵向控制器,并设计折线速度曲线与PID算法进行对比;最后以车速为耦合点构建智能汽车横纵向综合控制系统,并在蛇形工况下对横纵向综合控制系统进行仿真实验.结果表明,所设计的横向控制器能保证低速时的跟踪精度和高速时的车辆稳定性,纵向控制器可有效提高速度跟踪精度,横纵向综合控制系统能实现车辆在变车速工况下对轨迹的精准跟踪,同时保证良好的行驶稳定性与舒适性.

新工科背景下车辆工程专业本科毕业设计质量提升

在电动化、智能化、网联化汽车产业迅速发展壮大与建设新工科的双重背景下,急需提升车辆工程专业本科毕业设计的质量。文章从学生、指导教师、学科支持及环节管控四个层面,综合分析了本科毕业设计开展过程中存在的不足及背后的原因。针对这些不足之处分别从毕业设计的教学组织模式、实践教学体系改革、校企合作双导师制及加强环节管控四个维度提出可行的建议,为车辆工程专业本科毕业设计质量的持续提升给予支持及新工科视域下卓越工程师人才培养提供参考。

汽车行驶轨迹数据密度峰值聚类算法研究

随着物联网、V2X和智慧城市等技术的广泛应用,大量的车辆轨迹数据得以记录保留。利用这些轨迹数据可以提取相关信息,例如计算最优路径、检测异常驾驶行为、监测城市交通流量以及预测车辆下一个位置等,轨迹聚类是关键技术之一。密度峰值聚类(density peaks clustering,DPC)作为一种简单有效的基于密度的聚类算法,算法中局部密度的定义未充分考虑数据样本密度分布不均时密度差异的影响,也没有适用于汽车行驶轨迹的相似性度量。此外,算法在遇到相对高维的数据时效果不佳。本文通过引入k近邻思想(k-nearest neighbor,KNN)和主成分分析法(principal component analysis,PCA)并且改进相似性度量,提出了一种适用于汽车行驶轨迹的密度峰值聚类算法。该算法首先使用PCA对高维数据进行预处理;然后采用k近邻思想重新定义局部密度;最后通过重新定义轨迹间的距离函数,摒弃了欧氏距离对分配策略的不良影响。通过对人工合成数据集的实验,证明了算法的可行性;同时算法的有效性也在实际汽车行驶轨迹数据上得到了验证。

基于Simscape的APA-EPS系统建模及人机共驾转向控制策略研究

人机共驾是智能车辆实现高度自动驾驶之前的过渡阶段,由于驾驶员与驾驶辅助系统同时在环,存在驾驶权分配的问题,智能车辆的转向系统必须实时敏捷地执行驾驶员和驾驶辅助系统的转向控制指令。本文针对搭载于某智能MPV的平行轴式电动助力转向系统(APA-EPS)研究人机共驾转向控制策略。首先对APA-EPS系统进行Simscape建模,并通过台架试验验证了模型的准确度。随后基于模糊PID控制算法和模糊滑模控制算法分别设计了人驾和机驾模式下的控制策略。在驾驶员主导驾驶车辆时,根据距离影响度函数和角度影响度函数确定转向控制权重;在驾驶辅助系统主导驾驶车辆时,采用滑动时间窗口监测驾驶员的接管请求。仿真试验结果表明,人驾和机驾的控制策略均具有较好的转角跟随效果,人机共驾时转向控制权能够及时进行切换,且APA-EPS的转向盘转角响应迅速。

基于改进SPSA算法的车内主动降噪技术研究

为了有效降低车内噪声水平,使用声学软件对发动机激励下的车腔进行声振耦合仿真,引入人工蜂群算法改进原SPSA算法的步长,提升降噪系统的运算效率。将某乘用车驾驶员头部附近采集的噪声信号,通过改进SPSA算法进行车内降噪实验。结果表明,改进后的SPSA算法能够使车内噪声平均下降10 dB,可为控制车内低频噪声提供一种有效的方法。

基于虚拟安全边界的智能车辆动态换道轨迹规划

鉴于实际动态交通环境下智能车辆换道过程中可能受到周围车辆的影响,为满足其换道过程安全性和舒适性的要求,提出了一种基于虚拟安全边界的动态换道轨迹规划算法.考虑到换道结束时间和纵向位置的耦合性,采用四次和五次混合多项式换道轨迹算法分别进行纵、横向规划,确定换道时间和纵向速度范围获得候选换道轨迹.设计了车辆运动状态约束和基于车辆矩形轮廓建立的虚拟安全边界防碰撞约束,构建了车辆换道安全性、舒适性、跟车效益等代价函数,并基于安全性代价函数阈值动态调整各个代价函数的权重系数,运用fmincon函数对候选换道轨迹进行优化.考虑到周围车辆运动状态变化会对换道过程产生影响,车辆系统循环调用换道轨迹规划模块进行换道轨迹实时更新,直至车辆到达目标位置.结果表明:对于不同的换道工况,基于虚拟安全边界的智能车辆动态换道轨迹规划算法可有效避免换道过程中与周围车辆发生碰撞,保证了智能车辆换道过程的安全性.

智能汽车仿人换道TSK模糊可拓控制研究

为提高智能汽车自主换道的轨迹跟踪精度和乘员舒适性,提出了一种将可拓控制与TSK(Takagi-Sugeno-Kang)模糊控制相结合的智能汽车仿人换道控制方法。通过驾驶模拟器对熟练驾驶员的实际驾驶轨迹数据进行采集,基于广义回归神经网络进行仿人理想轨迹拟合。为提高智能汽车对拟合轨迹的跟踪能力,引入可拓控制策略根据系统状态划分不同控制域,并在经典域和可拓域分别采用PID反馈控制和PID前馈-反馈控制,解决单一控制算法的局限性。为进一步改善可拓控制在不同控制域边界的抖动问题,采用了TSK模糊控制对其稳定性进行优化。仿真结果表明,该控制算法保证在不同换道工况下都具有较高的跟踪精度和舒适性。

基于模糊规则的智能汽车弯曲坡道避撞控制研究

针对智能汽车自动代客泊车驶入地下停车场过程中易在弯曲坡道内与其他行驶车辆发生碰撞的问题,文中提出了一种基于模糊规则的弯曲坡道避撞控制方法。首先,对地下停车场弯曲坡道内潜在碰撞场景及安全车距进行了分析;然后,进行了模糊避撞控制器的设计,并基于环境感知系统的输出进行了避撞控制模糊规则库的建立;最后,利用CarMaker与Simulink搭建了联合仿真平台,对文中设计的模糊避撞控制器进行了验证。结果表明:文中研究的基于模糊规则的避撞控制方法在地下停车场弯曲坡道上能够收到良好的避撞效果。

汽车底盘电子控制系统半实物仿真实验平台建设

为满足汽车理论、汽车测试技术、汽车底盘电子控制等课程的实验教学需求,搭建了汽车底盘电子控制系统半实物仿真实验平台。平台基于实车零部件布置搭建,通过电路连接底盘各零部件、控制器及传感器,人机交互系统应用外部信号采集与控制系统及上位机软件组建,道路环境信息通过路况控制模拟系统设置,利用LabVIEW软件建立整车信号采集与数据处理模型并设计了各个数据接口。利用此平台,学生可在自主交互的仿真环境中开展仿真实验,并根据实际操作实时反馈车辆在各种路面条件下加速、制动、巡航时的车辆运动状态。结果表明,该平台在实验教学中的应用加深了学生对汽车底盘电子控制理论知识的理解,达到理论知识与实践操作相融合的教学效果。

基于SHCA-T算法的车身骨架多工况耐撞性优化设计

为解决多变量非线性动态结构优化效率低、难以收敛等问题,提出求解车身骨架厚度优化的子区域混合元胞自动机(SHCA-T)算法以及多工况SHCA-T算法,实现车身骨架多工况耐撞性高效优化设计。该方法包括内外两层循环:外层循环主要开展碰撞仿真分析、计算输出响应,更新目标质量,实现结构质量的最小化;内层循环主要根据当前元胞及其邻胞的内能密度,按照PID控制策略调整元胞厚度,使内层循环的当前质量收敛于目标质量;最终使元胞内能密度分布尽可能逼近阶跃式目标内能密度函数。为了验证SHCA-T和多工况SHCA-T算法的精度和效率,将其用于求解侧面碰撞和侧面柱碰工况下车身骨架的厚度优化问题,并与基于伪CEI准则的并行约束EGO(EGO-PCEI)算法的优化结果进行对比。结果表明:在收敛精度相当的条件下,SHCA-T和多工况SHCA-T算法具有更高的全局搜索效率。

两级阻尼可调式液压减振器的性能仿真与试验

可调阻尼减振器是汽车半主动悬架的关键部件。根据某大客车电控半主动悬架的阻尼控制要求,以该车原被动式液压减振器为基础,设计出一种具有两级阻尼特性的可调减振器。采用共轭梁法计算节流阀片的挠曲变形,建立该减振器阻尼特性的数学模型,仿真分析活塞杆直径,阻尼阀孔径以及调节孔孔径等主要结构参数对减振器阻尼性能的影响,在此基础上确定可调减振器的主要设计参数。对研制的可调减振器样件进行阻尼性能测试,结果表明:减振器的两级阻尼状态变化明显,阻尼切换控制准确,阻尼力试验值与仿真值的偏差小于8%,说明所建的减振器数学模型具有较高的精度,采用共轭粱法计算节流阀片挠曲变形是可行有效的,为设计开发可调阻尼液压减振器和研究汽车半主动悬架提供了重要依据。

智能车辆自动泊车路径跟踪的非光滑控制策略

针对车辆的非线性非完整约束特性导致的自动泊车路径跟踪实时控制精度不高,致使库内调整次数增加或车辆最终停放位姿不理想等问题,提出一种基于非光滑控制的自动泊车路径跟踪控制策略.通过对车辆动力学跟踪误差模型的降阶转换,推导了2阶、3阶子系统的级联系统有限时间跟踪控制方程.基于此降阶控制方程,以车辆动力学模型中的方向盘转角和车速作为输入,设计具有全局渐近稳定特性的路径跟踪控制器,并进行了仿真分析.结果表明:与传统方法相比基于非光滑控制的路径跟踪控制方法达到了有限时间内全局精确跟踪参考泊车路径的目的,具有强抗扰动性和快速收敛性.

车辆工程虚拟仿真实验教学体系与平台的构建

江苏大学车辆工程虚拟仿真实验教学中心,以夯实学生的车辆动力学专业基础知识,引导学生探索车辆安全和新能源汽车技术创新,强化学生的先进制造工程能力为宗旨,践行工程教育专业认证理念,建立了以毕业要求为导向、涵盖车辆工程专业主干课程、虚实融合的先进实验教学体系,以及科研成果转化为虚拟实验资源的快速通道,形成了"实验模块先进、系列化、可拓展""多学科协调参与、资源共享""辐射范围广"等特点,为车辆工程专业的实践教学和创新型人才培养提供新的模式和理念。

基于信息融合的自动泊车系统车位智能识别

针对自动泊车系统对不同类型停车位进行识别的要求,提出一种基于距离和视觉信息融合的停车位智能识别方法。建立了根据超声波传感器、视觉信息传感器、里程计信息来辨识停车位两侧车辆姿态和车位参数的模型,根据Mamdani模糊推理计算输出相应的泊车车位识别结果。利用Matlab/Simulink搭建车位自动辨识以及相应的泊车路径仿真模型,针对五个典型的停车位场景进行了仿真分析,仿真结果验证了车位智能识别和泊车路径规划方案的合理性和有效性。将自主开发的自动泊车系统搭载于某轿车进行试验,试验结果表明,该泊车系统对规则和不规则车位的自动识别正确率为88%~98%,平均值为92.8%,从而验证了车位智能识别方法的良好效果。