环境感知系统在智能网联汽车上的应用研究

智能网联汽车中的环境感知技术,能够快速的识别和获取周边的环境信息,从而提升汽车的智能化和自动化水平,保证汽车的驾驶安全。然而,环境感知技术在具体应用过程中,面对复杂的环境,仍然存在着环境感知上的问题。为进一步推动环境感知技术的发展,应采用的对策包括开发超声波雷达传感器、毫米波雷达传感器、视觉传感器,通过与时俱进的改进传感器技术,突破环境感知技术的发展困境,为智能网联汽车的发展提供技术支持。

面向恶劣天气的激光雷达目标检测技术研究

自动驾驶车辆高度依赖传感器收集环境信息,其中LiDAR传感器因能提供精确的三维空间信息而在该领域广泛应用。然而,恶劣天气条件(例如雾、雪、雨等)会导致LiDAR光束散射与折射,进而降低探测精度并影响目标检测性能。因此,研究如何有效缓解LiDAR在恶劣天气下目标检测性能的下降显得尤为重要。利用恶劣天气条件下的真实数据集,探讨了通过数据增强技术模拟恶劣天气以生成仿真数据集的方法,通过分析这些方法的优势与局限性,指出了未来研究的重点与难点。

基于迭代二次型调节器的自动驾驶行为规划应用研究

针对自动驾驶行为规划问题提出了一种基于迭代二次型调节器(iLQR)的交通流仿真算法。首先,对于需要行为规划的强交互场景(路口,换道等),找到交互影响最大的交通参与者;然后,进行策略采样,对每种策略进行双车交通流仿真,得到每种策略下双车的轨迹;最后通过对各个策略下生成的轨迹进行评估,得到最合理的交互策略。实验结果表明,基于迭代二次型调节器的最优控制算法可以显著提升求解行为规划问题的效果和降低耗时。

考虑路面摩擦性能的自动驾驶汽车安全制动策略

针对现有自动驾驶研究大多忽略路面摩擦性能的问题,制备了5种不同级配的沥青混合料车辙板试件,基于Persson表面分形摩擦理论和轮胎‒路面三维有限元模型,求解沥青路面的动摩擦系数和附着系数,表征其摩擦性能,并使用Matlab/Simulink软件建立自动驾驶汽车的动力学控制模块,根据车辆期望制动减速度和道路摩擦性能逆向反推求解轮缸的制动压力值,实现自动驾驶汽车的制动过程。使用CarSim软件和Matlab/Simulink进行联合仿真,设定了下坡制动和曲线制动工况,分析了纵向坡度、弯道半径和道路超高等影响因素对自动驾驶车辆制动效能的影响。

生成式AI的大模型提示工程:方法、现状与展望

大语言模型和视觉语言模型在各领域的应用中展示出巨大潜力,成为研究热点。然而,幻觉、知识迁移、与人类意图对齐等问题仍然影响着大模型的性能。首先,探讨了提示工程与对齐技术基本原理,提出基于提示优化、专家反馈机制及实时调整机制的引导概念,提升了大语言模型在跨领域应用中的性能;其次,深入分析提示工程的核心技术,如多步推理处理复杂任务的原理;然后,针对各领域的实际应用,讨论提示工程的发展现状;最后,总结提示工程面临的挑战并展望其未来发展方向。提示工程在理论与应用方面的发展,为提升大模型在实际应用中的性能提供了全面的解决方案。

基于改进的YOLOv7自动驾驶目标识别算法

为了解决自动驾驶场景下车辆目标小且具有低分辨率、模糊背景和少量的特征信息等问题,本文提出了一种基于融合CBAM注意力机制的改进YOLOv7车辆目标识别方法。首先,在传统的YOLOv7目标检测算法的基础上,替换2020的检测尺度为160160,增加浅层特征提取能力,其次引入了CBAM注意力机制来增强模型对周围车辆环境的感知能力和定位精度,最后引入NWD度量,改进原CIoU损失函数对小目标位置偏差敏感的问题,利用Wasserstein距离度量高斯分布的包围框的相似度,来增加对较小目标的检测。结果表明,改进后模型在FPS基本保持不变检测精确度(P)和平均检测精度(mAP)方面分别提高了1.5%和3.2%。

中国家用车辆智能化转型与科技储备

智能车辆己经成为世界车辆工程领域研究的热点和汽车工业增长的新动力,很多发达国家都将其纳入到各自重点发展的智能交通系统当中。2023年,我国预计智能汽车新车市场占有率将超60%,成为行业市场新的经济增长点。而家用车辆作为多功能交通运输载具,整车制造及零部件配置,将会适应智能化转型与发展。

变重量/重心飞机建模及姿态控制律设计

为解决飞机在重量、重心变化下的姿态控制问题,从相互作用力的角度将重量、重心的变化转化为干扰力和干扰力矩,提出并建立了变重量/重心飞机的一般动力学模型和重量、重心特性模型.该模型可以反映重量、重心动态变化与飞机运动的耦合,解决了现有模型无法处理飞机重心动态变化的问题.在姿态控制律设计上,提出了针对飞机重量、重心变化的干扰观测补偿控制器结构,将重量、重心变化转化为干扰输入,采用比例积分观测器对重量、重心变化引起的干扰力和力矩进行观测,并将观测值解算为补偿信号引入自动驾驶仪,设计了纵向姿态的干扰补偿控制器.以运输机重型货物空投为背景的计算机仿真结果表明:该模型可以准确反映飞机在重心变化各个阶段的动力学特性;在观测器的补偿指令作用下,俯仰角对重量、重心变化的响应波动远小于未加补偿的情形,满足精确姿态控制的需要.

强化学习在自动驾驶换道研究中的应用

在车辆行驶的过程中,车辆的硬件设备有保障的前提下,错误的行为决策是交通事故发生的主要诱因。强化学习能够和环境不断进行交互调整,具有很好的泛化能力,适合复杂的换道决策场景。首先对自动驾驶系统和换道决策进行了简要介绍;其次,介绍了强化学习的原理和其具代表性算法,并总结了强化学习在换道决策系统中的应用;最后,根据存在的问题,对强化学习在自动驾驶换道决策中的应用进行了展望。

无人战斗机飞行管理与控制系统分析

综合概述了世界无人战斗机的发展状况 ,分析研究了无人战斗机飞行管理与控制系统的特点和需求 ,运用“人机”复杂混合控制系统理论分析了无人战斗机飞行管理与控制系统层次结构 ,论述了遥控操作员“人机”界面、任务规划及其实时控制、大机动敏捷控制律设计等实现飞行管理与控制系统的关键技术问题及其解决方案 .

智能农机自动驾驶关键技术及应用分析

随着导航定位、环境感知、自动控制等技术的不断进步,智能农机自动驾驶技术发展迅速并逐渐应用到农业生产。介绍了智能农机自动驾驶系统整体架构及工作原理,归纳了农机自动驾驶系统所涉及的高精度定位、环境感知、路径规划与跟踪控制、转向控制等关键技术的特点及研究现状,总结了自动驾驶农机的应用场景,包括自动驾驶拖拉机、收获机、插秧机、施肥机等。分析发现,自动驾驶农机在关键技术、标准制定、推广应用等方面还存在一些问题,并针对问题在多传感器融合、路径跟踪算法、标准体系建设等方面提出建议。

高速列车自动驾驶前馈自适应广义预测控制方法研究

高速列车自动驾驶(ATO)系统本质上是强非线性和不确定性的系统,针对高速列车模型参数非线性和时变性等特点,文章提出了一种前馈自适应广义预测控制(FA-GPC)的方法对ATO系统进行动态优化控制,并设计了一种带约束的多目标预测控制器。首先,基于列车多质点模型,分析附加阻力的改变对列车运行的影响;然后,结合列车运行过程中的速度跟踪精度、停车精度及运行舒适性等关键指标,构建包含控制输入约束的多目标性能指标函数,设计基于多目标函数的前馈广义预测速度跟踪控制算法,解决了由于附加阻力变化导致控制器超调的问题并加快了控制收敛速度。由于列车运行过程中受外界环境、乘客流动等因素影响,阻力变化大,难以建立精确的数学模型,因此采用带约束的变遗忘因子递推最小二乘法来辨识出列车控制系统在不同工况下受控自回归积分滑动平均模型(CARIMA),进而提高控制系统的鲁棒性。仿真结果表明,相比传统的无前馈GPC和PID控制器,前馈广义控制器在不同线路条件下巡航控速速度跟踪精度在±0.5km/h范围内,具有良好的跟踪性;在强扰动情况下通过引入自适应改进的前馈广义预测控制算法,具有较强的鲁棒性。

自动驾驶车辆综合智能评价量化分析

针对自动驾驶车辆在自然交通环境下所表现出的环境认知、路径规划、行为决策与控制等方面的单项智能与综合智能,建立以环境复杂度、任务复杂度、人工干预程度为输入的三维立体坐标评价模型,研究描述自动驾驶车辆控制品质的范数计算方法,对评价模型所输出的体积大小进行进一步的约束与规范,为实现科学地评价自动驾驶车辆智能水平提供有力依据。

双机协同无源目标跟踪轨迹优化

针对双机协同无源跟踪精度要求较高的问题,根据双机与目标的几何态势,分析了双机几何态势对双机无源探测精度的影响,给出了位置精度因子(PDOP)的公式,得出了双机的最优几何配置.提出了双机协同无源目标跟踪系统的控制结构,采用扩展信息滤波(EIF)对目标状态进行估计,以信息熵最大为轨迹优化的最优性能指标,采用了滚动时域优化(RHO)来实时地控制飞机的运动.仿真结果表明,该轨迹优化算法能够使飞机按满足最优几何配置的轨迹飞行,说明基于PDOP的最优几何配置的正确性,降低目标位置的估计误差,提高双机协同无源跟踪的精度.

重载列车模糊自适应模型预测控制方法研究

机车自动驾驶系统本身是一个非线性、时变系统。列车在运行过程中,会遇到各种不同的线路情况,因此控制器不仅要具备预测控制功能,控制器的参数也需要根据实际的运行线路情况进行动态调整。为此,文章提出了一种重载列车模糊自适应模型预测控制方法。该方法在建立非线性多质点模型的基础上,构造了考虑多优化目标及多运行约束条件的优化问题,搭建了基于重载列车多质点模型的模型预测控制系统框架,对列车运行状态进行预测和动态调节;针对固定的控制器参数无法适应不同线路情况的问题,文章利用模糊控制与模型预测控制方法相结合的方法,通过对模型预测控制器的权重系数进行自适应整定,从而实现列车在不同运行线路上自适应优化控制。仿真结果表明,模糊自适应模型预测控制器具有良好的控制性能,不仅能够实现对列车的精确控制,将速度误差控制在±1km/h范围内,而且能够保证列车运行的平稳性。

考虑驾驶人疲劳特性的差动转向共享控制

为降低由于驾驶人疲劳所引发的车辆失稳风险,提出了一种考虑驾驶疲劳特性的差动转向共享控制方法.首先,建立了可表征驾驶疲劳特性的驾驶人-车辆模型;然后设计考虑车速、手臂肌肉刚度与反应时间不确定性的动态输出反馈鲁棒控制器,并采用极点配置方法提升驾驶人-车辆闭环系统稳定性;最后搭建了PreScan\Carsim\Simulink联合仿真平台与驾驶人硬件在环试验平台.结果表明:加入所提出的共享转向控制后,不同疲劳状态下的车辆路径跟踪误差指标减小了59.53%以上,有效提升了车辆的路径跟踪性能;针对轻度、重度疲劳驾驶人,生理负荷指标与心理负荷指标在控制器辅助下均减小了48.92%以上,实现了不同等级的个性化辅助驾驶.

基于自适应零速修正机制的低速无人车定位方法

针对缺失全球导航卫星系统(GNSS)信号条件下的低速无人车定位问题,在多状态约束卡尔曼滤波(MSCKF)框架下,提出了一种基于自适应零速修正机制的低速无人车定位方法(AZUPT-MSCKF)。传统MSCKF算法利用惯性测量单元(IMU)传播车辆运动信息,并利用相机测量实现对运动信息的校正。然而,当无人车处于静止状态时,相机测量更新停止。受到IMU累积误差的影响,无人车的定位性能将迅速下降。对此,本文提出的AZUPT-MSCKF方法通过新增的自适应零速修正机制校正IMU的信息传播,使得无人车定位方法能较好地适应静态场景。实验结果表明,相比于传统MSCKF算法及VINS-Mono算法(关闭回环检测),AZUPT-MSCKF方法具有更高的定位精度和更强的鲁棒性。

民航运输机高度自动化飞行的利弊分析

目前大型民航运输机飞行正向高度自动化飞行发展,这给飞行操作和公司运营带来了巨大的影响。总体说来,其影响是积极和正面的,不仅给飞行操纵带来极大的便利,提高了飞行的精度和安全性,同时也给公司带来较高的经济效益。但是,由于当前自动系统使用的复杂性以及机组和自动化系统的人机界面协调矛盾等也将导致一系列弊端的出现。

基于多模态特征融合的自主驾驶车辆低辨识目标检测方法

针对自主驾驶车辆在真实驾驶环境下对低辨识目标的识别问题,提出了基于多模态特征融合的目标检测方法。基于Faster R-CNN算法设计多模态深度卷积神经网络,融合彩色图像、偏振图像、红外图像特征,提高对低辨识目标的检测性能;开发多模态(3种)图像低辨识度目标实时检测系统,探索多模态图像特征融合在自动驾驶智能感知系统中的应用。建立了人工标注过的多模态(3种)图像低辨识目标数据集,对深度学习神经网络进行训练,优化内部参数,使得该系统适用于复杂环境下对行人、车辆目标的检测和识别。实验结果表明,相对于传统的单模态目标检测算法,基于多模态特征融合的深度卷积神经网络对复杂环境下的低辨识目标具有更好的检测和识别性能。

专业课实验教学的综合能力评估

在飞机自动驾驶仪工程模拟器的研制中，借助计算机硬、软件完成了学员实验水平综合能力评估系统，可依次实施故障原因分析、故障部位查找、排除故障的技术手段及所用时间的综合评价，并由计算机给出相应的得分，从而改进了实验成绩的评定方法。