传统纯跟踪控制器在面向实际应用时往往难以较好地处理传感器信号延时、执行器响应滞后等因素带来的控制滞后问题以及欠缺内外部扰动干预下的自主抗干扰能力;同时在跟踪临近终点的目标点时,因前视距离作为控制律的分母且逐渐减小,导致...传统纯跟踪控制器在面向实际应用时往往难以较好地处理传感器信号延时、执行器响应滞后等因素带来的控制滞后问题以及欠缺内外部扰动干预下的自主抗干扰能力;同时在跟踪临近终点的目标点时,因前视距离作为控制律的分母且逐渐减小,导致输入转角值发生突变且伴随方向盘出现不稳定地晃动现象,影响行驶稳定性及人员乘坐体验感。针对此,提出了一种基于改进纯跟踪的路径跟踪控制器。首先,构建了纯跟踪控制器的基础模型并为改善纯跟踪控制的滞后影响,建立了一种结合规划路径和规划速度信息的道路预瞄模型。然后考虑系统因内部及外部环境影响产生的未知干扰并设计非线性扩张状态观测器(nonlinear expanded state observer,NESO)进行扰动估计及实时补偿,以提升纯跟踪控制器的抗干扰能力。并进一步通过转向稳定调节模型以改善纯跟踪控制器临近终点时的转角突变问题。最终,基于软件在环动力学仿真平台以不同初始航向及存在初始偏差工况下测试所提控制器的有效性,并进一步在实车平台进行闭环测试验证,实验结果表明改进的纯跟踪算法具有良好的跟踪精度和转向平顺性。展开更多
无人驾驶技术的关键是决策层根据感知环节输入信息做出准确指令。强化学习和模仿学习比传统规则更适用于复杂场景。但以行为克隆为代表的模仿学习存在复合误差问题,使用优先经验回放算法对行为克隆进行改进,提升模型对演示数据集的拟合...无人驾驶技术的关键是决策层根据感知环节输入信息做出准确指令。强化学习和模仿学习比传统规则更适用于复杂场景。但以行为克隆为代表的模仿学习存在复合误差问题,使用优先经验回放算法对行为克隆进行改进,提升模型对演示数据集的拟合能力;原DDPG(deep deterministic policy gradient)算法存在探索效率低下问题,使用经验池分离以及随机网络蒸馏技术(random network distillation,RND)对DDPG算法进行改进,提升DDPG算法训练效率。使用改进后的算法进行联合训练,减少DDPG训练前期的无用探索。通过TORCS(the open racing car simulator)仿真平台验证,实验结果表明该方法在相同的训练次数内,能够探索出更稳定的道路保持、速度保持和避障能力。展开更多
基于MATLAB矢量化的物质点法(material point method,MPM)框架,分析车身前防撞梁的碰撞冲击问题。MPM在每一迭代步将物理参数在物质点和背景网格间相互映射,使用MATLAB矢量化框架可以使用户在快速入门的同时保证求解效率,其应力更新采...基于MATLAB矢量化的物质点法(material point method,MPM)框架,分析车身前防撞梁的碰撞冲击问题。MPM在每一迭代步将物理参数在物质点和背景网格间相互映射,使用MATLAB矢量化框架可以使用户在快速入门的同时保证求解效率,其应力更新采用车身结构材料的弹塑性本构模型。前防撞梁碰撞冲击数值算例结果表明,MPM可以保证求解精度,同时矢量化技术可以大幅提高求解效率。展开更多
文摘传统纯跟踪控制器在面向实际应用时往往难以较好地处理传感器信号延时、执行器响应滞后等因素带来的控制滞后问题以及欠缺内外部扰动干预下的自主抗干扰能力;同时在跟踪临近终点的目标点时,因前视距离作为控制律的分母且逐渐减小,导致输入转角值发生突变且伴随方向盘出现不稳定地晃动现象,影响行驶稳定性及人员乘坐体验感。针对此,提出了一种基于改进纯跟踪的路径跟踪控制器。首先,构建了纯跟踪控制器的基础模型并为改善纯跟踪控制的滞后影响,建立了一种结合规划路径和规划速度信息的道路预瞄模型。然后考虑系统因内部及外部环境影响产生的未知干扰并设计非线性扩张状态观测器(nonlinear expanded state observer,NESO)进行扰动估计及实时补偿,以提升纯跟踪控制器的抗干扰能力。并进一步通过转向稳定调节模型以改善纯跟踪控制器临近终点时的转角突变问题。最终,基于软件在环动力学仿真平台以不同初始航向及存在初始偏差工况下测试所提控制器的有效性,并进一步在实车平台进行闭环测试验证,实验结果表明改进的纯跟踪算法具有良好的跟踪精度和转向平顺性。
文摘无人驾驶技术的关键是决策层根据感知环节输入信息做出准确指令。强化学习和模仿学习比传统规则更适用于复杂场景。但以行为克隆为代表的模仿学习存在复合误差问题,使用优先经验回放算法对行为克隆进行改进,提升模型对演示数据集的拟合能力;原DDPG(deep deterministic policy gradient)算法存在探索效率低下问题,使用经验池分离以及随机网络蒸馏技术(random network distillation,RND)对DDPG算法进行改进,提升DDPG算法训练效率。使用改进后的算法进行联合训练,减少DDPG训练前期的无用探索。通过TORCS(the open racing car simulator)仿真平台验证,实验结果表明该方法在相同的训练次数内,能够探索出更稳定的道路保持、速度保持和避障能力。
文摘基于MATLAB矢量化的物质点法(material point method,MPM)框架,分析车身前防撞梁的碰撞冲击问题。MPM在每一迭代步将物理参数在物质点和背景网格间相互映射,使用MATLAB矢量化框架可以使用户在快速入门的同时保证求解效率,其应力更新采用车身结构材料的弹塑性本构模型。前防撞梁碰撞冲击数值算例结果表明,MPM可以保证求解精度,同时矢量化技术可以大幅提高求解效率。