三相逆变器的随机双PID组合优化方法

针对永磁同步电机控制系统中电流脉动和开关损耗的问题,提出了一种三相逆变器的基于随机双PID控制器的开关组合优化控制策略。首先,为了解决控制器参数选择困难的问题,设计了缩小控制器参数范围、标识满足控制性能参数的随机算法对传统的双PID控制器进行参数选择。然后,依据最优控制理论,提出了一种使得三相逆变器输出的电压矢量跟踪双PID控制器输出的期望电压矢量的开关组合优化控制策略。最后,与传统PWM方法的对比实验结果表明,开关组合优化控制策略的电流跟踪误差平均值减小了1.09%,均方差减小了25.28%,开关转换次数减小了4.65%,从而验证了控制策略的有效性。

非全日制自动驾驶人才培养模式的探索与实践

自动驾驶汽车是解决未来交通问题的重要途径,而我国自动驾驶人才不足,人才短缺将制约我国自动驾驶汽车产业的发展。为此,北航交通学院进行了自动驾驶与智能网联高级专门人才培养的探索与实践。设计了包括学位理论课程和综合实践环节两部分构成的课程培养体系,编写了6册入选“十三五”国家重点图书出版规划项目的自动驾驶系列教材,开设自动驾驶讲堂并邀请自动驾驶企业的技术负责人开讲座。实践方面主要包括开设实验课程、参加自动驾驶相关比赛及企业实习。为自动驾驶人才培养探索了切实可行的方法,为解决我国自动驾驶人才紧缺问题提供了思路。

基于场景动力学和强化学习的自动驾驶边缘测试场景生成方法

为解决小概率高风险边缘测试场景的问题,本文提出一种基于场景动力学和强化学习的边缘场景生成方法,实现边缘场景的自动生成,能模拟真实世界中车辆间的对抗与博弈行为的特征。首先将随时间动态变化的场景模型由一组微分方程描述为场景动力学系统;然后利用神经网络作为通用函数逼近器来构造场景黑盒控制器,并基于强化学习实现边缘场景控制器的优化求解;最后以超车切入场景为例,在Matlab/Simulink软件进行仿真验证,结果表明,边缘场景强化生成模型在场景交互博弈、覆盖率和可重复测试等方面具有良好的性能。

一种自动驾驶仿真场景要素的提取方法

针对场景及其内容定义不明确、场景基本要素提取多为主观分析和不同测试主体的场景要素选择和设计不可解释等问题,本文中提出一种汽车自动驾驶仿真场景的关键要素提取方法。该方法从自动驾驶系统角度逐级分析场景要素对感知、决策和控制模块的影响,并根据对自动驾驶不同子模块的影响,建立为一种要素-结构-功能平面的映射方程,然后基于平面节点判别矩阵建立场景要素的提取模型,量化场景要素的重要性并进行判别和筛选。最后通过分析第四届世界智能驾驶仿真挑战赛的行人安全避撞场景的元素构成,验证了所提方法的可行性和有效性。

深耕智能汽车领域 产学研合作开新花——记吉林大学珠海学院副教授丁娟博士

产学研合作与转化,是丁娟博士多年来坚定走的路。累累成绩不断证明,她走对了。2017年,由丁娟博士领导完成的“新型半导体异质结光电转化材料构造及其光电性能研究”项目荣获中国产学研合作创新成果奖,赢得了业内认可。3年后,丁娟博士的产学研合作研究已从太阳能光电材料拓宽至汽车智能驾驶及模拟仿真领域,建公司,塑品牌,有声有色。

场景大数据驱动的汽车网联智能驾驶基础平台与关键技术开发

智能网联汽车进入技术快速演进的新阶段,现有汽车研发技术和体系难以适应网联智能驾驶快速发展和规模应用.同时,自动驾驶开发面临数据处理自动化率低且人工校验难,深度学习模型训练灾难性遗忘,功能测试难以精确挖掘多层级复杂架构深层缺陷,这些因素都制约了智能网联技术的产业化应用,迫切需要构建汽车网联智能驾驶研发测试体系,支撑我国智能网联汽车持续迭代与快速升级.

面向智能驾驶测试的仿真场景构建技术综述

随着汽车智能化程度的不断提高,智能汽车通过环境传感器与周边行驶环境的信息交互与互联更为密切,需应对的行驶环境状况也越来越复杂,包括行驶道路、周边交通和气象条件等诸多因素,具有较强的不确定性、难以重复、不可预测和不可穷尽。限于研发周期和成本、工况复杂多样性,特别是安全因素的考虑,传统的开放道路测试试验或基于封闭试验场的测试难以满足智能驾驶系统可靠性与鲁棒性的测试要求。因此,借助数字虚拟技术的仿真测试成为智能驾驶测试验证一种新的手段,仿真场景的构建作为模拟仿真的重要组成部分,是实现智能驾驶测试中大样本、极限边界小概率样本测试验证的关键技术,这对提升智能驾驶系统的压力和加速测评水平显得尤为重要。面向智能驾驶测试的仿真场景构建技术已成为当前汽车智能化新的研究课题和世界性的研究热点,作为一种新兴技术仍面临许多挑战。本文提出了面向智能驾驶测试的仿真场景构建方法,系统阐述了国内外研究工作的进展与现状,包括场景自动构建方法和交通仿真建模方法,重点分析一些值得深入研究的问题并围绕场景构建技术的发展趋势进行了讨论分析,最后介绍了团队相关研究在2020中国智能驾驶挑战赛仿真赛和世界智能驾驶挑战赛的仿真场景应用情况。

基于混合A^(*)和可变半径RS曲线的自动泊车路径优化方法

路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合A^(*)和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明:调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。

面向自动驾驶的仿真场景自动生成方法综述

随着自动驾驶测试验证对虚拟仿真场景依赖程度的增加,传统基于专家经验的场景枚举生成方法已无法满足测试需求。数字虚拟仿真场景自动生成方法在场景多样性、危险性、可解释性、生成效率等方面存在巨大技术优势,是提高汽车自动驾驶技术测试验证安全性和可靠性的关键,已成为当前汽车智能化领域的研究热点。在广泛调研场景自动生成方法领域研究成果的基础上,系统地梳理了场景定义、场景解构、基于机理建模的场景生成、数据驱动的场景生成等方向中最新的研究进展,重点分析了一些值得深入研究的问题,最后对未来可能的研究方向进行展望。场景解构方面,针对场景具有无限丰富、极其复杂、不可穷举特征的问题,应重点关注“场地-气象-交通”耦合的多源异构复杂场景解构方法研究;基于机理建模的场景生成方面,针对多样性、边界性的测试需求,重点关注场景组合生成研究、边界场景优化生成及自适应生成研究等方面;基于数据驱动的场景生成方面,采集内容丰富的数据集是研究的基础,应充分挖掘场景数据的测试价值,重点关注场景重构、加速测试的场景采样、危险场景衍生等方面的研究。未来的研究应重点关注以上几个方面,建立完整的自动驾驶虚拟仿真场景自动生成体系,为L4级及以上的高等级自动驾驶大规模仿真测试评估奠定理论基础。