改进强化学习算法应用于移动机器人路径规划

为了解决传统的强化学习算法应用于移动机器人未知环境的路径规划时存在收敛速度慢、迭代次数多、收敛结果不稳定等问题,提出一种改进的Q-learning算法。在状态初始化时引入人工势场法,使得越靠近目标位置状态值越大,从而引导智能体朝目标位置移动,减少算法初始阶段因对环境探索产生的大量无效迭代;在智能体选择动作时改进ε-贪婪策略,根据算法的收敛程度动态调整贪婪因子ε,从而更好地平衡探索和利用之间的关系,在加快算法收敛速度的同时提高收敛结果的稳定性。基于Python的Tkinter标准化库搭建的格栅地图仿真结果表明,改进的Q-learning算法相较于传统算法在路径规划时间上缩短85.1%,收敛前迭代次数减少74.7%,同时算法的收敛结果稳定性也得到了提升。

驾驶风格聚类与识别研究

为实现驾驶人驾驶风格的准确聚类和有效识别,以NGSIM数据为依据,提取包含换道行为的16 s车辆行驶轨迹,选取可以全方位表征驾驶人驾驶特性的评价指标并借助因子分析法实现指标的降维;在此基础上选用k-means聚类算法对所得样本数据进行聚类分析,把驾驶风格分为谨慎型、普通型和激进型;最后对比了SVM和ANN驾驶风格识别模型。结果显示:车辆行驶速度、加速度和横向速度更能表征驾驶人驾驶风格;SVM模型和ANN模型在降维前后数据中的识别精度都能达到90%以上,而SVM模型的识别精度更高,说明SVM驾驶风格识别模型在小样本上的有效性。

汽车主减速器弧齿锥齿轮参数化设计方法研究

文章分析了弧齿锥齿轮中各参数方程,在此基础上基于CATIA V5软件研究了弧齿锥齿轮参数化建模方法。结果表明,齿轮三维模型的各个参数都有效地参与了实体建模中的草图约束和操作,改变其中的参数就可以得到新的齿轮模型。通过对汽车主减速器弧齿锥齿轮的参数化设计方法研究为类似科学研究和工程实际问题提供了重要的方法依据和参考价值。

基于CATIA二次开发的汽车变速箱齿轮设计

基于CATIA二次开发技术,以VB6.0做为开发工具,建立可视化界面,编写程序驱动CATIA软件对汽车变速箱常用齿轮进行三维参数化建模。用户只需通过人机交互界面选择所要设计的齿轮类型,输入齿轮参数便可实现三维模型的快速生成,避免了CATIA齿轮建模中的重复操作,提高了设计效率。

CATIA工程图环境客户化开发

基于CATIA二次开发技术,以VB语言做基础编程语言,对CATIA工程图环境进行客户化开发而达到如下目的:(1)建立标准图框模板,模板中二维图纸信息(包括图号、零件名称、零件材料等)对应三维数模属性,实现图纸属性信息的自动生成;(2)通过CATIA的二次开发,可以直接根据三维模型属性自动生成明细表信息,并且当总成或零部件属性信息发生更改时,明细表能自动更新。

汽车主减速器弧齿锥齿轮参数化设计方法研究

分析了弧齿锥齿轮中各参数方程,在此基础上基于CATIA V5软件研究了弧齿锥齿轮参数化建模方法。结果表明,齿轮三维模型的各个参数都有效地参与了实体建模中的草图约束和操作,改变其中的参数就可以得到新的齿轮模型。通过对汽车主减速器弧齿锥齿轮的参数化设计方法研究为类似科学研究和工程实际问题提供了重要的方法依据和参考价值。

某汽车同步器齿环热精锻工艺优化

目的提高某汽车同步器齿环精锻成形的材料利用率、成形精度及降低成形载荷。方法构建以飞边体积为优化目标、以坯料尺寸和初始温度为优化变量、以未出现欠填充和折叠缺陷为约束条件的优化模型,并将克里金模型和遗传算法相结合,提出全局优化算法。结果使用构建的优化模型和优化算法,经过100代优化得到了飞边较小且无欠填充、无折叠缺陷的同步器齿环热精锻工艺参数,并使用实验验证了该优化工艺参数的合理性。优化和验证实验结果表明,坯料内径为62 mm、坯料高度为17 mm、成形温度为700℃时,热精锻成形的齿环没有折叠和欠填充缺陷,且飞边体积减少了大约10%、成形载荷下降了23%。结论对镍黄铜同步器齿环的优化和实验验证表明,使用克里金模型和遗传算法相结合的策略是解决此类小样本黑盒问题的有效手段。