智能汽车主动避障的改进蚁群路径规划方法

针对智能汽车主动避障路径规划问题,为有效提高路径规划质量、加快算法的收敛速度,提出了一种改进的自适应蚁群智能规划方法。首先,阐释了传统蚁群算法的原理和具体流程,并分析了传统算法存在的缺陷;其次,提出了信息素因子和启发因子的自适应更新算法以扩大算法的搜索范围、提高全局搜索能力,从而避免算法陷于局部最优;再者,设计了信息素挥发率和信息素浓度函数的自适应调节算法以加快算法的粒子进化速度,从而保证了算法的快速收敛。智能汽车避障实验结果表明,与传统蚁群算法相比,这里改进蚁群算法能够有效加快路径规划速度、提升算法的收敛速度并显著缩短规划的路径长度。

智能汽车自适应RBF神经网络循迹控制

为解决智能汽车循迹控制中建模复杂及不精确问题,提出了一种基于整体逼近的自适应RBF神经网络控制方法。首先,基于智能汽车动力学方程的基本形式,对系统的不确定性进行分析。而后,利用神经网络的逼近特性,对分析结果中的不确定项进行整体逼近。进而,基于自适应RBF神经网络控制方法设计控制律,并通过李雅普诺夫稳定性分析方法设计自适应控制律。最后,进行Simulink/Carsim联合仿真验证,仿真结果表明,在通用双移线道路环境下,所提控制方法能够通过控制方向盘转角使得车辆沿期望轨迹行驶,轨迹跟踪误差较小且控制输出幅值可控,能够满足实际工程需求。

轻型汽车燃料消耗量试验不确定度评估

根据中国合格评定国家认可委员会和中国国家计量技术规范对不确定度的定义、评定与表示,本文分析了仪器设备、试验环境、试验车辆和试验人员等因素对燃料消耗量试验结果不确定度的影响,提出了一种结算燃料消耗量试验结果计算值扩展不确定度的方法,并对其予以计算验证,得到了其扩展不确定度及其置信范围。

轻型汽车国六阶段Ⅰ型试验方法研究

2016年底,环境保护部和国家质检总局联合发布《轻型汽车污染物排放限值及测量方法(中国第六阶段)》(GB18352.6-2016)。该标准中,Ⅰ型试验采用全球轻型车统一测试程序,全面加严了试验要求。本文通过研究试验循环、试验加载、车辆性能和驾驶方式,简要介绍国六阶段Ⅰ型试验与目前现行的第五阶段Ⅰ型试验存在的不同之处。针对各种变化,采用试验验证的方法,提出国六Ⅰ型试验对车辆动力性及转鼓驾驶性的新要求。

某2037型轻型汽车排放Ⅰ型试验不确定度评估

对某2037型压燃式发动机轻型汽车进行5次排放Ⅰ型试验,根据中国合格评定国家认可委员会和中国国家计量技术规范对不确定度的定义及其评定方法和表述方式,灵敏系数的定义及计算方法,对该组试验结果中除气态污染物外的颗粒物质量及粒子数量测量结果进行不确定度分析及评定,尝试各影响因素的灵敏系数并将该系数应用于不确定度评定计算过程中,从而得到更加客观全面的不确定度评定结果。

智能汽车避障路径规划与跟踪控制研究

为了提高智能汽车行驶安全性,提出了基于人工水滴算法的避障路径规划和自适应路径跟踪控制方法。在路径规划方面,模拟水往低处流过程,提出了基于人工水滴算法的路径规划方法,经验证,人工水滴算法在动静态环境下都能够规划出避障路径。在路径跟踪方面,设计了转向控制与速度自适应控制的综合控制器;基于车辆线性二自由度模型,提出了模型预测转向控制;结合预瞄模型和二次规划方法,提出了速度随行驶路况自适应控制方法。经绕桩实验验证,本文提出的综合控制方法最大横向跟踪误差为0.1m,文献[11]提出的控制方法最大横向误差为0.6m,是本文方法的6倍,说明了综合控制器在路径跟踪控制中的精确性,且综合控制器的横摆角速度、侧向加速度均在约束范围内,满足国家标准对车辆的安全性要求。