基于逆模型预测控制的拟人驾驶控制

本文提出一种基于逆模型预测控制的拟人驾驶控制方法,利用模型预测控制产生的实轴轨迹与真实轨迹的损失函数更新控制模块代价函数的权重系数实现拟人化驾驶控制。将拟人驾驶控制构建成一个双层优化问题,在下层利用模型预测控制求解一个典型的最优控制问题产生实轴驾驶轨迹,在上层最小化所产生的实轴轨迹和真实驾驶轨迹的误差更新下层代价函数的权重系数,基于极大值微分原理构造辅助系统求解实轴轨迹关于代价函数权重系数的梯度。实车采集真实驾驶轨迹并进行模仿测试与泛化验证,结果表明:本文所提出的方法相比于两类基于虚轴轨迹的逆最优控制方法,在3个工况下与真实驾驶轨迹最大误差分别平均降低了73.52%和65.03%,驾驶行为更加拟人化,且具备泛化性能。

基于深度学习的智能车辆视觉里程计技术发展综述

针对基于模型的视觉里程计在光照条件恶劣的情况下存在鲁棒性差、回环检测准确率低、动态场景中精度不够、无法对场景进行语义理解等问题,利用深度学习可以弥补其不足。首先,简略介绍了基于模型的里程计的研究现状,然后对比了常用的智能车数据集,将基于深度学习的视觉里程计分为有监督学习、无监督学习和模型法与深度学习结合3种,从网络结构、输入和输出特征、鲁棒性等方面进行分析,最后,讨论了基于深度学习的智能车辆视觉里程计研究热点,从视觉里程计在动态场景的鲁棒性优化、多传感器融合、场景语义分割3个方面对智能车辆视觉里程计技术的发展趋势进行了展望。

独立模块化FSEC赛车数据采集系统设计

针对现有中国大学生电动方程式汽车大赛(Formula Student Electric China,FSEC)赛车数据采集系统精度低的问题,采用独立模块化方案设计了一套数据采集系统。该系统需要采集车速、滑移率、冷却液温度等数据,分为数据处理模块、显示模块等7个模块,从硬件电路和控制程序2个方面进行设计,主要包括主控芯片选型、传感器选型、电路原理设计和程序框架设计。各传感器将数据发送给主芯片,主芯片对数据处理后通过显示模块进行显示,通过存储模块进行存储。该方案实施方便,且最大限度地减少了不同模块安装、工作时的相互影响,对系统测试后发现,数据误差小于1%,与传统的设计方案相比精度提高了约4%,且系统工作稳定,可以满足FSEC赛车的数据采集需求,对方程式赛车的设计有参考意义。

适应驾驶人的个性化自适应巡航控制策略

针对自适应巡航对驾驶人的适应性问题,将驾驶人风格因素融入到系统设计中,提出了适应驾驶人的个性化自适应巡航控制(adaptive cruise control,ACC)策略。首先,利用Kmeans算法对驾驶人数据进行聚类分析,将驾驶人分为谨慎型、适中型和激进型3类,对每类驾驶人驾驶特征参数进行分析,基于固定车间时距建立考虑驾驶人风格的安全距离模型;其次,将ACC系统分层控制,给出考虑驾驶人风格因素的ACC系统架构,建立车辆纵向逆动力学模型,应用PID建立下层控制器,基于模型预测控制(model predictive control,MPC)算法,综合考虑跟随性、驾驶舒适性等优化目标建立上层控制器。仿真结果表明:考虑驾驶人的个性化ACC控制策略可以满足不同驾驶人的个性化需求,同时,经仿真验证本论文提出的自适应巡航系统在车辆跟随及加减速工况下可保持良好的跟随性。

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。

基于深度学习与圆检测的实时双目测距算法研究

针对基于学习的双目测距算法实时性不足的问题,在Loop-Net的基础上进行改进,提出一种新的双目测距模型。以编码-解码为框架,使用卷积神经网络构建模型,使用U-Net提取特征得到1/4特征图后通过3D卷积层融合特征信息提取左、右目视差特征,并加入扩张卷积层以充分提取特征。设计损失函数时充分考虑不同输入对应的不同噪声参数,并设计了基于圆检测的物体定位算法对目标物体进行定位。试验结果表明,模型在移动终端JN-IndustriPi的运行帧率为15~17帧/s,相比于现有模型提高约15%,且精度相近。

针对高速公路连续长下坡路段事故防治技术综述

基于我国多山区高速公路,连续长下坡路段事故高发,针对于此提出的防治技术,能够降低事故发生率,保障驾驶员和乘客的生命财产安全。文章首先综述了对于连续长下坡路段事故防治技术的国内外研究现状,然后阐述了当前用于此路段的防治技术,最后提出了关于该路段今后的研究重点,并展望了今后的发展趋势。