基于有限状态机的车辆自动驾驶行为决策分析

将智能车辆的自动驾驶运动过程分解为车道保持、车辆跟随、车道变换和制动避撞4种典型驾驶行为,基于有限状态机方法建立各驾驶行为间的逻辑关系及状态切换过程,同时,构建了面向自动驾驶的虚拟危险势能场,并对其结构关键参数和驾驶行为决策触发阈值进行分析。利用MATLAB/CarSim软件对不同道路工况下的自动驾驶行为决策过程进行联合仿真,并利用比例车辆模型和机器视觉系统对提出的方法进行试验验证。仿真和试验结果表明,虚拟危险势能场与有限状态机相结合的方法能够满足智能车辆的驾驶行为决策需求并实现主要的自动驾驶功能。

面向车辆操纵稳定性的主动差速器模型预测控制

本文中基于主动差速器技术提出一种提高车辆横摆/车身侧偏操纵稳定性的模型预测控制算法。首先,考虑主动差速器和车轮的动力学特性,建立双轴车辆的动力学预测模型。接着,将模型预测控制问题转换为标准的二次规划问题,并利用内点法求解主动差速器的控制力矩。最后,利用Simulink相关工具箱和Carsim软件对提出的模型预测控制器性能进行联合仿真验证。结果表明,采用主动差速器模型预测控制能有效提高车辆在低附着路面上的操纵稳定性。

电控液压可变气门控制系统的能量回收系统(英文)

电控液压可变气门控制（VVA）系统能够确保气门正时与升程可变,但是系统却消耗大量能量。为了提升它的节能性,本论文提出了一种带有能量回收系统（ERS）的VVA系统。该系统利用一个蓄能器来储存液压缸卸油浪费的能量,蓄能器积累的油压能确保更低主泵能耗。通过在GT-power模型中优化气门正时与升程,来确保带有VVA系统的发动机的燃油消耗率（BSFC）达到最低。结果表明：增加能量回收系统,使气门正时和升程柔性可调,并减少VVA的能量消耗,发动机动力性提升7%~11%,燃油经济性提升6%~9%。

电控液压可变气门驱动系统鲁棒控制器的设计（英文）

液压油粘度的变化会对液压可变气门系统(VVA)性能产生重要影响,为提高内燃机的性能,应根据发动机的运行工况调整最佳的气门正时及升程。该文建立了全可变气门机构的AMESim仿真模型,分析了液压油粘度对气门升程的影响。基于能量守恒定律建立了系统平均模型,利用Matlab/Simulink设计了滑模控制器。仿真结果表明:所设计的滑模控制器通过调节液压泵的转速,调节气门升程,使气门工作精度提高了9.3%左右。因此,该控制器降低了液压油粘度变化带来的扰动影响。

浅论当代散文的创新意识——从崔东汇《像柳树一样活着》谈起

崔东汇散文集《像柳树一样活着》出版，奠定了他，“冰心散文奖”、两届“河北文艺评论奖”的当代散文地位。在百花齐放，多元共生，个性张扬的时代，在平庸与高雅并存，探索深刻发展，创新与复制兼容的网络时代，在农耕历史向城市历史转化，神话信仰向人性信仰关照的现实状况下，崔东汇的散文将自己的作品关注与时代适应，纵深耕耘，深刻激动，令人掩卷思辨。

浅议群众文化工作的创新

胡锦涛总书记在党的十七大报告中发出的“调动广大文化工作者的积极性，更加自觉、更加主动地推动文化大发展大繁荣”的号召更对我们所从事的群众文化工作提出了更多、曼高、更新的要求。群众文化工作要想适应斯时期的群众要求，就必须加快发展群众文化事业。在社会主义市场经济条件下。如何创造性地做好群众文化工作。是摆在我们面前的一项新任务、新课题。为此，笔者有如下几点思考。

对文学自觉说的评论

文学自觉，是指文学及文学创作主体意识到文学的独立性和价值性，自觉地对文学的本质和发展规律等进行探讨和认识，促进文学按其自身的规律向前发展。文学的自觉，最重要或者说是最终的还是表现在对文学审美特性的自，觉追求上。

序言

新一轮科技革命与产业数字化变革交织演进,人工智能正成为重塑全球经济结构的关键力量。汽车作为国民经济重要的战略性、支柱性产业,其智能化技术演进已成为全球新兴产业发展的战略必争之地。面对这一背景和挑战,李克强院士率先提出了“智能网联汽车”理念与技术,阐明智能网联汽车是汽车、电子、信息通信、道路交通运输等多行业深度融合的新型产业形态。在汽车智能化、网联化产业趋势下,大力发展智能网联技术,实现核心技术的自主突破,形成中国技术的领先优势,对我国从汽车大国迈向汽车强国有着重大意义。

多智能网联汽车轨迹规划:现状与展望

轨迹规划是自动驾驶汽车的基本功能。随着车用无线通信技术(Vehicle to everything,V2X)技术的发展,自动驾驶汽车具备智能网联功能,这些汽车被称为智能网联汽车。智能网联技术可以为自动驾驶汽车带来大量信息,增强不同自动驾驶汽车之间的合作,并为轨迹规划提供额外的优化空间,以减少驾驶时间,提高驾驶舒适性和安全性。与传统的单车轨迹规划相比,多车轨迹规划可以充分利用智能网联汽车的技术优势,为多个自动驾驶汽车规划合适的轨迹。以结构化场景和非结构化场景的分类综述典型的多车轨迹规划应用场景,总结不同的多车轨迹规划合作规划策略和特点。总结用于多车轨迹规划的各种方法,包括传统的流水线规划方法和端到端方法,并对多车轨迹规划的试验进行归纳。基于当前研究现状,提出多车轨迹规划面临的挑战和未来的研究方向,为智能交通系统领域的研究人员提供启发和参考。

基于时序差分学习模型预测控制的一体化自动驾驶换道策略

具有自进化能力的自动驾驶换道策略有望在复杂开放的交通环境中提升性能,以应对更多的未知场景。时序差分学习模型预测控制(Temporal difference learning for model predictive control,TD-MPC)结合有模型和无模型强化学习方法的优势,具有学习效率高、性能优异的特点。基于此,为了提高自动驾驶换道策略的整体性能,提出基于TD-MPC的自动驾驶一体化换道策略。具体来说,针对自动换道问题,提出基于驾驶倾向网络的一体化自动驾驶换道策略架构,构建强化学习问题并设计完备的奖励函数,对决策规划优化问题进行统一求解。应用TD-MPC算法设计内部模型来预测未来状态和奖励,实现短时域内的局部轨迹优化,同时使用时序差分学习实现对长期汇报的估计,以得到驾驶倾向网络参数。所提出方法在高保真仿真环境中被验证,结果表明,所提出方法相比规则方案保证行驶效率,并且提高安全性和舒适性。同时与软演员-评论家算法(Soft actor critic,SAC)相比,实现了7~9倍的学习效率提升。

道路结构特征下的车道线智能检测

目的在智能网联汽车系统开发中,复杂环境下的车道线检测是关键环节之一。目前的车道线检测算法大都基于颜色、灰度和边缘等视觉特征信息,检测准确度受环境影响较大。而车道线的长度、宽度及方向等特征的规律性较强,具有序列化和结构关联的特点,不易受到环境影响。为此,采用视觉信息与空间分布关系相结合的方案,来提高复杂环境下的车道线检测能力。方法首先针对鸟瞰图中车道线在横向和纵向上分布密度不同的特点,将目标检测算法YOLO v3(you only look once v3)的网格密度由S×S改进为S×2S,得到的YOLO v3(S×2S)更适于小尺寸、大宽高比物体的检测;然后利用车道线序列化和结构相互关联的特点,在双向循环门限单元(bidirectional gated recurrent unit,BGRU)的基础上,提出基于车道线分布关系的车道线检测模型(BGRU-Lane,BGRU-L)。最后利用基于置信度的D-S(Dempster-Shafer)算法融合YOLO v3(S×2S)和BGRU-L的检测结果,提高复杂场景下的车道线检测能力。结果采用融合了视觉信息和空间分布关系的车道线检测模型,在KITTI(Karlsruhe Institute of Technology and Toyoko Technological Institute)交通数据集上的平均精度均值达到了90.28%,在欧洲卡车模拟2常规场景(Euro Truck Simulator 2 convention,ETS2_conv)和欧洲卡车模拟2复杂场景(Euro Truck Simulator 2 complex,ETS2_complex)下的平均精度均值分别为92.49%和91.73%。结论通过增大YOLO v3纵向的网格密度,可显著提高模型检测小尺寸、大宽高比物体的准确度;序列化和结构关联是车道线的重要属性,基于空间分布关系的BGRU-L模型的准确度受环境影响较小。两种模型的检测结果在经过D-S融合后,在复杂场景下具有较高的准确度。

这家餐馆生意为什么这样火？

在某地闻名的餐饮一条街上，曾经上演了太多餐饮企业的兴衰成败：有些企业花了一两个月来装修。但却在开业不到两个月就改弦更张了。相比之下，有家不起眼的餐馆，不仅在开业两个月内就超越了一家老字号连锁店的业绩。而且一跃成为整条街上人气最旺的饭店，常常出现门庭若市。一“桌”难求的场面。