基于柔性演员-评论家算法的决策规划协同研究

为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。

泊车过程中车辆转向状态的分段位姿估计方法

针对泊车过程中转向系统非线性因素影响车辆位姿估计准确度的问题,提出了一种基于车辆转向状态的分段位姿估计方法,提高自动泊车过程中的车辆位姿估计精度。首先,通过试验对车辆运动学航迹推算法定位的误差来源进行分析,确定了转向过程的非线性因素对泊车过程中车辆位姿计算准确度的影响;其次,设计了基于车辆转向状态的分段位姿估计模型,使用LSTM对转向状态进行实时分类,分别训练混合模型进行位姿估计,并对分类结果与位姿估计结果进行后验修正;再次,构建泊车工况车辆横纵向位移数据集,基于数据集对所建模型进行训练和离线测试;最后,利用Python搭建在线测试平台,对模型进行位姿估计测试,并开展对比试验。试验结果表明:该方法能够将泊车过程中的车辆欧式距离误差控制在10 cm以内,航向角误差控制在1°以内。基于车辆转向状态的分段位姿估计方法研究,可以有效提高泊车过程中的车辆位姿估计精度,并具有较高的实时性和较好的鲁棒性。

新工科背景下车辆工程专业本科毕业设计质量提升

在电动化、智能化、网联化汽车产业迅速发展壮大与建设新工科的双重背景下,急需提升车辆工程专业本科毕业设计的质量。文章从学生、指导教师、学科支持及环节管控四个层面,综合分析了本科毕业设计开展过程中存在的不足及背后的原因。针对这些不足之处分别从毕业设计的教学组织模式、实践教学体系改革、校企合作双导师制及加强环节管控四个维度提出可行的建议,为车辆工程专业本科毕业设计质量的持续提升给予支持及新工科视域下卓越工程师人才培养提供参考。

汽车行驶轨迹数据密度峰值聚类算法研究

随着物联网、V2X和智慧城市等技术的广泛应用,大量的车辆轨迹数据得以记录保留。利用这些轨迹数据可以提取相关信息,例如计算最优路径、检测异常驾驶行为、监测城市交通流量以及预测车辆下一个位置等,轨迹聚类是关键技术之一。密度峰值聚类(density peaks clustering,DPC)作为一种简单有效的基于密度的聚类算法,算法中局部密度的定义未充分考虑数据样本密度分布不均时密度差异的影响,也没有适用于汽车行驶轨迹的相似性度量。此外,算法在遇到相对高维的数据时效果不佳。本文通过引入k近邻思想(k-nearest neighbor,KNN)和主成分分析法(principal component analysis,PCA)并且改进相似性度量,提出了一种适用于汽车行驶轨迹的密度峰值聚类算法。该算法首先使用PCA对高维数据进行预处理;然后采用k近邻思想重新定义局部密度;最后通过重新定义轨迹间的距离函数,摒弃了欧氏距离对分配策略的不良影响。通过对人工合成数据集的实验,证明了算法的可行性;同时算法的有效性也在实际汽车行驶轨迹数据上得到了验证。

基于Simscape的APA-EPS系统建模及人机共驾转向控制策略研究

人机共驾是智能车辆实现高度自动驾驶之前的过渡阶段,由于驾驶员与驾驶辅助系统同时在环,存在驾驶权分配的问题,智能车辆的转向系统必须实时敏捷地执行驾驶员和驾驶辅助系统的转向控制指令。本文针对搭载于某智能MPV的平行轴式电动助力转向系统(APA-EPS)研究人机共驾转向控制策略。首先对APA-EPS系统进行Simscape建模,并通过台架试验验证了模型的准确度。随后基于模糊PID控制算法和模糊滑模控制算法分别设计了人驾和机驾模式下的控制策略。在驾驶员主导驾驶车辆时,根据距离影响度函数和角度影响度函数确定转向控制权重;在驾驶辅助系统主导驾驶车辆时,采用滑动时间窗口监测驾驶员的接管请求。仿真试验结果表明,人驾和机驾的控制策略均具有较好的转角跟随效果,人机共驾时转向控制权能够及时进行切换,且APA-EPS的转向盘转角响应迅速。

智能汽车仿人换道TSK模糊可拓控制研究

为提高智能汽车自主换道的轨迹跟踪精度和乘员舒适性,提出了一种将可拓控制与TSK(Takagi-Sugeno-Kang)模糊控制相结合的智能汽车仿人换道控制方法。通过驾驶模拟器对熟练驾驶员的实际驾驶轨迹数据进行采集,基于广义回归神经网络进行仿人理想轨迹拟合。为提高智能汽车对拟合轨迹的跟踪能力,引入可拓控制策略根据系统状态划分不同控制域,并在经典域和可拓域分别采用PID反馈控制和PID前馈-反馈控制,解决单一控制算法的局限性。为进一步改善可拓控制在不同控制域边界的抖动问题,采用了TSK模糊控制对其稳定性进行优化。仿真结果表明,该控制算法保证在不同换道工况下都具有较高的跟踪精度和舒适性。

基于虚拟安全边界的智能车辆动态换道轨迹规划

鉴于实际动态交通环境下智能车辆换道过程中可能受到周围车辆的影响,为满足其换道过程安全性和舒适性的要求,提出了一种基于虚拟安全边界的动态换道轨迹规划算法.考虑到换道结束时间和纵向位置的耦合性,采用四次和五次混合多项式换道轨迹算法分别进行纵、横向规划,确定换道时间和纵向速度范围获得候选换道轨迹.设计了车辆运动状态约束和基于车辆矩形轮廓建立的虚拟安全边界防碰撞约束,构建了车辆换道安全性、舒适性、跟车效益等代价函数,并基于安全性代价函数阈值动态调整各个代价函数的权重系数,运用fmincon函数对候选换道轨迹进行优化.考虑到周围车辆运动状态变化会对换道过程产生影响,车辆系统循环调用换道轨迹规划模块进行换道轨迹实时更新,直至车辆到达目标位置.结果表明:对于不同的换道工况,基于虚拟安全边界的智能车辆动态换道轨迹规划算法可有效避免换道过程中与周围车辆发生碰撞,保证了智能车辆换道过程的安全性.

基于改进SPSA算法的车内主动降噪技术研究

为了有效降低车内噪声水平,使用声学软件对发动机激励下的车腔进行声振耦合仿真,引入人工蜂群算法改进原SPSA算法的步长,提升降噪系统的运算效率。将某乘用车驾驶员头部附近采集的噪声信号,通过改进SPSA算法进行车内降噪实验。结果表明,改进后的SPSA算法能够使车内噪声平均下降10 dB,可为控制车内低频噪声提供一种有效的方法。

汽车底盘电子控制系统半实物仿真实验平台建设

为满足汽车理论、汽车测试技术、汽车底盘电子控制等课程的实验教学需求,搭建了汽车底盘电子控制系统半实物仿真实验平台。平台基于实车零部件布置搭建,通过电路连接底盘各零部件、控制器及传感器,人机交互系统应用外部信号采集与控制系统及上位机软件组建,道路环境信息通过路况控制模拟系统设置,利用LabVIEW软件建立整车信号采集与数据处理模型并设计了各个数据接口。利用此平台,学生可在自主交互的仿真环境中开展仿真实验,并根据实际操作实时反馈车辆在各种路面条件下加速、制动、巡航时的车辆运动状态。结果表明,该平台在实验教学中的应用加深了学生对汽车底盘电子控制理论知识的理解,达到理论知识与实践操作相融合的教学效果。

基于k-means的自然驾驶轨迹聚类研究

使用k-means聚类方法对Intersection Drone Dataset(inD)自然驾驶数据集中的部分车辆轨迹进行了聚类分析。首先,根据车辆的驶入、驶出车道,对轨迹数据的转向类型进行了人工标注,为评价轨迹聚类算法的正确度奠定基础。其次,根据k-means聚类正确度与程序运行效率,分析并优化了聚类算法参数。最后,采用优化参数后的k-means对车辆轨迹进行了聚类,结果显示轨迹聚类正确度达到95.4%。

自动驾驶汽车横向可拓预瞄切换控制系统研究

针对曲率变化范围大的弯道混合道路工况下,自动驾驶汽车横向控制系统的适应性和控制精度不高的问题,本文中提出了一种自动驾驶汽车横向可拓预瞄切换控制方法。控制系统由上层可拓控制器和下层控制器两部分组成,实现了在经典域中反馈控制和可拓域中前馈-反馈控制策略的切换控制。Simulink仿真结果表明,该控制方法在保证小曲率道路控制精度的同时,降低了大曲率道路的控制误差,对于时变工况具有很好的适应性。

车辆纵向力和质心侧偏角层级估计方法设计与验证

为提高车辆状态估计结果的精度与可靠性,设计了一种车辆纵向力和质心侧偏角层级估计方法。研究了一种用于车辆行驶状态估计的加权容积卡尔曼滤波,采用移动窗估计法调整测量噪声的协方差矩阵,根据不同时刻信息对测量噪声统计的有用性,动态调整窗口中不同时刻信息的权重,从而提高车辆状态观测器的滤波精度。根据电驱动轮模型特点,并考虑轮胎松弛长度来构造纵向力微分方程,从而设计了纵向力观测器。在纵向力估计的基础上,将上层的纵向力估计值视为伪量测值,利用三自由度车辆动力学模型设计了基于级联卡尔曼滤波的车辆行驶状态估计策略,实现了车辆质心侧偏角估计。进行了变速正弦转向工况和定速Fishhook转向工况下的CarSim/Simulink联合仿真试验以及实车试验,结果表明:所提方法整体估计精度相比扩展卡尔曼滤波提升了6.82%,具有较高的估计精度和实时跟踪效果,满足车辆应用需求。

基于多传感器数据融合的自动泊车系统高精度辨识车位的方法

为解决城市道路条件下基于超声波雷达传感器的自动泊车系统存在的车位识别率不高、可识别车位类型较少、车位检测精度低等问题,提出一种高精度辨识泊车位的有效方法。通过多个超声波雷达和视觉传感器的数据融合,实现泊车位边界的高精度探测。利用2个超声波雷达先后探测库位内部的疑似障碍物,提出疑似障碍物绝对速度计算方法。设计了泊车位识别模糊控制逻辑,结合视觉传感器检测出的车辆朝向和停车线等数据信息进行融合处理,能够识别多种类型的水平和垂直泊车位。最后,进行了多种车位场景下的实车试验。试验结果表明:提出的泊车位辨识方法能有效识别多种类型的泊车位,识别率高,与仅采用1个超声波雷达和仅使用摄像头检测泊车位的方法相比优势明显,能提高自动泊车系统的智能化水平。

一种面向智能汽车的工况自适应路径跟踪控制方法

为实现智能汽车在复杂路面条件下稳健的工况自适应性能,提出一种智能汽车自适应路径跟踪控制方法。基于模型预测控制(MPC)原理,设计了智能汽车路径跟踪控制器;依据总方差法建立路径跟踪综合评价指标,通过仿真分析不同路面附着系数下的路径跟踪效果,拟合路面附着系数与最优车速的关系曲线;根据不同车速和道路曲率,利用遗传算法优化得到所有典型弯道工况下最优时域参数,将纵向车速和道路曲率反馈引入MPC控制器,设计一种时域参数自适应的MPC路径跟踪控制器。在Carsim/Simulink平台上进行仿真试验,结果表明,自适应MPC控制器可根据不同工况采取合适的时域控制参数,与传统MPC相比,提高了路径跟踪过程中对路面附着系数和道路曲率变化的鲁棒性。

基于分段优化的车辆换道避障轨迹规划

为提高复杂道路场景下智能车辆换道避障的安全性和舒适性,提出了一种基于分段优化的智能车辆换道避障轨迹规划方法。首先考虑多种换道可能,根据本车状态和多个采样点生成基于五次多项式的候选y-x曲线簇和x-t曲线簇;其次基于指数函数设计了一种障碍风险评价函数,并结合轨迹平顺性、利他性和行驶效率等构建了综合评价体系,选取出最优参考轨迹,为智能车辆换道避障提供方向和速度的参考,以防止轨迹优化时陷入局部最优;为适应障碍物运动状态时变的特点,以参考轨迹为引导,构建分段五次多项式y-x曲线和x-t曲线,并考虑与障碍车辆的碰撞风险建立了优化目标函数,将轨迹优化问题转换成带约束的非线性规划问题,通过外点法求出最优轨迹。最后基于MATLAB平台进行了仿真验证,结果表明,所提出的轨迹规划方法在满足换道平顺、舒适要求的基础上提高了车辆的环境适应性和避障调整能力。

电动轮汽车电液复合制动方向稳定性分层控制

针对分布式驱动电动汽车(电动轮汽车)在复杂工况下紧急制动时易发生侧滑、甩尾和激转等问题,提出了电动轮汽车电液复合制动方向稳定性分层控制策略。该策略的决策层包含总制动转矩和修正横摆力矩的计算,分配层包含制动转矩最优分配和修正横摆力矩分配算法;协调层则对分配结果进行稳定协调。通过Simulink与Carsim联合仿真,分别对低附着路面转弯制动和对开路面紧急制动两种工况进行验证。结果表明,提出的分层控制策略在保证车辆制动效能的基础上,能有效地改善车辆制动时的方向稳定性。

基于图像梯度匹配的自动泊车系统车位识别方法

针对自动泊车系统利用视觉方法识别车位线的需求,提出了一种基于图像梯度和高斯加权余弦距离的车位线识别算法.首先对采集的车位图像进行去畸变和逆透视变换生成俯视图,并进行灰度化和图像滤波处理;然后利用Sobel算子提取预处理后的图像的梯度,选取车位线的车位角位置,建立图像梯度模板,并利用双线性插值法建立旋转模板以识别不同角度的车位;最后以高斯加权余弦距离作为相似度量,识别图像中车位线的位置,设计了算法的终止条件以提高算法运行速度.结果表明:该算法实现了对不同工况下多种车位的识别,具有识别速度快、不易受光照路面裂纹等因素影响的优点.

商用车电液耦合转向系统主动回正控制研究

针对装有传统液压助力转向系统的商用车在回正过程中存在低速回正不足或高速回正过度的问题,综合考虑载荷转移、路面条件和轮胎非线性等对回正工况的影响,基于电液耦合转向系统,设计一种车辆质心侧偏角和横摆角速度联合控制的非线性滑模控制器。针对控制算法部分状态量难以获取和影响车辆回正稳定性的路面附着系数难以直接测量的问题,利用UKF观测器为滑模控制器动态估计车辆状态信息和路面附着系数,并将质心侧偏角的观测值和横摆角速度与其期望值之差作为控制系统输入,来求取回正控制所需的转角修正量。最后通过TruckSim、Matlab/Simulink和转向试验台架对不同工况下的转向回正性能进行仿真和台架试验,结果表明,所提出的主动回正控制策略可有效提高转向盘回正的稳定性和控制精准性。

智能网联汽车中心式匝道合流协同控制

提出了一种面向智能网联汽车的中心式匝道合流协同控制方法.首先建立了中心式匝道合流协同控制模型,然后通过离散化将其转化为非线性最优化问题,并采用NOMAD算法求解.进行了100组仿真实验,通过随机设置不同的初始化条件对所提方法的有效性以及车辆油耗影响因素进行了研究,并与其他文献的方法进行对比.研究结果表明,本文所提方法对不同的初始合流场景有较好的控制效果,与对比文献中的方法相比,可使车辆平均油耗降低42.38%,显著提高了匝道合流过程中车辆的燃油经济性.

智能汽车仿人转向控制驾驶员模型分析

为使智能汽车的弯道行驶具备人类驾驶员操控特征,基于最优曲率预瞄驾驶员模型与T-S模糊推理算法,提出了一种预瞄点横向和纵向自适应调节的仿人转向控制驾驶员模型.在封闭城市双车道弯道工况下,采集了熟练驾驶员在不同车速行驶下的弯道轨迹数据,分析得出了目标行驶轨迹.基于蚁群算法对预瞄点横向和纵向调节模糊规则进行了优化,在PreScan中构建了连续多曲率弯道仿真场景,并基于驾驶模拟仪所采集到的熟练驾驶员驾驶轨迹,对所提出的驾驶员模型的仿人转向特性进行验证.结果表明:优化后的仿人转向驾驶员模型与熟练驾驶员的行驶轨迹相似程度较好,优于最优曲率预瞄驾驶员模型或预瞄距离自适应的驾驶员模型.