基于LQR的智能驾驶汽车横纵向控制研究

为了提高智能驾驶汽车跟踪控制器的稳定性和跟踪精度,提出了一种基于线性二次型调节器(LQR)控制算法和驾驶员预瞄模型的横向跟踪控制策略,结合纵向比例-积分-微分(PID)控制算法实现横纵向控制。首先建立带有前馈的LQR控制器,采用梯度下降优化算法优化LQR控制器权重参数,并在此基础上引入驾驶员预瞄模型,设计了基于经验的预瞄距离自适应控制器;其次建立双PID纵向控制器进行速度控制。最后通过Carsim和Matlab/Simulink联合仿真以及实车测试验证,结果表明:仿真工况下最大横向偏差小于0.035 m,最大航向偏差小于0.09 rad,实车测试工况下也能够良好遵循规划轨迹的整体趋势,速度跟踪效果良好且前轮转角与横摆角速度变化平稳。因此,该控制器能够保证较高精度且平稳的轨迹跟踪,在高速状态下更为明显。

恶劣天气条件下车辆换车道的安全模型

考虑雾天对驾驶员能见度的影响,提出雾天驾驶反应延迟时间模型.依据车辆换车道的行车特征,提出基于连续反向圆曲线的换车道几何描述模型.结合车辆跟车行驶模型,建立恶劣气象条件影响下车辆换车道的安全模型,制定了不同天气条件和能见度范围下禁止换车道的车道流量控制标准.采用历史事故资料分析和现场实验的方式,验证了换车道时距比与事故比之间的良好关系.

不同紧急工况下的汽车主动避撞控制的研究

本文中针对复杂工况提出了一种集成主动制动和主动转向的紧急避撞策略。首先根据车速与地面附着系数,结合制动与转向安全距离模型,获得考虑前方障碍影响的转向与制动优先级。在此基础上,针对旁车道的其他交通要素,又将转向优先下的避撞模式细分为转向、制动和转向加制动3种。对于转向避撞,采用五次多项式进行路径规划,根据安全性和平滑性代价函数,综合优选出安全、平滑的期望路径,然后采用前馈加LQR反馈控制实现路径跟踪。通过驾驶员在环仿真验证所提出主动避撞算法的有效性。3种典型工况下的试验结果表明,智能汽车能根据不同紧急工况做出合理避撞模式决策,并能顺利完成转向、制动和转向加制动的主动避撞操作。与Sigmoid函数所生成的路径相比,基于五次多项式的规划路径更适合紧急避撞使用。

改进的光流法用于车辆识别与跟踪

利用帧间差分获取运动区域,采用梯度阈值获取二值图像,再提取运动区域目标特征点的光流,对光流矢量采取分段标注,设置感兴趣区域。利用光流特性实现目标的识别,定位与跟踪,对于运动目标的跟踪具有实时性和鲁棒性,能够用于车流量统计,对车辆辅助行驶研究起到一定的铺垫作用,实验结果证明该算法的有效性和实用性。

汽车自适应巡航控制系统研究现状与发展趋势

作为传统定速巡航的升级,自适应巡航控制(adaptive cruise control,ACC)系统可以提高驾驶舒适性和行车安全性.论文概述了ACC系统的发展历程,从环境感知技术、驾驶员跟车行为特性、车辆动力学建模、ACC系统控制算法、ACC系统功能扩展等方面对近年来ACC系统的最新研究成果进行了详细论述,在此基础上讨论并展望了ACC系统研究的共性问题与发展趋势.

跨境货车司机AIDS/STD追踪式健康教育干预研究

目的研究针对来往深圳香港之间的跨境货车司机及其异性伴侣AIDS/STD进行追踪式健康教育的干预效果,探讨建立有效的健康教育模式。方法选择深圳口岸附近跨境货车男性司机89名和休闲娱乐场所高危女性97名,对两组人员进行为期18个月共9次AIDS/STD知识健康教育干预。干预前后分别进行现场、电话或邮件方式的AIDS/STD知识问卷调查。对两组长期追踪式健康教育干预前后的评分值进行比较,分析两组干预前后AIDS/STD知识、安全性行为和STD患病状况。结果长期追踪式健康教育干预前后,两组AIDS/STD知识差异有显著性(P<0.01),且评分值随干预次数的增多而增加。干预前后的安全性行为情况仅有部分改善(P<0.01或P>0.05)。干预前一年和干预期末一年,两组STD罹患率明显低于干预前,差异有显著性(P<0.01)。结论采用长期追踪式健康教育干预,可明显提高其知识结构和安全性行为观,有利于降低目标人群STD罹患率。

四驱混合动力轿车转弯工况路径跟踪控制

针对四驱混合动力轿车,提出一种转弯工况下集成横向与纵向运动控制功能的路径跟踪控制策略.在建立车辆动力学与动力系统模型的基础上,设计了基于轨迹跟踪误差的驾驶员预瞄转向模型;采用模糊控制器确定了期望车速,对转矩分配问题进行优化研究;设计了车速与轨迹跟踪模型预测控制器;搭建了CarSim与MATLAB/Simulink联合仿真模型与自动驾驶模拟驾驶器,对控制策略进行了离线仿真和硬件在环仿真试验.研究结果表明,车辆转弯过程中路径及车速跟踪效果良好,满足转弯工况路径跟踪需求.

超声波电机的频率自动跟踪

随着超声波电机运行时间的增加,其谐振频率会下降,进而使电机速度降低。为保持电机速度的稳定性,该文提出了一种具有新颖的频率自动跟踪功能的超声波电机驱动源。它使用窗口比较器、可逆计数器、D/A转换器和压控振荡器实现频率跟踪功能。结合理论分析和LC谐振曲线,阐明了跟踪器的工作原理。实验结果表明这个方案是可行的。

超声波电机驱动源的频率跟踪

针对超声波电机工作时对驱动源的特殊要求 ,设计了一种新颖的具有自动频率跟踪功能的超声波电机驱动源 ,结合理论公式和 L C谐振曲线阐明了驱动源的物理工作条件 .实验证明 ,该方案能够跟踪超声波电机工作点的变化 。

基于强化学习神经网络的车速跟踪控制

提出一种用于汽车排放试验中驾驶机器人对车速跟踪控制的新方法。该控制方法基于神经网络并结合强化学习的自适应能力,通过神经网络的在线学习对车速进行跟踪控制。利用试验汽车所获得的数据,首先开发出用于车速控制的神经网络模型。然后基于强化学习神经网络结构设计神经网络控制器以取得车速跟踪的自适应控制。在仿真研究中,使用神经网络车速控制模型替代实际汽车来训练初始控制器,并用开发与训练好的自学习神经网络控制器用于汽车车速跟踪控制。结果表明,所开发的神经网络控制器具有良好的车速跟踪性能,控制效果明显。

基于单点预瞄最优曲率模型的单轨车辆驾驶员模型

单轨车辆动力学特性研究一般需要一个合适的驾驶员模型。基于郭孔辉的单点预瞄最优曲率模型,利用车辆转向时的Ackerman几何关系和稳态转向时横垂面内力的平衡分别确定目标转向角和目标侧倾角,建立适用于单轨车辆的驾驶员模型。模型重点考虑了驾驶员的预瞄、驾驶员对转向手把的转向力矩输入、驾驶员上半身在车座上绕通过髋部的纵向轴线转动的侧倾力矩输入以及驾驶员的动作滞后。为使实际转向角和侧倾角跟随目标转向角和目标侧倾角变化,转向力矩和侧倾力矩皆采用PD控制。采用ADAMS软件建立了驾驶员—车辆闭环动力学模型,并按双移线和蛇行两种典型行驶工况进行仿真。仿真结果表明车辆可以很好地跟随所设定的路径,验证了驾驶员模型的合理性。所建立的驾驶员模型适用于单轨车辆人—车闭环控制模型的动力学仿真研究。

无人驾驶汽车路径跟踪控制研究

针对无人驾驶汽车路径跟踪控制精度问题,设计了一种改进的路径跟踪控制算法。算法主要采用前馈加反馈的思想进行设计。预瞄横向误差根据车辆-道路之间的运动学关系来确定;而反馈控制系统则采用仿驾驶员模型的PID控制器。通过实车试验,验证了算法的可行性与可靠性。

汽车驾驶人感知决策校正行为模式

为了全面地了解汽车驾驶人在驾驶过程中的行为特性,对驾驶人操作行为的信息感知、轨迹决策和操作校正3个阶段的行为反应进行了分析,在不同通道宽度条件下进行了车辆行驶试验,记录驾驶人的眼睛运动、操作行为以及车辆的运行速度变化等数据。结合试验数据,对驾驶人第一次感知障碍物存在的位置、第一次采取制动措施的位置和3个操作阶段用时所占比例进行了对照分析。研究结果表明:随着通行条件逐渐困难,驾驶人用于信息感知的时间比例减少,而用于操作校正的时间比例增加。

基于驾驶员视角的汽车行驶轨迹跟踪模型

从驾驶员视角出发,构建汽车行驶轨迹跟踪数学模型,运用Matlab/Simulink工程软件和C语言,建立驾驶员-环境-汽车闭环系统仿真模型。利用Matlab平台遗传算法(GA)仿真包,以驾驶员道路跟随精度、车辆侧向加速度和转向盘忙碌程度所构成的综合评价指标为目标函数进行分析,获得模型参数最优值。模拟和试验结果表明:模型设计合理,能较好地反应熟练驾驶员正常驾驶特征。

汽车驾驶机器人模糊车速跟踪控制方法

为了实现汽车驾驶机器人在各种工况下对给定车速的准确跟踪,提出了一种驾驶机器人模糊车速跟踪控制方法。驾驶机器人根据试验循环工况规定的目标车速和实时采集到的试验车辆车速解算出车速误差和车速误差变化率,经过模糊推理得到驾驶机器人油门、制动、离合器机械腿和换挡机械手的下压或回收运动差值,从而实现驾驶机器人的精确定位控制。试验结果表明,试验条件的变化对模糊车速跟踪控制的影响不大,该方法具有较强的抗干扰能力,能够准确跟踪给定的目标车速,跟踪精度满足要求。

山区高速公路弯道路段驾驶员视点分布特征研究

文章为研究山区高速公路弯道路段在不同转向、不同弯道半径条件下驾驶员视点分布的规律,采用Smart Eye Pro 5.7型非侵入式眼动仪记录了不同情况下驾驶员眼球运动的数据,并利用瞳孔直径、X和Y视角、注视次数百分数、注视时间百分比、平均注视时间等指标,对记录的数据进行分析。结果表明:弯道半径越小,驾驶员心理压力越大,且越关注弯道内侧;在左转弯条件下,驾驶员的心理压力和心理起伏都要比右转弯较大;弯道段的垂直注意力集中在正中偏下。

天线伺服软件在Windows下的实现

介绍了伺服软件系统在Windows平台下的实现原理和其中的技术难点,并对驱动和控制等核心模块进行了详细的剖析。

基于模糊免疫PID的驾驶机器人车辆路径及速度跟踪控制

为了实现装备驾驶机器人车辆的路径及速度跟踪控制,提出了1种基于模糊免疫比例积分微分(PID)的控制方法。通过比较车辆实际行驶路径与期望路径的侧向偏差,模糊免疫比例路径跟踪控制器控制转向机械手操纵方向盘。通过计算期望车速与实际车速的偏差,模糊免疫PID速度跟踪控制器控制制动/油门机械腿分别操纵制动/油门踏板。通过引入车速反馈不断更新汽车的侧向加速度增益,实现了车辆转向控制与纵向车速控制的解耦。Carsim/Simulink软件的联合仿真结果显示,车辆路径跟踪和车速跟踪的最大误差分别为0.28 m和1 km/h。

基于肤色的驾驶员面部定位与跟踪算法

采用CCD摄像机获得驾驶员脸部图像,利用肤色在颜色空间的聚类性,建立基于肤色的人脸二维高斯分布数学模型.选用YCbCr颜色空间作为肤色分布统计的映射空间,用最大类间方差阈值对人脸图像分割,获得人脸图像灰度直方图水平投影和垂直投影,实现对面部定位.采用卡尔曼滤波算法,根据驾驶员面部当前帧图像预测下一帧图像的位置,并通过局部搜索精确定位,实现对驾驶员面部的跟踪.实验结果表明,基于肤色的驾驶员面部定位与跟踪算法可靠性高,具有良好的动态定位能力,而且对驾驶员坐姿的变化有较好的适应能力.