新型柔性车辆约束系统长度变态模型

为了研究出一套适合柔性车辆约束系统试验长度变态模型,根据国内最新护栏评价标准,通过建立汽车-护栏有限元模型,并基于冲击载荷下几何变态模型方法,展开了对柔性车辆约束系统试验长度方向变态试验分析。首先,对比长度为80m和200m的柔性车辆约束系统仿真数据,得知在碰撞试验中护栏长度变化对柔性车辆约束系统数据结果影响较大;其次,利用几何变态模型理论,以客车最大加速度和最大偏移量为定量评价指标,得到柔性车辆约束系统理论变态模型;最后,通过仿真计算确定NV,获得长度变态模型。通过柔性车辆约束系统长度变态模型预测,得到的结果与长度为200 m的柔性护栏数据的误差在5%以内。该长度变态模型试验方法能直接运用到实际试验研究中。

车辆运动约束在SINS/OD系统故障检测中的应用

为了提高捷联惯导系统与里程计组合导航系统在里程计发生故障后的导航性能,在传统的故障检测算法的基础上,考虑了车辆运动约束条件在陆地导航系统中的特点,设计了两层基于残差的卡方故障检测算法,推导了在里程计故障后的车辆约束量测构造与滤波方案。采用传统单层与两层故障检测算法对80 km的车载导航数据进行了处理,试验证明,传统单层算法在里程计出现时长为2000 s的输出故障后,定位无法再次收敛。两层故障检测算法在里程计出现故障后能够顺利完成导航任务,里程计故障期间位置导航精度与无故障时相比仅相差2 m,提高了里程计发生故障后的导航性能。

基于车辆运动约束的里程计误差在线标定方法

为了降低里程计误差对捷联惯导/里程计组合定位定向精度的影响,提出了基于车辆运动约束条件的里程计误差在线标定方法。通过对里程计标度因数误差进行建模,推导建立了航位推算的误差模型,将航位推算的速度输出沿车体横向、垂向的投影作为量测的一部分,将捷联惯导输出的速度、位置信息与航位推算输出的对应信息相减作为另一部分量测,通过卡尔曼滤波获得里程计标度因数误差等状态量的最优估计值,实现里程计误差的在线标定。仿真结果表明,该方法能够有效地标定出里程计标度因数误差,从而确保了捷联惯导/里程计组合定位定向的精度。

基于改进蚁群算法的时间窗约束下物流配送车辆路径优化研究

物流配送车辆路径优化作为一个涉及多影响因素、多目标需求的组合优化问题,其中带时间窗约束的物流配送车辆路径优化问题更是一个NP难题,较难得到最优解。文章分析带时间窗约束的车辆路径问题并建立相应数学模型,提出将变异和动态信息更新的改进蚁群算法应用于解决这类优化问题,同时仿真实验结果表明该算法能快速收敛于全局最优解,能有效地解决有时间窗约束下的物流配送车辆路径优化问题。

有能力约束回收车辆路径问题的食物链算法

介绍了有能力约束逆向物流回收车辆路径问题,设计了求解有能力约束逆向物流回收车辆路径问题的食物链算法;选取文献典型算例进行了仿真求解及比较分析,结果表明设计的食物链算法性能优于遗传算法、粒子群算法和量子进化算法。

带容量约束的车辆路径问题算法综述

CVRP的研究带动了确定性算法和启发式算法的发展。简要回顾了这些新算法的发展,总结对比现有方法,提出可能的研究方向。

自适应混合蚁群算法求解带容量约束车辆路径问题

针对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP),提出了一种自适应混合蚁群算法.由蚁群算法生成子回路,为增强跳出局部最优能力,在蚁群算法的状态转移规则和信息素更新规则中引入了自适应机制.基于子回路组合,由遗传算法构造近似解,根据问题编码特性设计了适应度函数和遗传算子,提高了构造效率,并采用Clark和Wright节约算法将近似解修复成可行解.采用扫描法和2-opt局部优化方法提高可行解的质量.标准算例的实验结果表明,该算法在求解CVRP问题上具有良好的寻优精度和寻优效率.灵敏度分析结果表明蚂蚁数量对算法性能具有显著影响.

参数自主学习的车辆运动约束新模型及其惯性推算误差抑制分析

准确、连续、可靠的位置信息是车载导航应用的基础条件,在不增加额外传感器的前提下,集成GNSS与MEMS及车载CAN总线传感器,并融入车辆运动约束信息,是最为简单有效且低成本的车载多源导航方案。在车辆运动约束中,合理配置相关参数是约束条件能否充分发挥作用的关键,本文重点针对车辆非完整性约束,采用多元回归和深度学习方法,构建了参数自主学习的车辆运动约束模型。同时,提出了在观测域直接学习侧向/垂向速度参数的新思路,相比原有方差域调参方法具有更好的约束效果。实测分析表明,相比于方差域调整参数的传统方法,在观测域进行参数自主学习的新模型具有显著的精度提升,采用多元回归模型的惯性推算误差在水平位置上减小了69.6%~81.2%,而利用深度学习则减小了60.0%~77.3%,同时,水平相对定位精度分别改善了75.2%和65.0%,新模型能够有效提升GNSS失效时车载定位精度维持能力。

基于简化车辆非完整约束辅助的低成本车载INS/GNSS 组合导航系统研究

针对采用低成本MEMS-IMU器件的INS/GNSS组合导航系统在GNSS信号中断时产生较大误差的问题,研究了一种基于车辆非完整约束辅助的低成本车载INS/GNSS组合导航系统,针对系统的低成本特性对车辆非完整约束进行了简化,并据此推导了滤波算法的模型.仿真分析以及车载测试的结果均表明,对于消费级MEMS-IMU和GNSS接收机构成的低成本INS/GNSS组合导航系统,加入简化车辆非完整约束的辅助后,在GNSS信号中断1min期间组合导航位置误差小于行驶距离的3%.该约束的应用可以显著提高低成本车载INS/GNSS组合导航系统的精度.

车辆-货物-约束系统侧翻失效力学特性的研究

建立了车辆-货物-约束系统的力学模型,采用侧向加速度作为车辆-货物-约束系统的侧翻指标,分析计算得到载货车辆的侧翻临界值.在该翻临界值的基础上,建立货物-约束器模型,分析货物不发生倾翻和滑移时所需约束器的数量.

有容量约束车辆路径问题的蒙特卡洛模拟算法

带容量约束的车辆路径问题是一个NP-hard问题。针对此问题将蒙特卡洛模拟方法与流行的节省算法结合。提出Flag-MCS-CWS算法,该方法通过对CWS算法得到的节省序列进行蒙特卡洛模拟,适用于不同节点数、不同车辆载重量的车辆路径问题。在标准数据集测试,相比当前最优解有平均0.75%的改进,为车辆路径问题提供了更加有效的解决方案。

车辆货物约束系统对道路不平度响应的仿真

针对车辆货物约束系统对道路不平度响应问题,建立道路-车辆-货物约束系统的空间八自由度模型,并采用线性滤波白噪声法拟合出四轮道路不平度的时域模型,进行了道路不平度对车辆货物约束系统的垂直激励的响应仿真研究。利用VB和Matlab混合编程编制了道路-车辆-货物约束系统的计算软件,得出在约束条件下,货物的垂直位移响应最大值比车身的垂直位移响应最大值要小,货物的振动频率也比车身的振动频率小,且路面质量越差,货物的振动位移越大,约束捆绑器的受力也越大。

自适应大邻域搜索的人工蜂群算法求解带容量约束车辆路径问题

为解决带容量约束的车辆路径问题(CVRP)求解时收敛能力与探索能力不足、耗时长等问题,提出一种基于大邻域搜索的人工蜂群优化算法。设计了5个移除算子和2个插入算子,采用算子区别应用机制、仔细侦查蜂机制、更新策略宽松机制优化算法。所提算法能够快速搜索到可接受解,在实验数据集上能收敛到大部分已知最优解,并更新了4个已知最优精准解。实验结果表明,3种优化策略均能有效提升算法效率,算法具有较好的综合性能。

混合差分蜂群算法求解带容量约束车辆路径问题

为求解带容量约束车辆路径问题,提出了一种差分算法改进的人工蜂群算法(DABC).针对人工蜂群算法开发能力较弱的缺陷,采用了全局最优解引导的邻域搜索策略.为避免早熟,引入差分算法的交叉更新策略进行局域优化.仿真实验结果证明,混合差分蜂群算法在求解带容量约束车辆路径问题时,能较好地平衡了探索能力和开发能力,在求解速度和稳定性上有良好的效果.

求解带容量约束车辆路径问题的离散鲸鱼算法

论文提出了一种离散鲸鱼算法求解带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem)。该算法对基本鲸鱼算法的包围捕食操作、泡泡网捕食操作、随机捕食操作进行重定义,并采用基于距离代价的K-means算法在满足车辆最大载重约束条件下将客户划分到不同区域。并引入随机交换搜索、2-opt、3-opt优化方法对每次迭代过程中得到的最优解进行局部优化,扩大算法搜索空间算法。实验结果表明:所提算法能够有效解决带容量约束车辆路径问题,有较强的寻优能力,求解质量优于所对比算法。

改进遗传算法在容量约束车辆路径问题中的应用研究

针对遗传算法求解带容量约束的车辆路径问题时,存在早熟收敛和易陷入局部最优的问题,提出了改进的遗传算法。该算法结合扫描算法思想将种群初始化进行改进,使种群从迭代之初就处于一种最优的状态,并改进了选择策略和交叉策略。通过标准测试算例验证可知,该算法求解结果同测试算例给出的当前最优值之间的偏差在-0.24%以内,且求解结果和稳定性均由于对比算法,为求解此类问题给出了更加有效的解决方案。

复杂交通环境无人驾驶车辆防碰撞方法仿真

无人驾驶车辆自身具有强非线性特征,且信号时延和参数的不确定性特点显著,同时还易受道路附着系数及前后车距离等因素影响。为此提出复杂交通环境无人驾驶车辆防碰撞方法。构建无人驾驶车辆相关的动力学模型,并利用模型预测车辆在行驶过程中的相关数据。采用切比雪夫定律预处理车辆的数据信息,得到前后车辆的运动参数。通过模型预测控制法对参数求解,得到无人驾驶车辆的最佳行驶轨迹与跟踪控制序列,完成复杂交通环境无人驾驶车辆的防碰撞。仿真结果表明,所提方法的路径跟踪效果与给定路径一致、避障能力达到100%,常规状态与紧急状态下的跟踪-避障能力强。因此所提方法具有整体有效性,研究价值较高。

基于离散哈里斯鹰算法求解车辆路径问题

针对带容量约束车辆路径问题,提出一种离散哈里斯鹰算法。在哈里斯鹰算法的基础上,根据车辆路径的编解码特点,重新定义算法在全局搜索和局部开发阶段的更新策略;在全局搜索阶段利用随机插入和反转策略更新哈里斯鹰个体的位置,提高算法的全局开发能力;在局部开发阶段利用转移算子和移除算子设计哈里斯鹰个体的更新机制,提高算法的局部精细化搜索能力;通过改进逃逸能量平衡全局搜索和局部开发能力。实验结果表明,重定义的更新策略均能有效提升算法效率,将该算法和其它启发式算法的结果相比较,所提算法在求解精度和稳定性方面更具优势。

基于RRT的无人驾驶车辆运动规划算法

现有的RRT(快速搜索随机树)规划算法没有考虑车辆特性,不能很好地应用到车辆的轨迹规划问题,且路径不是最优。针对上述问题,提出了一种简单有效的A-RRT(启发搜索随机树)轨迹规划算法。该算法考虑车身的几何约束,它首先通过建立约束条件筛选新节点位置,保证了车辆在复杂环境中的安全性;其次在特定区域内引入启发式函数建立新的成本函数,有效地减少路径节点数量以及提高运行速度和质量。最后,结合后处理方法以及贝塞尔曲线以生成适合车辆特性的可执行轨迹。通过仿真实验验证了该算法的正确性、鲁棒性和实用性。

最小最大车辆路径问题的动态自适应蚁群优化算法

为求解最小最大车辆路径问题,提出动态自适应蚁群优化算法.该算法采用动态最大最小蚂蚁系统策略调整最优解,每次迭代更新τmin,将τmin作为当前信息素矩阵最大值的函数,根据当前最优弧调整选择弧的概率.采用一种灰色模型预测及控制信息素矩阵的边界,以增强蚁群算法参数的自适应性能.对信息素浓度相对较高的多个节点及其附近的边,利用信息素关联累积规则进行信息素更新.将文中算法进行场景的实例测试,仿真结果表明,该算法与线性规划、其他相关的蚁群算法相比,收敛速度更快,具有更好的优化性能和应用效果.