受限泊车通道下自动驾驶平行泊车的路径规划方法

针对受限泊车通道下自动泊车规划时间长、成功率低等问题,提出了一种改进混合A^(*)算法的路径规划方法。首先,将泊车路径分为前进的位姿调整段与后退的倒车入库段两部分,通过建立直线-圆弧的约束优化模型规划位姿调整段,寻找合适的倒车起始点;其次,通过在混合A^(*)算法中额外引入碰撞风险代价,改进节点扩展方式,并通过判断车辆轮廓线是否与障碍物线相交来进行碰撞检测,以提高倒车入库段规划的实时性和安全性;最后,以路径长度、平滑度、偏离度为指标设计目标函数,并考虑汽车的运动学约束,使用二次规划对初始路径进行平滑,得到最终路径。使用MATLAB对改进算法与原始算法进行仿真分析,结果表明:在受限泊车通道下,改进算法能得到平滑的无碰撞泊车路径,搜索时间比混合A^(*)算法减少了23.8%,且所得路径更安全,更易进行跟踪控制。

混合驱动的粒子群算法

粒子群优化(particle swarm optimization,PSO)算法是一种在机器人运动规划、信号处理等领域有广泛应用的优化算法。然而该算法易陷入局部最优解,从而导致早熟问题。出现早熟问题的原因之一是粒子群仅依靠适应度值选择学习范例。为了克服上述问题,提出了一种基于适应度值、改进率和新颖性混合驱动的PSO算法(particle swarm optimization algorithm based on hybrid driven by fitness values,improvement rate,and novelty,FINPSO)。在该算法中,引入的新指标和遗传算法会平衡种群的探索与开发,降低粒子群早熟的可能性。适应度值、改进率和新颖性会作为粒子的评价指标。各指标独立地选择学习范例并保存到不同的档案中。粒子每一次速度更新都要确定各个指标的权重,并从每个档案中选择一个范例学习。该算法采用了遗传算法进行粒子间的信息交流。遗传算法中的交叉互换和突变会给种群带来更多的随机性,提升种群的全局搜索能力。以八个PSO算法变体作为对比算法,两个CEC测试套件作为基准函数进行实验。实验结果表明,FINPSO算法优于已有的PSO算法变体达到最先进水平。

露天矿场无人驾驶自卸车路径规划方法研究

针对矿用自卸车在露天矿场环境下的路径左行要求以及长距离运输路径的平滑效率问题,提出了基于Clothoid曲线拓展的左行混合A*算法和离散点对角向量模最小化平滑算法相结合的路径规划方法。首先,在混合A*算法节点拓展搜索过程中,采用Clothoid曲线代替传统圆弧进行拓展,以保证混合A*搜索路径的曲率连续性和曲率变化率限制要求。然后,利用左行规则改进混合A*算法累加代价和启发代价,在累加代价中加入左转代价和碰撞吸引代价保证路径向左和沿地图边界左侧进行规划,在启发代价中根据拓展方向与地图边界最近点的左右位置关系调整拓展代价得到利于左行的启发代价图,以生成左行全局粗略路径。最后,结合二次规划技术,以离散点对角向量模最小化为目标函数,坐标轴方向移动量为约束,构建平滑优化模型,对全局路径进行平滑,同时为防止平滑过程中曲率超限超出车辆转向响应能力,利用大曲率点可行域隧道缩减技术,限制大曲率点平滑可移动量。试验结果表明:所提方法可以生成适应矿区左行规则的沿地图左侧边界行驶的全局路径;启发代价的改进有效地减少了混合A*算法拓展的节点数量,有利于更好实现左行;离散点路径平滑方法有效提高了全局路径的平滑度,利于车辆控制跟踪;Clothoid曲线拓展与可行域隧道缩减技术可有效应对装载、卸载等大曲率路径,不存在曲率超限情况;对比不同长度路径规划耗时数据,路径平滑算法有效降低了路径规划的总耗时,4 km路径平滑耗时只需76 ms;左行规划的实现和总耗时的减少提高了路径对于矿区场景的适应性。

基于矿区左行交通规则的自适应双层搜索路径规划优化算法

露天矿山环境复杂、道路非结构化,矿用卡车(简称“矿卡”)自动驾驶路径规划面临长距离搜索规划效率低以及矿区特有的左行交通规则的挑战。为改进矿卡在矿区内的导航性能,同时确保路径的安全性和实时性,文章提出一种基于矿区左行交通规则的自适应双层搜索路径规划优化算法。首先,其上层搜索采用基于快速探索随机树(RRT)算法并结合矿区的环境特点对搜索步长进行自适应调整,在空旷地带以较大步长进行高效搜索,而在狭窄或多弯道区域则采用较小步长进行精细搜索,同时通过设置左侧行驶区域约束进一步优化了搜索过程,避免了潜在的车辆冲突,从而实现路径搜索的快速收敛;其下层搜索采用混合A*算法,通过路径选择的奖励与惩罚机制,有效减小了搜索空间,提高了路径规划的实时性。接着,采用RS曲线技术和改良的三次样条曲线对最终路径进行平滑处理,不仅优化了路径曲率,还保证了矿卡以最优姿态准确到达目标位置。最后,采用梯度下降法进行进一步优化,以生成一条高效、安全且平滑的路径。试验结果表明,该算法的路径生成时间相较“混合A*+梯度下降”算法、“粒子群+梯度下降”算法和“RRT+梯度下降”算法的平均减少14.8%,路径曲率平均减小0.011 m^(-1),显著提升了矿区自动驾驶卡车的导航效率和安全性。

考虑舒适性的自动驾驶轨道列车牵引电机节能控制

为提升乘客在自动驾驶轨道列车中的体验感,保证自动驾驶轨道列车的安全运行,提出考虑舒适性的自动驾驶轨道列车牵引电机节能控制技术。构建自动驾驶轨道列车运动学模型,分析牵引和制动电机能耗。依据分析结果建立列车牵引电机节能控制目标函数,并以行驶速度、舒适性、准时性和精确停车设置约束条件。利用混沌算法和蛙跳算法改进标准差分进化算法求解目标函数,获取最优解,实现自动驾驶轨道列车牵引电机节能控制。实验结果表明,所提方法在预期速度跟踪性能、节能性、舒适性、精准停车和准点中表现更为优异,验证了所提方法应用下的自动驾驶轨道列车在满足乘客舒适性要求的基础上,获取了较好的牵引电机节能控制效果。

基于混合A*算法的自动驾驶汽车轨迹生成

自动驾驶汽车混合A*算法运行迅速,但是难以保证曲率的连续性和汽车舒适度,并且不能保证优化后的结果无碰撞。针对以上问题,以提高汽车舒适性为目的,基于最小冲击度对A*算法进行优化,在MATLAB和栅格地图中进行了算法预研,解决了低速场景下自动驾驶汽车运动过程中舒适度不足的问题。然后,针对优化算法可能导致轨迹碰撞的问题,对优化算法进行了改进,保证了汽车的安全性,并给出了“走廊”自动调整的策略。仿真结果表明:优化后的轨迹无碰撞且曲率更小,加速度不超出正常范围,可以满足正常驾驶需求。

实验与数据混合驱动的喷墨打印电子电路质量预测研究

当前,喷墨打印在制造电子电路过程中,工艺参数对印制电路的导线线宽和电阻影响尚未明确,这会导致在实际生产过程中难以配置最优工艺参数组合,从而降低产品的最终质量。针对此问题,基于GA-BP神经网络对喷墨打印电子电路的导线线宽和电阻进行了精确预测与优化。首先,通过探究神经网络的神经元个数与模型均方误差的关系,建立了适用于喷墨打印电路导线线宽与电阻的GA-BP神经网络;其次,采用全因子实验的方法,获取基板温度、打印速度、打印层数和延迟时间对印制电路导线线宽和电阻的影响,此外,对比分析BP和GA-BP神经网络对于电路导线质量的预测精度并确定了打印参数对质量的拟合方程;最后,通过遗传算法对导线线宽和电阻进行工艺参数优化,并对二者的优化结果进行实验验证。实验结果表明,导线线宽和电阻的测量值和预测值的相对误差在5%之内,该模型能够准确实现对电子电路质量的预测与参数优化,从而提升电路质量,为产品的研发设计提供了有力参考。

基于DBSCAN与二分法的混合A*路径规划方法

在多障碍物非结构化场景中,传统混合A*算法存在计算效率低、路径平滑性差的问题。针对该问题,本文提出了一种基于密度聚类算法(density-based clustering,简称DBSCAN)与二分法的混合A*路径规划方法。首先,设计基于DBSCAN算法的障碍物聚类方法,简化多障碍物非结构化场景,避免混合A*算法在类U形障碍物群附近的无效节点拓展,有效提高算法效率。然后,提出基于二分法的状态节点拓展策略,能够在不显著增加混合A*算法计算复杂度的前提下,搜索出一条更平滑的路径。最后,基于MATLAB进行仿真。结果表明,在多障碍物非结构化场景中,本文提出的改进混合A*算法可以显著提升计算效率并改善路径平滑性。

模型数据混合驱动的水声器材防御决策方法

基于模型的计算机仿真技术在水中对抗战法推演、方案制定等应用中至关重要。但是由于战场输入数据维数高且模型复杂度高,基于模型仿真方法很难从算法、计算优化的层面上满足决策实时性要求。基于仿真模型产生的大量仿真样本数据,采用学习算法拟合求解最小极值点,缩小决策空间,再与传统仿真模型相结合以提高过程仿真优化效率;实验表明,采用模型与数据驱动混合学习模型在决策相对较优条件下可以将决策时间缩短到原来的6%。在积累了大量作战仿真、训练数据的今天,采用机器学习算法代替传统基于模型算法,是满足实时性和决策准确率的新思路。

考虑机器故障的柔性作业车间动态调度

针对生产过程中不确定性机器故障使初始调度方案可执行性降低的问题,提出了一种考虑机器故障概率的柔性作业车间重调度方法。采用事件和基于故障概率的周期混合驱动策略,综合使用多种重调度方式,引入最大完工时间偏差、工序开始时间累积偏差、工序机器变动量作为评价指标,借助结合变邻域搜索的改进遗传算法对调度方案进行求解。通过对处理后的柔性作业车间案例仿真分析,结果表明,相比于单一重调度方式该方法最优重调度方案在性能评价指标上有显著提升,验证了所提出重调度方法应对不同情况下机器故障扰动的优越性。

神经网络工况识别的混合动力电动汽车模糊控制策略

采用模糊控制可以改进混合动力电动汽车(HEV)的燃油经济性和排放性,但是对模糊控制器进行优化时通常只针对某一典型工况.不同的城市的行驶工况有一定差别,影响了模糊控制改善混合动力电动汽车性能的效果.研究中以广州和上海市主干道行驶工况为例,首先建立了一个模糊控制策略,并采用遗传算法,以汽车燃油经济性和排放性为优化目标,分别针对广州和上海主干道行驶工况对模糊控制器中隶属度函数进行优化.然后建立了一个基于模糊神经网络的行驶工况识别方法,通过识别广州和上海的主干道行驶工况,对控制策略中模糊控制器的隶属度参数进行相应调整,结果证明采用模糊神经网络识别行驶工况的HEV模糊控制策略可以进一步提高汽车的燃油经济性和排放性能.

基于等效油耗最小的四驱混合动力汽车能量管理

提出了一种基于遗传算法优化的四驱混合动力汽车等效油耗最小控制策略。针对四驱混合动力的特点,建立了整车动力学模型,设计了基于等效油耗最小的瞬时能量管理优化策略。为进一步提高四驱混合动力汽车的燃油经济性,采用遗传算法优化了等效油耗最小策略的关键参数。硬件在环仿真结果表明,基于遗传算法优化的等效油耗最小策略可以实现整车能量优化管理,与基于规则的能量管理策略相比,其在典型工况下的平均燃油经济性高8.94%,比优化前的等效油耗最小策略的燃油经济性高2.68%。

基于LVQ工况识别的混合动力汽车自适应能量管理控制策略

为提高混合动力汽车的燃油经济性,选取6种典型行驶工况代表"市区"、"郊区"和"高速公路"3类主要工况,采用基于规则的模糊能量管理控制策略,以整车燃油经济性为目标,在3类主要工况下用改进型粒子群优化算法优化发动机联合工作曲线与发动机关闭曲线系数,得到相应的优化后的隶属度函数的参数;运用学习向量量化(LVQ)算法识别车辆运行工况,动态选择相应的模糊控制策略,使混合动力汽车控制策略对选定的几种代表性工况具有自适应性,从而提高整车的燃油经济性。仿真对比结果表明,相比于传统混合动力汽车,燃油经济性提高了3.4%。

网端负载波动时混合传动风电系统的控制方法

由于目前采用电力电子变流设备来实现变速恒频的风电机组具有成本高、低电压穿越能力弱、可靠性差等缺点,一种利用混合传动系统进行调速,实现变速恒频的方法成为研究热点。但该新型调速系统存在由于网端负载波动而影响调速电机控制精度的问题。针对此问题,对于该变速恒频风电系统中的调速电机提出了一种包含转矩观测器和线性二次控制器的转速控制新方法。利用岭回归算法,估算了调速系统的转动惯量和阻尼系数等参数。通过试验验证,证明了在网端负载波动和变风速的运行条件下,负载转矩观测器能有效的跟踪网端负载的变化。基于负载观测器所设计的调速电机控制方法不仅能使得调速系统输出误差满足实际应用要求,并且使其对于网端负载波动具有较强的稳定性。

一种面向SSD-HDD混合存储的热区跟踪替换算法

固态驱动器(SSD)读写性能优越,但成本高,因此在实践中人们往往利用SSD和普通硬盘(HDD)构建混合存储系统以获取较高的性价比.在混合存储系统中,如何使更多的IO请求能够命中SSD是充分利用SSD性能的关键.针对多任务共享存储环境下集中访问和随机访问IO存取模式并存,且通常情况下IO工作流大部分请求相对集中于有限区域内的特点,本文提出一种基于热区跟踪(HZT)的缓存替换算法.HZT算法充分考虑了IO工作流的空间局部性和时间局部性,利用IO工作流的历史访问信息,跟踪当前热区,并为热区数据块赋予更高的驻留SSD的优先级,能够有效提高混合存储中SSD缓存的命中率.经测试,在典型多任务共享存储环境下HZT算法可以使SSD缓存的命中率比使用LRU(Least Recently Used)算法的系统提高12%.采用适当的预取策略,该算法的命中率与LRU算法相比可获得23%的提升.

并联混合动力公交车动力系统匹配优化

混合动力公交车动力系统参数匹配对整车动力性和燃油经济性影响显著。首先,基于工况分析对混合动力系统进行初步匹配,然后使用Isight优化软件集成AVL-Cruise和Matlab,采用多岛遗传算法和序列二次规划法建立组合优化算法进行匹配参数优化。优化匹配结果表明:在保证整车动力性和动力电池SOC工作范围前提下,燃油经济性较优化前提高了10.92%。

采用混合算法优化的3-PRRR并联冗余机械手驱动力矩研究

为了降低平面3⁃PRRR并联冗余机械手驱动力矩,提高机械手运动平台运动的稳定性,采用混合算法优化机械手运动参数,并对驱动力矩进行仿真验证。针对传统非冗余机械手驱动系统进行改进,给出了平面3⁃PRRR并联冗余机械手简图,设计了冗余机械手驱动系统,采用雅克比矩阵对冗余机械手运动平台运动轨迹进行转换,推导出冗余机械手3个分支闭环运动轨迹方程式。引用粒子群算法并进行改进,添加了遗传算法中交叉和变异操作,设计出了混合粒子群算法。采用混合算法优化冗余机械手运动参数,通过MATLAB软件对冗余机械手3个分支驱动力矩变化进行仿真,与优化前进行对比。结果显示:优化前,平面3⁃PRRR并联冗余机械手驱动力矩较大,整体波动幅度较大;优化后,平面3⁃PRRR并联冗余机械手驱动力矩较小,整体波动幅度较小。采用混合算法优化平面3⁃PRRR并联冗余机械手运动参数,可以降低机械手驱动力矩,减少冗余机械手运动系统能量消耗。

基于GIS/GPS的混合动力牵引车控制策略研究

为了降低基于GIS/GPS的混合动力牵引车应用动态规划算法的计算量,提出采用牛顿迭代法将前方运动轨迹按坡度变化聚合归类,通过可变步长缩短运算时间,提高动态规划算法的时效性。结果表明:在同一路段、运行时间相当的前提下,该算法使具备可预见行驶功能的混合动力牵引车油耗降低了4.8%,最大规划用时不超过0.2 s,满足了整车应用需求。

基于混合退火遗传算法的圆柱蜗杆传动模糊优化设计

针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法。在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能。并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计。

采用数模混合双闭环方法的DFB激光器驱动电源

由于驱动电流波动会影响分布式反馈式(DFB)激光器激射波长及发光功率,采用数模混合双闭环技术,以TMS320LF28335为核心控制器,设计并研制了一种高稳定性DFB激光器驱动电源。在硬件电路设计方面,该激光器驱动电源采用运算放大器深度负反馈原理,提高了系统的稳定性(优于4×10-5)。软件设计中,引入Ziegler-Nichols PID算法,消除了实际驱动电流值与理论值之间的微小差异(小于0.5%)。同时,该驱动电源具备防上电/断电冲击保护电路、延时软启动电路和过流保护电路等保护电路。利用该驱动电源,对中心波长为1742 nm的DFB激光器做了驱动测试。实验表明,在长时间(>220 h)稳定性测试中,驱动电流稳定度优于4×10-5(RMS),满足DFB激光器对驱动电流的要求,具有很强的实用价值。