智能汽车驾驶员模型的预瞄时间自适应分析

为了更好地模拟真实驾驶员在人车路闭环系统下的操纵行为,提出了一种针对智能汽车驾驶员模型的预瞄时间自适应模型.运用预瞄跟随理论与预瞄优化驾驶员模型构建智能汽车驾驶员模型,进而分析道路环境与汽车行驶状态等因素对智能汽车驾驶员模型中预瞄时间的影响,分别采用基本预瞄时间和补偿预瞄时间表征不同因素对驾驶员前视行为的影响,并将基本预瞄时间和补偿预瞄时间相结合,建立了基于BP神经网络的预瞄时间自适应模型.在Carsim/Simulink联合仿真平台上搭建了预瞄时间自适应的智能汽车驾驶员模型,针对正常驾驶和激进驾驶2种模式进行了仿真分析.结果表明所建立的预瞄时间自适应模型可有效改善智能汽车驾驶员模型的路径跟踪效果.     

应用于HIL系统的驾驶员行为特性建模仿真与控制

驾驶员模拟是搭建人-车-路-环境的整车环境测试系统的关键环节之一,建立正确的、可以反映客观实际的驾驶员模型对于人-车闭环系统的描述与评价起着至关重要的作用。本文针对模拟仿真与测试需求进行驾驶员行为特性建模仿真与控制研究,研究预瞄环节、惯性环节和神经滞后环节以及前馈环节与反馈环节等对不同熟练程度驾驶员行为的影响,并建立PID和模糊自整定PID驾驶员控制模型以适应不同驾驶员操控,通过HIL仿真表明本文建立的驾驶员模型及控制模型能模拟驾驶员在不同熟练程度的真实操纵行为,且具有较好的适应性。     

应用于硬件在环系统的驾驶员行为特性建模仿真与控制

驾驶员模拟是搭建人-车-路-环境的整车环境测试系统的关键环节之一,建立正确的、可以反映客观实际的驾驶员模型对于人-车闭环系统的描述与评价起着至关重要的作用。针对模拟仿真与测试需求进行驾驶员行为特性建模仿真与控制研究,研究预瞄环节、惯性环节和神经滞后环节以及前馈环节与反馈环节等对不同熟练程度驾驶员行为的影响,并建立PID和模糊自整定PID驾驶员控制模型以适应不同驾驶员操控,通过硬件在环(hardware in the loop,HIL)仿真表明建立的驾驶员模型及控制模型能模拟驾驶员在不同熟练程度的真实操纵行为,且具有较好的适应性。     

驾驶员预瞄时间与公路弯道半径的耦合特征

为了研究驾驶员预瞄时间与公路弯道半径耦合特征对汽车操纵稳定性的影响,建立了人-车-路系统动力学模型,通过基于实际道路数据的仿真试验,分析了驾驶员预瞄时间和弯道半径对汽车动力学特征和路径跟踪情况的影响,验证了模型的正确性.利用相轨迹变化、轮胎侧向力、汽车行驶轨迹偏差、车身姿态变化、汽车状态变量(纵向速度、侧向速度、横摆角...     

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.     

基于自然驾驶数据的驾驶员紧急转向变道模型

提出了一种以驾驶员转向目标瞄点为核心的、面向操纵层的驾驶员紧急转向变道的模型建立方法.基于驾驶员紧急变道的阶段特征,提出了驾驶员紧急变道侧向运动轨迹的规划方法,并结合远近目标点理论分析方法,分阶段建立了驾驶员转向变道工况的驾驶员转向模型.对紧急转向变道中避撞、侧移和稳定阶段的增益因子的分布特征进行了研究,模型能够真实地预测自然驾驶中的紧急转向变道行为.     

汽车操纵稳定性动力学建模及其在人-车-路闭环系统中的应用

利用多体系统动力学方法建立了基于ADAMS软件平台的某一小型客车的整车动力学分析模型,同时和预瞄最优曲率驾驶员模型以及蛇行道路期望轨迹组成其人-车-路闭环操纵稳定模型.在MATLAB环境中对所建立的模型进行蛇行试验仿真,结果表明,ADAMS和MATLAB联合仿真在汽车闭环操纵稳定性分析上是有效和合理的.     

表征驾驶风格和驾驶员能力的驾驶员模型

由于驾驶员群体的驾驶方式和驾驶能力的差异,所决策的加速度值与最优值存在不同程度的偏差.本文作者在原有最优预瞄侧向驾驶员模型的基础上发展了多点多目标决策模型,以驾驶员的视野特征和决策意愿表征驾驶风格,并对驾驶员能力建模.Simulink/Carsim联合仿真结果表明,包括4个自由参数模型能够反映出不同驾驶员的驾驶行为,并有望应用于提升无人驾驶车辆乘坐感受的研究.      

融合自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制

为提高不同工况下驾驶机器人操纵试验车辆的转向精度和自适应能力,提出了一种基于自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制方法。首先建立了试验车辆动力学模型和驾驶机器人转向机械手动力学模型,并构建了驾驶机器人转向操纵试验车辆的集成系统动力学模型,接着研究了一种融合路径曲率和车速的驾驶机器人转向操纵自适应曲线预瞄方法,其预瞄点位置能够根据车速和路径曲率做出自适应调整。在此基础上,设计了用于驾驶机器人转向操纵的粒子群优化滑模控制器,并进行了稳定性分析,同时利用粒子群算法在线优化滑模控制切换项的反馈增益系数,以减小控制抖振。仿真及试验结果表明,所提出的方法能够在不同工况下根据路径曲率和车速做出自适应调整,实现驾驶机器人操纵车辆的精确转向控制。     

一种新的考虑驾驶员疲劳的人机协同避障策略

人机协同驾驶系统在避障工况中， 针对驾驶员注意力不集中导致不能及时操控汽车的问题，设计一种考虑驾驶员特性的人机协同避障控制器. 以双驾双控人机共驾结构为基础，自动驾驶系统采用线性二次调节器（Linear Quadratic Regulator，LQR）控制车辆跟踪规划轨迹，基于最优预瞄侧向加速度建立驾驶员模型. 为了使驾驶权在避障过程中分配更加合理，使用驾驶模拟器采集疲劳驾驶数据训练BP神经网络来识别驾驶员疲劳操作行为，通过对空间碰撞危险度和驾驶员疲劳因子建模设计人机协同避障策略. 搭建Carsim、PreScan和 Simulink联合仿真平台进行高速工况下的避障仿真试验. 仿真结果表明，相较于传统方法，本文所提策略在静态障碍物避障过程中，侧向加速度、质心侧偏角和横摆角速度分别降低了8.9%、18.2%和11.1%，在动态障碍物避障过程中，相应的指标分别降低了51.5%、53.4%和50.6%，提高了车辆在避障过程中的稳定性.     

考虑驾驶员特性的四轮独立驱动电动汽车转向控制研究

四轮独立驱动电动汽车四轮驱动力矩独立可控,在汽车控制方面相对于传统汽车具有显著优势,通过建立驾驶员不同转向特性参考模型和四轮驱动力矩控制进行考虑驾驶员特性的四轮独立驱动电动汽车转向控制研究。基于驾驶模拟器实验,在对驾驶员转向特性进行分类和建立辨识模型的基础上,采用RBF神经网络建立了驾驶员不同转向特性的参考模型,给出了考虑驾驶员转向特性的整车控制原理,应用驾驶模拟器对所研究的控制方法进行了验证。验证结果表明:参考模型输出能够反映不同转向特性驾驶员期望的车辆响应,通过对四轮驱动力矩合理控制实现汽车跟踪驾驶员期望。     

无线传感器网络结构及特点分析

无线传感器网络是一门获取和处理信息的新兴技术.为了满足应用的要求,设计人员必须对相关的网络结构、协议和功耗等性能特点全面深入了解.详细阐述了无线传感网络的通信结构,传感节点的组成结构及可能的实现方案,分析了各种拓扑结构的优缺点,基于分层方法给出了一种通信协议栈;在与现有无线通信模型比较的基础上,得出了无线传感网络节点数量大、体积小、易失效、计算能力有限及对能量敏感的特点,为通信结构和具体协议的设计提供了指导.     

基于神经网络的板坯连铸二冷水动态控制模型

以缩小板坯表面实际温度和目标温度的差异为目标,基于神经网络技术,建立以BP神经网络进行连铸二冷段的温度预测和运用模糊神经网络对二冷段的水量进行实时控制的动态控制模型,模型能及时根据拉速、温度的变化做出水量的动态调整和分配.针对某钢厂2#板坯连铸过程进行了仿真计算和现场应用测试,结果表明:该模型将二冷水量控制问题与铸坯在冷却过程中的温度状态相结合,能很好的响应现场的变化,及时给出二冷段水量的动态调节量.     

Fault-Tolerant Control of Nonlinear Systems Based on Fuzzy Neural Networks

Due to its great potential value in theory and application,fault-tolerant control strategies of nonlinear systems,especially combining with intelligent control methods,have been a focus in the academe.A fault-tolerant control method based on fuzzy neural networks was presented for nonlinear systems in this paper.The fault parameters were designed to detect the fault,adaptive updating method was introduced to estimate and track fault,and fuzzy neural networks were used to adjust the fault parameters and cons...     

水声通信网络信道建模与仿真研究进展

水声通信网络在海洋目标定位和导航、资源勘探和开发、环境感知和监测等领域有重要应用,其中水声信道特性研究及其建模与仿真是建立通信网络的基础,而目前水声通信网络中的信道建模与仿真尚未有公认的标准方法.因此,基于对水声信道传播特性的分析,探讨了典型水声信道特性给水声通信网络设计带来的挑战;对比了经验模型、声场模型、基于本征路径的多径信道模型和基于统计特性的时变信道模型等水声信道模型,仿真结果表明:水声信道结构的变化明显影响接收性能;阐述了基于水声信道特性的水声网络仿真工具和方法,分析了其特点;最后进行了总结,并展望了未来水声通信网络信道建模与仿真的发展方向.     

离散Hopfield神经网络在混烧控制系统故障诊断中的应用

给出了离散Hopfield神经网络结构和模型．利用Hopfield神经网络的演变过程是一种计算联想记忆的过程,它适用于正交(或近似正交)模式的记忆性质,给出了一种Hopfield神经网络的双向联想记忆模式的记忆矩阵构造方法,并提出了一种改进的基于Hopfield神经网络的控制系统故障诊断的算法,利用此算法实现实时检测混烧控制系统的故障和异常,对混烧控制系统的调节器和阀门进行故障诊断和故障信息提示．     

复杂网络中基于疾病传播模型的阻塞传播

复杂网络是现实世界的抽象,交通网络是一个复杂巨系统。从网络复杂性理论出发,在SIR、SEIR等传统的疾病传播数学模型的基础上,结合实际定义流动形式为:易阻-阻塞-调整-易阻(Susceptible-Infected-Adjustive-Susceptible),提出SIAS模型,用以说明交通网络中的阻塞传播特性;并利用建立的SIAS模型,通过仿真进一步分析模拟了交通阻塞的传播状况,得到了许多有益的理论结果,有可能为交通运输网络规划、设计、建设和管理提供科学的研究手段和理论支持。     

网络生态学:一种研究无边界网络生存性的新方法

无边界网络的复杂性及其它特性,包括没有全局可见度、信任关系模糊、无集中控制以及多管理域等,使得对无边界网络的生存性研究面临许多挑战.生态学对于自然界的建模分析法提供了认识复杂系统的基本方法,已经在计算机网络的某些领域得到应用.笔者分析了无边界网络的特点和生存性研究所面临的问题,讨论了将生态学理论应用于无边界网络生存性研究的构想.     

复杂网络子图中心性分析

许多现实网络虽然具有小世界和无标度的全局结构特征,但可能具有非常不同的局部结构特征,子图从局部层次刻画了网络内部相互连接的特定模式.本文通过仿真分析的方法研究了ER随机网络、WS小世界网络和BA无标度网络模型的子图中心性的特点,得出了这三类网络模型的子图中心性与网络密度、重连概率和网络规模之间的关系.仿真结果表明,子图中心性能够刻画复杂网络的拓扑结构.     

基于BP神经网络的城市供水系统管网预测

针对城市供水系统的复杂性、非线性、时变化性以及多因素影响的特点，探讨了建立基于BP神经网络城市供水管网预测的原理，阐述了建立基于BP网络的城市供水时序预测模型方法．根据管网的节点压力历史数据纪录，建立基于神经网络的管网压力时序预测模型，对未来某一时段的节点压力进行预测．从预测过程和结果分析，基于BP神经网络城市供水管网预测方法操作简单，运行速度快，误差修正方便，精度高．图2，表1，参12．