基于可达集的自主车辆安全性验证方法

针对自主车辆安全性验证在理论的完备性上无法得到保证的问题,提出一种使用哈密尔顿—雅克比(Hamilton-Jacobi)方程求解车辆运行安全状态空间方法。定义车辆运行不安全状态集合为目标集,逆时间求解目标集对应的车辆运行安全状态边界(可达集边界),并采用具有界面追踪和形状建模数值技术的水平集方法表示目标集和可达集。为了确定目标集在向量场作用下的后向可达集,提出采用求解Hamilton-Jacobi偏微分方程的粘性解的方法。自主车辆追逃安全预警范围验证结果表明,该方法能够提高自主车辆安全决策验证的置信水平,增强自主车辆安全性验证的可靠性。     

多目标环境下车辆自主决策可达集分析

由于自主车辆具有离散控制和连续行为混成以及不可避免的系统偏差存在的特点,使传统验证方法无法遍历所有不确定的系统输入和运行状态,因而自主车辆安全决策的置信水平较低。为此,提出以车道边界作为约束条件的多目标约束的可达集建模方法,该方法利用哈密顿雅可比方程控制可达集变化,利用水平集完成可达集的可视化任务,确定具有不确定系统输入和运行状态的自主车辆安全区域。结果表明,与传统仿真方法相比,基于可达集的自主车辆多目标安全决策方法具有更高的适应性,并且可以为智能驾驶车辆在较为复杂环境下的安全性提供理论保证。     

基于可达集的车辆躲避策略及安全性验证

针对目前传统算法在安全性验证中置信水平较低的问题,将自主车辆在道路上的行为视为混合系统,提出以道路边界为约束条件的安全区域可达集建模方法。在此基础上建立安全等级评判标准,给出自主车辆道路行为的哈密顿雅可比方程;提出自主车辆避障问题的最优控制方法。结果表明,该方法不仅可以应用于自动驾驶车辆的安全性验证,还能够对手动驾驶的危险行为进行预警和规避,增加了车辆安全性验证的置信度。     

复杂环境下车辆自主决策可达集分析

针对传统的车辆安全性验证模型多为单目标简单环境而导致其适应性低的问题,提出基于哈密顿-雅可比方程的可达集分析方法.在经典超车问题的建模中,通过加入对向来车,增加模型的复杂度和可达集计算的约束条件,识别并预测场景中各交通参与者的机动行为.为了提高计算的准确性,采用水平集方法描述可达集演变过程,引入曲线行驶下车辆行驶特性函数f_a(x),以适应自主车辆在不同行为决策下可达集的变化.仿真结果表明,该方法在复杂的道路交通环境下不仅能够判断自主车辆目前状态的安全性,而且能够预测未来时刻的安全性,同时可为智能驾驶决策的安全性提供参考依据.     

自主车辆行为决策的安全验证方法

在各种不同类型交通事件的触发下,自主车辆的行为过程在连续和离散模式间动态切换,表现出复杂的混合系统的动态行为.采用形式验证技术研究自主车辆行为决策的安全验证方法.依据自主车辆环境感应器测得的原始数据,对其他车辆的初始状态进行估计,并根据自主车辆和其他车辆的不确定初始状态将其抽象为马尔科夫链.然后,利用离线产生的马尔科夫...     

形式验证中近似流管道的算法研究

混合系统形式验证技术是分析在给定的初始条件下,系统的可达集是否都在目标状态集合内。计算可达集是混合系统形式验证中的重要一步,选用何种几何体表示可达集对于整个验证精度有决定性的影响。文章对有向矩形壳和凸多面体2种状态可达集近似表示方法进行了分析比较,结合2种方法的优点提出了流管道过近似混合算法以降低保守性和提高运算速度;最后在Matlab环境下实现了混合算法并且验证了1个分段非线性系统实例,验证结果显示了所提混合算法的有效性。     

不完备广义多尺度决策系统的逐步最优尺度选择

现有的最优尺度选择算法有可能无法得到全局最优尺度组合,且具有较高的时间和空间复杂度。针对该问题,提出了不完备广义多尺度决策系统的逐步最优尺度选择算法。介绍了不完备广义多尺度决策系统,给出了上下近似集的性质;采取属性约简与尺度选择同步优化策略,以得到全局最优尺度组合;给出了一个快速的求相容类方法,并提出了不完备广义多尺度决策系统的逐步最优尺度组合选择算法,该算法显著降低了时间复杂度与空间复杂度。数值实验表明所提出的算法是有效的。     

基于区分向量的不完备决策系统属性约简算法

区分矩阵是属性约简的一种有效方法.针对不完备的决策系统,定义了区分矩阵的概念,给出了区分矩阵构造方法,并根据区分矩阵稀疏性的特点,定义了区分向量的概念,在此基础上,给出了一种基于区分向量的不完备决策系统属性约简算法.最后,采用恒星光谱数据,实验验证了该算法的有效性.     

智能视频分析的车辆异常行为检测方法

针对目前车辆异常行为检测中的检测实时性问题,提出了一种基于智能视频分析技术的车辆异常行为检测方法。车辆出现异常行为时车辆位置变化、速度变化及运动方向变化较大。通过背景差分法检测运动车辆,并采用均值漂移算法跟踪运动车辆,获取车辆位置、速度、运动方向等车辆异常行为判别参数,对3种判别参数的状态函数加权融合检测车辆行为。为验证该算法的有效性,将对真实交通场景中采集的交通视频进行车辆运行状态检测实验。实验结果证明该算法能及时有效地检测出交通场景中的车辆异常行为。     

不完备决策信息系统规则提取的一种新方法

针对不完备决策信息系统问题,文章引入容差关系下包含集的概念,并由此提出一种基于包含集的不完备决策信息系统规则提取的新方法.相对于常规方法,该方法计算量较少.最后,文章通过实例验证了该方法的可行性和有效性.     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

一种子目标和水平集方法融合的AUV动态航路规划新算法

针对当前水下避障航路规划算法中障碍物模型偏理想化,易导致不能安全避障,且算法规划速度偏慢的难题,提出了一种基于子目标法和水平集方法的自主实时航路规划算法.算法基于AUV的前视声呐探测的障碍物部分轮廓信息,预估障碍物尺寸和中心位置,据此得出安全可靠的子目标点,再通过滚动的子目标法实现完全避障,通过水平集方法提升规划速度.仿真结果表明,提出的算法均能做到100%的避障,且避障后的航路性能质量比预先规划的全局最优航路的性能质量下降得很小:航路长度和航行时间的平均增加量均不超过5%.      

高速公路浓雾环境下换道决策规则提取及决策算法

依据换道决策规则进行换道是当前无人驾驶车辆常用的决策方法之一。针对浓雾环境下换道决策规则提取困难和研究较少的问题,研究了高速公路浓雾环境下的换道决策行为。首先,招募24名职业司机,利用Auto Sim驾驶模拟舱搭建虚拟高速公路浓雾环境进行驾驶实验;其次,提出了基于CART决策树的换道决策规则提取方法,提取出15条换道决策规则;最后,对换道决策规则进行了验证。结果表明,用CART决策树算法提取高速公路浓雾环境下换道决策规则是可行的,提取的规则能准确反应驾驶员换道行为的决策过程,可为高速公路浓雾环境下无人驾驶车辆的换道决策提供一定的理论支撑。     

基于遗传小波神经网络的非线性动态自治网络故障诊断仿真算法

为避免用状态方程计算和分析非线性动态网络的约束计算困难,特别是计算响应跨越边界时间的问题,针对非线性动态自治网络,提出一种基于规范式分段线性化总体表达式以及非线性网络的混合参数方程.求解该方程组可得到非线性动态自治网络的故障响应仿真算法,再由小波提取故障响应的特征.采用遗传算法对BPNN进行结构和参数优化,将得到的电路故障状态特征输入至遗传优化的BP神经网络进行故障诊断.仿真结果表明了该故障诊断算法的有效性.     

基于逆强化学习的电动汽车出行规划方法研究

随着电动汽车的普及，对电动汽车出行规划问题的研究显得尤为重要。有别于路径规划，出行规划既需要考虑路径问题又需要考虑充电问题。本文提出了一种基于逆强化学习（Inverse Reinforcement Learning，IRL）的电动汽车出行规划（Electric Vehicle Travel Planning，EVTP）方法，有效地为电动汽车用户规划一条兼顾行驶路径短以及充电时间短的可达路径。将Dijkstra算法进行改进得到考虑充电行为的最短路径作为专家示例输入到逆强化学习算法中；利用逆强化学习算法得到兼顾行走与充电的奖励；在学习策略上，采用Dueling DQN算法高效更新Q值，提升学习性能；采用部分充电策略以及分段充电策略，提升充电效率并使研究更接近真实情况。通过对模型的工作性能和结果进行详细分析，并结合基准方法进行对比，结果表明，基于逆强化学习的电动汽车出行规划方法在行驶时间与充电时间两方面都有较好的性能，且具备很好的迁移性。     

基于驾驶员类型分析的智能车辆交叉口行为决策

提出一种基于车辆行为交互的两阶段智能车辆交叉口行为决策方法.第一阶段通过基于模糊逻辑的驾驶员激进程度判别模型,判断交叉口其他车辆的驾驶员类型;第二阶段通过驾驶员激进程度与碰撞到达时间（TTC）进行行为决策.使用Prescan和Matlab/Simulink进行交叉口联合仿真.结果表明,该方法可以使智能车辆安全有效通过有其他车辆通行的交叉路口.      

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

基于飞蛾火焰算法的AUV三维全局路径规划

针对存在静态地形障碍和不规则海流的复杂海洋环境下的自主水下航行器（autonomous underwater vehicle，AUV）全局路径规划问题，采用飞蛾火焰优化（moth-flame optimization，MFO）算法搜索获得能耗最优的无碰路径。首先，将搜索空间栅格化后随机生成一组满足避碰需求的初始路径作为初始飞蛾种群；然后，根据MFO算法更新飞蛾位置，实现AUV路径的自主规划；最后，结合AUV巡航能耗模型和静态海流分布模型作为适应度函数，迭代搜索得到最优路径。为验证方法的有效性和优越性，进行了一系列仿真试验。试验结果显示，该算法在AUV全局自主路径规划中的规划效果相较于传统蚁群算法的规划结果具有明显优势，所得路径平滑，且在不同环境中均表现出极佳的全局收敛能力。