基于改进β样条理论的自主泊车路径规划

针对现阶段驾驶员停车环境日益复杂、泊车时安全事故频发的现象,提出了一种基于改进β样条理论而实现自主泊车路径规划方法.建立了泊车运动学模型,综合考虑泊车环境中可能遇到的情况、车辆运动学以及EPS(electric power steering)的性能要求,建立了路径避障约束、车辆转向盘转角及角速度约束.通过Matlab/...     

自动泊车发展现状及运动规划研究进展

汽车保有量持续上升与城市停车场建设不足间的矛盾引发了严重的停车问题,同时泊车位数量不足、泊车空间狭小等问题严重阻碍了车辆出行任务的完成。自动泊车因其较低的车速以及在特定场景下的高度自动驾驶,成为最先落地的自动驾驶产品。本文分析了国内外自动泊车市场的发展现状及趋势,重点讨论了泊车系统的规划决策模块。文中强调了运动规划的重要性,它直接影响车辆行驶质量,综述了国内外的研究成果,包括曲线插值、随机采样、图搜索、智能算法和数值优化方法,并分析了不同路径规划的优势和局限性。最后,展望了未来自动泊车技术的融合和发展方向。     

全自动平行泊车路径规划方法研究

为解决车辆泊车过程中发生碰撞预警,导致车辆无路径可跟踪的问题,为提高泊车成功率,提出一种全自动泊车路径规划方法,包括一次路径规划和二次路径规划。在对不同泊车状态进行约束分析的基础上,以路径曲率最小为优化目标,建立路径优化函数。利用Matlab非线性约束优化函数求得一次、二次路径轨迹函数参数。车辆在一次泊车发生碰撞预警的情况下进入二次路径规划模块。仿真结果表明:一次路径规划方法能满足车辆轨迹连续且无碰撞泊入车位;如若出现预警碰撞,二次路径规划方法能保证连续、安全泊入车位,为安全泊车提供了二次保障。     

基于多属性决策的多车自主泊车路径全局规划方法

虽然自主代客泊车技术已经可以代替驾驶员完成泊车操作,但在多车辆且缺乏调度的情况下,容易造成交通混乱。为此,提出了一种基于多属性决策的多车自主泊车路径全局规划方法,旨在解决泊位分配不合理问题并降低泊车整体成本。首先,建立停车场泊位拓扑地图,基于直线和回旋线构建引导路径;然后,设计引导路径择优的准则和子准则,构建层次分析（AHP）择优体系,确定最优泊位及其引导路径;最后,确定泊车起终点位置,以回旋线为基准,根据泊位的碰撞约束条件计算泊车路径。此外,模拟了多车同时进入停车场的场景,仿真结果表明,该方法可以有效降低泊车成本,提高泊车效率。     

多项式曲线优化的垂直泊车路径规划与跟踪

为提高复杂环境下自动垂直泊车的安全性和成功率,提出一种基于多项式曲线优化的垂直泊车路径规划方法和跟踪控制策略.首先,基于直线-圆弧路径下逆向泊车的方法,计算垂直泊车可行起始点范围.其次,综合考虑车辆位置结构和道路边界约束,以多项式为基函数、泊车终点姿态角最小为目标,建立多约束非线性规划路径函数模型,利用粒子群算法求解垂直泊车路径.最后,结合模糊神经网络控制方法,设计路径跟踪控制器.构建Simulink/CarSim仿真模型,对所提路径规划方法和跟踪策略进行仿真,结果验证了所提泊车路径规划和跟踪控制策略的可行性和有效性.     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

基于分层架构的自主代客泊车路径规划

为了解决最后一公里自动驾驶问题,提出一种基于分层架构的自主代客泊车路径规划算法.首先,利用栅格扫描算法快速准确地将自主代客泊车环境地图转化成为Voronoi图,量化自主代客泊车环境中任意栅格格网区域与其最近障碍物距离.随后,利用A*算法规划出全局自主代客泊车路径,并采用优先队列数据实现A *算法的开放列表来提升其计算效率.最后,基于自主代客泊车环境Voronoi图实现汽车碰撞检测,并采用改进动态窗口法沿着全局自主代客泊车路径规划出满足汽车非完整约束和机械约束的无碰撞路径,扩展传统动态窗口法的可行解空间和降低其保守性.在VC ++6.0环境中验证所提出的自主代客泊车路径规划算法的可行性和有效性,结果表明,该算法可以安全、快速地引导汽车到达目标泊车位附近,为汽车后续执行泊车操作奠定基础.     

基于圆弧样条参考路径的改进混合A*泊车路径规划算法

在泊车空间狭窄的条件下,现有的基于混合A*算法的泊车路径规划存在成功率低或规划速度慢等问题,为了解决这一问题,设计了一种改进混合A*路径规划算法。通过将圆弧样条曲线作为参考路径,并以参考路径上的点作为混合A*算法的目标点,进而搜索出成功泊入车库的路径。根据不同车位宽度进行了基于Matlab的批量仿真测试,结果表明：改进后的混合A*算法能够显著提高车辆在特定区域泊入车库的成功率,同时具有一定的规划效率。最后基于Prescan、Carsim和Simulink进行了联合仿真实验,验证了所设计算法规划的路径满足实车实验的跟踪要求。     

基于样条理论的自动垂直泊车轨迹规划

分析泊车轨迹曲线设计要求并综合B样条曲线特点,提出基于B样条曲线理论通过对轨迹控制点优化进行自动垂直泊车轨迹规划的方法.分析泊车过程中存在的可能性碰撞点,并建立相应的避撞约束函数.考虑泊车环境障碍约束、车辆自身参数约束、泊车初始点方位约束、泊车终点位置约束,以泊车轨迹的最大曲率值最小化为目标,以轨迹曲线控制点为变量,根据Ackerman转向原理建立车辆运动轨迹多约束方程.分别对一般泊车环境和狭小空间泊车环境进行泊车轨迹规划,利用Matlab软件非线性约束优化函数求得轨迹控制点,得出轨迹曲线.仿真结果表明:对于一般泊车环境该方法能使车辆无碰撞地进入车位,且满足泊车轨迹曲率连续性;对于相对狭小泊车环境,也能求得一组轨迹控制点,通过不断调节前轮转角实现车辆无碰撞地泊车入位并保证了轨迹曲率的连续性.仿真结果表明了基于样条理论的泊车轨迹规划方法可实现车辆无碰撞地泊车入位,并满足轨迹曲率连续性要求,有效地解决了泊车过程中停车转向问题.     

线控四轮转向汽车平行泊车路径规划与跟踪控制

针对线控四轮转向汽车平行泊车路径规划与跟踪控制问题,提出一种基于改进粒子群优化算法的平行泊车路径规划方法和一种基于前馈控制和反馈控制的平行泊车路径跟踪控制策略.首先,综合考虑线控四轮转向汽车运动学非完整约束、动力和转向子系统的过程约束和边界约束、避障约束、泊车初始位姿和目标位姿约束,建立以最小化泊车过程总时长为目标的平行泊车路径规划约束最优化问题,并采用可以处理等式约束和不等式约束的粒子群优化算法对其进行求解,得到最优平行泊车路径.随后,利用平行泊车路径规划过程得到的车轮转向角作为前馈控制量,并利用汽车实际位姿与期望位姿的偏差构建PI反馈控制量,实现对规划的平行泊车路径快速、精确和稳定的跟踪控制.最后,利用车辆动力学仿真软件构建模型在环仿真系统,验证所提出方法的可行性和有效性.结果表明:所提出的方法可以快速、精确和稳定地引导线控四轮转向汽车自动完成平行泊车任务.     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

基于RBF神经网络的输电线路故障类型识别新方法

基于径向基函数(radial basis function,RBF)神经网络理论,采用电流突变量比例系数,提出了一种对输电线路故障类型识别的新方法。利用PSCAD/EMTDC软件建立500 kV高压输电线路仿真模型,仿真不同工况下的故障。由各相电流之差提取故障差流信号的突变量,并计算故障后一个周期内差流突变量的有效值,得到故障状态下各相差流突变量占三相差流突变量有效值总和的比例系数,结合零序电流判别系数构造故障类型识别特征向量,建立RBF神经网络进行故障类型识别。仿真结果表明,采用电流突变量比例系数作为特征量包含的信息更丰富,对RBF神经网络的训练效果更好,不受故障位置、故障初始角和过渡电阻等因素的影响,网络识别精度高。     

基于RBF神经网络的异向介质基本单元分析

利用径向基神经网络(RBF神经网络)对异向介质的基本单元进行分析,建立异向介质等效介电常数及等效磁导率与介质敏感结构参数之间的神经网络模型.实验结果表明,该模型所得结果与全波分析相吻合,分析时间为138.465793s,训练平方和误差为0.0374879,满足工程要求.验证了该模型的可靠性及合理性,减少数值分析法由于厚度谐振等问题而引起的结果错误问题,解决了异向介质分析精度与效率难以共存的问题.     

基于流形分析与AP算法RBF神经网络分类器

提出了一种基于流形分析与近邻传播（AP）算法的径向基函数（RBF）神经网络分类算法.通过流形分析算法对数据集进行初步处理,然后通过指数函数调整相似度矩阵,再重新进行AP聚类,在此基础上构造RBF神经网络分类器,通过拟合正确率来判断算法是否收敛,并对分类结果运用FMI指标进行评价.实验结果表明：改进算法中RBF网络隐节点数普遍得到增加,使得RBF神经网络拟合精度得以提高;从分类结果可以看出该算法对训练数据集都获得了很好的拟合正确率,对测试数据集也获得了较高的测试正确率.     

Performance prediction for Grid workflow activities based on features-ranked RBF network

Accurate performance prediction of Grid workflow activities can help Grid schedulers map activities to appropriate Grid sites.This paper describes an approach based on features-ranked RBF neural network to predict the performance of Grid workflow activities.Experimental results for two kinds of real world Grid workflow activities are presented to show effectiveness of our approach.     

基于RBF神经网络的热力系统煤种辨识方法

为了保证热力系统稳定运行,提高锅炉安全寿命,控制污染物,该文利用多模型思想,对煤种低位发热值进行初步辨识和精确辨识。初步辨识中,采用改进的K均值聚类算法,快速辨识出煤种类型;精确辨识中,利用初步辨识的结果优化发热量辨识模型,减少模型搜索范围,采用自动调节隐节点和参数的径向基函数(RBF)神经网络算法。仿真结果表明,该辨识方法的辨识误差在1.5%以内,具有良好的辨识精度,在速度上也优于单独的RBF辨识算法,可以应用于热力系统煤种发热量在线辨识。     

基于RBF神经网络的软基沉降预测研究

将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压缩层从上到下分成若干段，每段的土性指标按段内各层土在段中的长度取加权平均作为系统的输入，将某个沉降模型的沉降曲线参数作为系统的输出，可以预测后期沉降曲线走势．实践表明，建立的基于RBF神经网络的软基沉降短期预测和长期预测模型是可行的，只要有足够多的训练样本，长期预测可以达到比较精确的预测效果．表5，参9．     

基于菌群RBF神经网络的股票价格预测

利用菌群算法提出了一种新的菌群RBF神经网络算法,并将其应用到股票价格预测,同时在预测中引入了技术指标模型。仿真试验表明,相比于传统的RBF神经网络算法,菌群RBF神经网络算法可以得到更好的训练效率和预测结果。     

欠驱动船舶RBF神经网络路径自适应跟踪控制

针对模型参数未知和存在外界干扰的三自由度欠驱动水面船舶路径跟踪控制问题,提出一种RBF神经网络控制器.该算法利用神经网络的函数逼近特性对船舶模型未知的非线性部分在线逼近并与反步法相结合进行设计,同时实现前进速度在线可调.通过Lyapunov稳定性方法分析验证了闭环系统的稳定性.仿真计算验证了该控制策略的有效性.     

基于RBF神经网络与遗传算法的Agent初始位置优化

以陆地作战训练模型为背景，研究了多Agent系统中Agent初始属性的优化问题，提出了一种径向基函数(RBF：Radial Basis Function)神经网络与遗传算法(GA：Genetic Alorithm)相结合的、对作战训练模型中Agent的初始位置进行优化的方法。与已有的优化方法相比，该方法不仅优化效果得到明显的提高，而且执行效率可以提高20余倍，更适于处理对执行效率要求较高的优化问题。