考虑人机信任匹配的人机协同控制策略

人机互信水平是影响人机协同系统表现的关键因素之一。提出了一种考虑人机信任匹配的主从博弈协同控制策略。建立评估驾驶人和机器相互信任程度的方法,在此基础上根据人机信任匹配程度进行协同驾驶中的权重分配;采用模型预测控制框架并结合主从博弈进行最优化求解,得出最优的协同控制策略;通过驾驶人在环实验,验证了所提出的协同控制策略的有效性。结果表明,对于不同信任匹配程度的驾驶人,所提出的策略使得驾驶人路径跟踪精度平均提高了70.91%,驾驶负担平均降低了44.03%。所提出的策略能提升车辆的驾驶表现,减轻驾驶人操作负担。     

一种新的半监督支持向量机

在模式识别中,采取支持向量机对有类别标签样本分类是非常有效的,但在实际应用中,对样本进行标记并不是一件容易的工作.通过综合利用有类别标签和无类别标签样本信息构造目标函数和约束条件,借助二次规划模型提出了一种新的半监督支持向量机,从而提高了仅依靠有类别标签样本支持向量机的分类准确率.     

一种基于LTVMPC改进的 无人驾驶汽车路径跟踪控制算法

在低附着路面情况下,针对现有以线性时变模型预测控制(LTVMPC)为基础的无人驾驶汽车路径跟踪精确性和稳定性问题,提出一种改进的控制算法.以汽车动力学理论为基础,将四轮轮胎侧偏角和滑移率精确地表示为车辆状态量的非线性函数,在预测时域内对车辆状态方程线性化处理而求解雅可比矩阵时,为降低系统维度,将轮速作为非状态量,建立改进的三自由度车辆模型,在二次规划性能指标中加入横摆角速度跟踪误差项以提高路径跟踪性能,考虑质心侧偏角对跟踪精度和车辆稳定性的影响,修正参考横摆角,建立改进的LTVMPC.在Carsim-Simulink联合仿真平台进行低附着系数路面情况下的双移线跟踪仿真,结果表明改进后的控制算法在保证实时性的前提下,提高了路径跟踪的精确性和车辆行驶的稳定性.     

考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略

汽车加速度和速度因交通环境障碍物实时动态变化,智能汽车避障实时参考轨迹不光滑变化;参数摄动,车速实时变化和采集信号干扰,将造成智能汽车动态侧向避障精准控制困难。为此,提出考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略。该控制策略分为动态轨迹规划层和动态轨迹跟踪层;动态轨迹规划层依据障碍物汽车加速度和速度动态变化,采用基于避障极限位置的动态轨迹规划算法,以规划能够保证智能汽车侧向安全避障的实时参考轨迹;动态轨迹跟踪层设计了考虑了质量、转动惯量和前后侧偏刚度参数摄动的鲁棒控制器,以实现实时动态参考轨迹精准跟踪。最后,利用Matlab/Simulink和Trucksim软件联合仿真,进行所提控制策略仿真验证。仿真结果表明：动态轨迹规划层能够依据障碍物汽车加速度和速度实时变化,实时规划了安全侧向避障动态参考轨迹;轨迹跟踪层克服了质量、转动惯量、前后侧偏刚度参数摄动,以及实时参考轨迹不光滑动态变化,平滑良好地跟踪了侧向避障实时参考轨迹。因此,所提控制策略实现了智能汽车安全动态侧向避障,同时确保了避障过程汽车横摆稳定性。     

基于视觉的人机协同的用户操作意图预测

提出了一种自然交互方式的用户操作意图的预测算法。通过采集人体骨骼数据,建立人体手臂运动模型。采用机器视觉方式提取目标物体的特征值并建立意图模型。采用层次分析法对表达用户意图的主导因子进行权重匹配。该算法采用并行处理的方法对用户意图进行预测。通过相关实验,验证了预测算法的可靠性,该算法有助于提高人机交互的效率。     

基于线性二次型调节器的神经网络PID控制系统

讨论了基于神经网络PID的控制方法在线性二次型调节器(LQR)问题中的应用，针对控制工程中的无限时间LQR问题，提出了神经网络PID控制整定方法，从而实现PID参数的在线自适应寻优。同时，考虑了连续时间线性时不变系统的渐近稳定性问题。最后，运用MATLAB仿真实现证明了该方法的可行性、有效性。     

一种新的基于梯度动力学的协同神经网络学习算法

在研究协同神经网络梯度动力学过程的基础上，针对学习过程收敛速度缓慢的缺点，介绍了一种改进的基于梯度动力学的协同神经网络学习算法。该算法分析了非平衡注意参数对学习过程的影响，简化了初始伴随向量的选取；并引入最优化理论，将该问题归结为求解非线性最优化问题，提出了适时地用共轭梯度法代替梯度下降法的算法，加快了学习过程的收敛。通过对标准人脸图像库的图像识别实验表明该算法较之其他学习算法有较高的识别率，并能较快地收敛到极小值。     

一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.     

一种新型支持向量机

讨论了现有的用于分类的支持向量机(SVM)所确定的边界在抗干扰方面的局限性.在此基础之上提出了一种新型支持向量机,即基于边界调节的支持向量机,并利用K-T条件得到了这种支持向量机的对偶目标函数.通过对人工数据集和真实数据集的仿真实验表明,相对于L1-SVM而言,基于边界调节的支持向量机具有更少的支持向量和更好的推广性能.     

一种基于ELMAN神经网络的最优中制导律

对于中远程导弹,为得到最优中制导弹道,提出了一种基于ELMAN神经网络的最优中制导律。研究和仿真分析表明这种基于ELMAN神经网络的最优中制导律与其它末制导律配合,可有效提高导弹拦截机动目标的性能。     

基于权值惩罚法自适应人机协同避撞策略

针对协同避撞过程中人机权值难以适应不同驾驶员与工况的问题,提出了一种自适应人机协同避撞策略。基于单点预瞄驾驶员模型,根据驾驶员决策意愿搭建了表征驾驶风格的驾驶员模型。基于距离策略,提出避撞模式切换策略,设计模型预测控制器跟踪规划路径。提出驾驶员权值惩罚法,根据驾驶员参数与道路条件对驾驶员权值进行先验条件的惩罚,引入碰撞、侧滑和越出车道3种事故风险度,设计模糊控制器,依据事故风险度对避撞过程中的驾驶员权值进行实时惩罚。仿真结果表明所提出的人机协同避撞策略可实时调整人机权值,显著降低事故风险,从而在协调人机有效避撞同时保证行驶安全性与稳定性。     

基于HS光流法的机器人避障策略优化

机器人的自主避障功能是其在未知环境中顺利行驶的最基本的功能,针对使用光流法进行机器人避障时,机器人因盲目避障、过早障碍而造成的避障效率低的问题,提出了优化避障策略的方法。在两轮式机器人上搭建实验平台,采用Horn&Schunck（HS）光流算法计算机器人运行前方的光流场,由光流场中信息来计算机器人与障碍物的碰撞时间TTC（Time to Contact）,根据碰撞时间设计机器人的避障系统。通过在真实环境下进行的避障实验,验证了避障系统的有效性,并提出将机器人避障时的旋转角度与光流矢量值 的大小建立关系,从而更加合理高效的避开障碍物。     

一种面向多智能体群集的避障算法

多智能体群集中的避障问题是研究的难点问题,每个智能体需要安全避开障碍物并朝着目标点前进.根据现有的基于人工势场函数的群集算法,提出一种改进的具有避障能力的群集算法.在该算法中,将障碍物等效成虚拟智能体进行避障.智能体感知到障碍物后,不是立即采取避障措施,而是将智能体的速度方向和目标点考虑在内,根据智能体不同的速度方向和目标点的位置,采取不同的避障措施.经理论分析与实验验证,表明所提出的算法能够有效地躲避障碍,并且在避开障碍物后更快地达到群集.     

基于启发式搜索算法的水面自主无人艇避障策略

针对水面自主无人艇静态路径规划全局最优的问题,以提高全局路径规划算法精度为目标,提出了一种基于改进启发函数的全局路径规划方法。该方法采用栅格法对已知环境地形图进行建模,基于A~*算法设计了一种新型的启发函数,通过改变导航控制器的增益系数来对路径进行优化。考虑到水面障碍物漂移作用对水面自主无人艇路径规划产生的影响,通过设置不同的障碍物形态、大小来模拟水面障碍物漂移作用产生的漂移增量。采用MATLAB仿真平台进行多次实验测试,测试结果证明了改进避障策略算法的可靠性。     

疲劳试验新方法—显微疲劳试验

介绍了显微疲劳试验－一个新的疲劳试验方法，由此研制的疲劳试验装置，能够在金相级的水平上进行十分精细的疲劳试验，全部实验过程可以进行实时观察和记录，用该细观手段实验观察，可望对金属疲劳进行更深层次的分析研究，能更好地理解工程零部件中实际疲劳裂纹的产生与扩展的过程。     

一种改进的HS光流法在机器人避障系统中的应用

机器人的自主避障功能是其在未知环境中顺利行驶的必备功能。基于光流法的机器人避障系统是近几年研究的新热点,在光流场的计算方法中,被使用最多的是由HornSchunck提出的HS光流法。在传统HS光流法的基础上,提出了一种加快光流场计算的方法;并将两种算法应用到相同的避障系统中。通过比较机器人避障实验的结果可以得出,当使用改进算法计算光流场时,避障系统能更快的探测出机器人行驶前方的障碍物,提高了机器人躲避障碍物的效率。     

一类双边障碍问题的积极集算法

双边障碍问题是一类应用十分广泛的问题.使用积极集算法求解带T-单调算子对应的双边障碍问题,建立了算法的单调收敛性定理.     

Motion Planning Method for Obstacle Avoidance of 6-DOF Manipulator Based on Improved A* Algorithm

The conventional A* algorithm may suffer from the infinite loop and a large number of search data in the process of motion planning for manipulator. To solve the problem,an improved A* algorithm is proposed in this paper by the means of selecting middle points and applying variable step segments searching during the searching process. In addition,a new method is proposed for collision detection in the workspace. In this paper,the MOTOMAN MH6 manipulator with 6-DOF is applied for motion plan. The algorithm is based on the basis of the simplification for the manipulator and obstacles by cylinder enveloping. Based on the analysis of collision detection,the free space can be achieved which makes it possible for the entire body to avoid collisions with obstacles. Compared with the Conventional A*,the improved algorithm deals with less searching points and performs more efficiently. The simulation developed in VC + + with OpenGL and the actual system experiments prove effectiveness and feasibility of this improved method.     

基于疲劳特征长度概念的一种新疲劳理论

针对现有疲劳评价方法存在的问题，引入疲劳特征长度的概念，提出一种新的疲劳理论，该理论既可以统一含不同大小缺陷的疲劳评价问题，也可以很好地说明材料疲劳特性的尺寸依存性问题，并将疲劳极限和裂纹扩展门槛值的评价方法统一起来.通过对各个特征长度内裂纹扩展过程的考察，发现材料的S N曲线、ε N曲线和Pairs规律三者之间存在内在关系.通过与文献中的实验结果比较，发现本理论与现有光滑材料、缺陷材料以及疲劳裂纹扩展的评价结果一致.