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.     

有人与无人驾驶车辆交叉口驾驶博弈模型

针对有人与无人驾驶车辆在交叉口存在冲突时的协调控制问题,引入智能网联车辆的设计思想,将交叉口存在交互行为的决策个体建模为博弈中的参与者,以冲突车辆的速度改变方案为博弈策略,构建双方的收益矩阵,而驾驶收益采用行车安全收益、行车效率收益和行车舒适性收益来计算,求解博弈模型的纳什均衡,作为双方的最优驾驶策略组合,完成交叉口多车冲突的协作优化.模型加入驾驶员类型的多样性模拟,基于Matlab对提出的算法进行验证,结果表明无人驾驶车辆会根据对方驾驶员行为调整自身的行为策略,与基于冲突表的协作算法对比,本算法的冲突消解所用时间更短,在确保安全的同时提高了冲突车辆通过路口的效率.      

人机共驾智能汽车紧急工况下的驾驶员应激反应

基于L2-L3级别智能汽车在人机共驾工况下驾驶员的认知特征,建立人机共驾智能汽车紧急工况下的驾驶员应激转向模型,该模型反映了驾驶员在应激过度状态下的转向特性.通过应激转向曲线中转向盘转角幅值与转向频率之间的拟合关系来表征驾驶员的应激程度.考虑高速大转角下的车身侧倾,并引入非线性轮胎模型,建立3自由度非线性整车动力学模型,通过侧向加速度的跟踪仿真对驾驶员应激转向模型进行验证.结果表明：驾驶员在应激过度行为下会使车辆产生过度的前轮转角;模型输出结果和实车试验结果有较好的匹配度,模型可以描述驾驶员应激转向特征.     

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。     

基于粒子群优化算法和博弈论的网络学习控制系统带宽调度

研究了双层网络学习控制系统的带宽调度优化问题.为了合理分配子系统的带宽,引入了网络定价体系和动态带宽调度方法,建立了非合作博弈模型,从而将网络控制系统的网络资源分配问题转换为非合作博弈竞争模型下的Nash均衡点求解问题.在此基础上,采用粒子群优化算法得到此框架下的纳什均衡解,并进一步给出了网络控制系统的时间片调度方法.仿真结果表明了所提方法的有效性.     

移动边缘计算中基于非合作博弈的计算卸载策略研究

针对多用户、多任务的复杂场景,建立一种基于非合作博弈和排队论的计算卸载博弈模型。以计算任务的平均响应时间和平均能耗作为性能指标,提出一种非合作博弈的纳什均衡卸载策略和成本函数,设计一个迭代算法来求解系统的纳什均衡。理论证明了该博弈模型的纳什均衡存在且具有唯一性。数值仿真结果表明,基于非合作博弈的纳什均衡卸载策略可以显著降低移动设备的开销,提升系统性能,更好地满足用户需求。     

驾驶人纵侧向驾驶能力评价方法研究

为合理分配智能汽车人机协同共驾驾驶权,提高智能车辆的驾乘安全性和舒适性,本文提出驾驶人纵侧向驾驶能力的概念及其评价方法.对驾驶人的驾驶能力进行了定义和分析,并在此基础上设计了纵向跟车激励工况和侧向移动双移线激励工况,在搭建的驾驶人在环智能仿真平台上进行数据采集.建立了基于Hammerstein辨识过程的驾驶能力辨识模型,采用主成分分析法对驾驶能力辨识模型中的关键参数进行解耦和降维处理;通过客观蚁群聚类和主观量表分析相结合的分类方式,实现驾驶能力的分类;通过多元线性回归分析得到驾驶能力评价方程.结果表明,纵侧向驾驶能力辨识模型平均辨识及拟合精度均大于90%,经主成分分析及主客观分类处理后的纵侧向驾驶能力评价方程满足统计检验指标,具有良好的拟合及预测结果.      

带BB步长的自适应投影法解广义纳什均衡问题

广义纳什均衡问题是一种非合作博弈,其每个竞争者的策略集和目标函数都要依靠其他竞争者的策略.它在经济学、管理科学及交通运输等领域都有广泛的应用,但如何有效地求解广义纳什均衡问题仍然是备受关注的课题.本文提出了带有BB步长的自适应投影法求解广义纳什均衡问题:首先,把广义纳什均衡问题转化成拟变分不等式问题,然后把BB步长推广到求解拟变分不等式问题上,并在函数余强制条件下证明了算法的全局收敛性.数值结果进一步说明该方法的有效性.     

种群分化遗传算法在求解多人非合作对策Nash均衡解中的应用

针对多人非合作对策难以求Nash均衡解的问题,作者对遗传算法中的种群分化算法进行改进,以解决这个问题.仿真实验的结果表明,对于求解Nash均衡解,此算法有了比较良好的效果.     

基于非合作博弈的应急车辆调度与再配置

多事故多救援站点的应急车辆调度问题中,在处置当前事故时,若将空闲车辆再配置于救援站点,有利于对潜在事故的快速响应.文中采用双层规划理论和非合作博弈理论建立应急车辆调度与再配置模型.上层模型在事故需求和救援时间窗约束下,最小化当前事故响应时间;下层模型将各救援站点视为非合作博弈的局中人,综合考虑车辆再配置时间和救援站覆盖区域潜在风险,确定局中人的收益函数,将优化再配置策略转化为寻求非合作博弈的纳什均衡.然后,提出一种层次混合蛙跳算法,其中上层算法用于求解约束单目标规划问题,下层算法用于求解非合作博弈模型.求解事故算例证明了应急车辆调度与再配置模型的合理性和层次混合蛙跳算法的有效性.     

基于动态预警的人车共驾智能汽车侧向避障鲁棒控制

为提高人车共驾智能汽车侧向避障安全性,提出了基于动态避障预警的侧向避障鲁棒控制策略.针对汽车行驶前方汽车加速度和速度动态变化,建立汽车纵向安全距离模型,提出了基于临界纵向安全距离和碰撞时间倒数融合互补的多级预警算法.针对不同预警状态,根据驾驶员是否介入,对智能汽车进行相应控制,实现人车共驾智能汽车安全性;针对避障过程前后侧偏刚度参数动态摄动,提出了考虑参数动态摄动的鲁棒控制策略,以实现智能汽车侧向避障轨迹精准跟踪.搭建了Carsim与Simulink联合仿真平台,进行了所提控制策略仿真分析,结果表明:所提控制策略有效,实现了不同级别预警并能根据驾驶员动态介入而动态调整预警状态,若驾驶员对预警未介入直到四级预警,控制策略自动接管人车共驾智能汽车,进行侧向避障控制,提高了人车共驾智能汽车安全性和横摆稳定性.     

基于云模型的驾驶员驾驶状态评估方法

为了满足智能车辆辅助驾驶系统对驾驶员状态监测的要求,提出了一种以云模型理论为基础的评估机动车辆驾驶员驾驶状态的方法。介绍了云模型定义、云模型的3个数字特征和云发生器。通过云模型对实际道路上采集的驾驶员不同驾驶状态下的视频录像进行了建模和比较。在清华大学室外移动机器人平台THM R-V上进行了简单实验,实验结果表明,该方法可以识别驾驶员的异常驾驶行为并且给出报警信息。     

基于机器视觉的车辆自动驾驶模糊控制设计

针对车辆动力学控制系统所具有的强非线性特点提出了基于机器视觉的车辆自动驾驶模糊控制方案.采用Michael等人提出的车辆系统动力学模型,通过模糊控制规则的量化划分对车辆在道路上的运动进行了仿真.仿真的结果 显示,本方案可以很好地解决空旷道路上的车辆自动驾驶问题,并且该控制方法 可以保证车辆快速准确地在道路上安全高速行驶,具有很好的鲁棒性.     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

基于改进型滑模控制的4WS汽车控制策略研究

针对线控四轮主动转向车辆受侧向干扰和变道行驶时存在的操纵稳定性问题,基于单点预瞄驾驶员模型、三自由度整车动力学模型和改进型滑模四轮转向（4WS）控制算法,建立了4WS整车驾驶系统,并设计了双移线行驶工况对其进行实验测试.在Matlab/Simulink软件中对该整车驾驶系统进行建模仿真,并与相同参数的经典型滑模控制的4WS车辆和无控制前轮转向（FWS）车辆模型仿真结果对比.结果表明:设计的改进型滑模控制器可以有效地实现双移线行驶工况,追踪理想横摆角速度,使质心侧偏角、车身侧倾角和侧倾角速度保持一个相对较小的值,并且对侧向干扰具有很强的鲁棒性.      

基于模糊在线识别的并联混合动力客车自适应控制策略

针对一款并联混合动力客车提出了一种基于模糊在线识别的自适应控制策略.基于自主研发的混合动力车数据采集监控系统构建符合本地车辆实际行驶道路特点的典型工况,设计模糊工况识别算法对车辆实际行驶的工况类型进行在线识别.根据最小等效燃油消耗控制算法和电池电量平衡控制方法,结合工况识别的结果调用相应最优控制参数,对发动机和电池的功率分配进行实时优化计算,实现对整车的控制.实验结果表明,所设计的模糊识别方法能够较好地完成行驶工况类型的识别.基于此所提出的自适应控制方法能够在满足车辆需求功率和电池SOC维持在有效工作区间内的前提下完成发动机和电池的最优功率分配,显著提高整车的燃油经济性.      

双离合器自动变速器起步的智能控制策略

综合考虑了驾驶员的起步意图、车辆负载、路面坡度及离合器的接合状态,提出了基于模糊控制和神经网络的双离合器自动变速器(dual clutch transmission,DCT)的双离合器协同起步智能控制策略.根据油门开度及其变化率的大小实时识别出驾驶员的起步意图,基于优秀驾驶员的操作经验制定了驾驶员意图的模糊控制规则.以车辆负载、路面坡度及驾驶员起步意图为神经网络输入参数,以离合器主从动盘的转速差与主动盘转速的比值和离合器接合速度为控制参数控制双离合器的接合、分离过程,实现了基于人-车-路的双离合器协同起步的自适应控制.利用快速起步、慢速起步及驾驶员意图多变的起步工况对所制定的智能控制策略的合理性进行了验证.     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.