超低空空投非线性PIO预测方法

在超低空空投下滑阶段,容易出现驾驶员诱发振荡即PIO(Pilot Induced Oscillation)问题,在此基础上分析了空投下滑拉平阶段产生PIO的主要致因,并建立含作动器速率限制的人机闭环系统,推导了闭环系统PIO发生的公式。基于同步和Neal-Smith驾驶员模型以及不同作动器速率饱和值运用描述函数法和GAP准则预测某型运输机PIO趋势。不同驾驶员模型PIO预测结果不同,同步驾驶员模型比Neal-Smith驾驶员模型仿真效果好,运用同步驾驶员模型进行预测,当驾驶员操纵增益绝对值大于11.5时,人机闭环系统失稳,容易产生PIO问题。仿真结果表明,若PIO是由驾驶员粗暴操纵所致,可通过减小操纵增益有效避免PIO的发生,在合理且允许范围内提高运输机舵机作动速率限制值可在一定程度避免PIO的发生。     

一种适合于昏暗光线下的驾驶员脸部定位方法

采用CCD摄像机获得驾驶员脸部图像.由于黑天光线不足,肤色较暗,在将彩色图像转变为黑白图像的过程中,首先通过腐蚀和膨胀结合的方法去除图像部分的噪声.采用图像差异的阈值处理方法,初步选定灰度阈值,再利用二次非线性方程对灰度值进行归一化处理,强化了图像灰度集中各灰度值之间的差异,以此灰度阈值作为分割人脸和背景的界限值,得到图像的灰度直方图,再把灰度直方图向水平和垂直方向投影,获得驾驶员脸部区域,实现对驾驶员面部定位.该方法可以在昏暗光线下,定位人脸区域,有效去除干扰.根据上述算法,进行了不同环境和路况下的监控试验.结果表明:在昏暗光线下。驾驶员脸部定位的平均准确率达到83%,该方法具有实时、准确的...     

汽车驾驶员驾驶行为可靠性分析

道路交通系统是由人、车、路、环境组成。交通事故是由于系统不稳定或不平衡发生的。在这些因素当中,人的可靠性是最差的。在各类交通事故中,人的因素占80%～90%。因此研究驾驶员的行为差错,对保障行车安全,减少交通事故有着十分重要的意义。     

UFO数度侵袭莫斯科

1981年11月16日晚上8点多钟,苏联莫斯科市区东部的依兹玛伊公园的无线电工程师蔡伊斯特基和好些路人看见一架发光的圆形UFO从公园的树丛后面突然升起,飞到夜空之中。蔡伊特斯基等人听见树丛后面有妇女在狂喊:魔鬼降临了!妇人指着雪地上一个完整的深陷圆形,显然是热力溶化的痕迹。她说:有一架飞碟降落在这里,飞碟门一开,走下来一个怪物。     

随机动态条件驾驶员多讫地出行路径选择研究

为解决驾驶员多讫地出行路径选择问题,综合各评价指标,提出了势力圆法,并对不同重要度讫地的势力圆分别进行了讨论研究. 结合离散动态贝叶斯网络,建立了多讫地出行的驾驶员路径选择动态决策模型. 通过具体算例对该模型进行了仿真验证,结果表明,综合势力圆法和离散动态贝叶斯网络方法在多讫地出行的路径决策中有着很好的适用性.      

驾驶员行为仿真模型研究进展

着重从驾驶行为分析的角度出发,回顾了以往构建于控制论思想之上的车辆跟驰模型,特别是其中与人因素有关的GHR模型、碰撞避免模型、AP模型、基于模糊逻辑的模型、基于神经网络的模型、期望间距模型等,对各模型的构建理论和主要优缺点进行了详细阐述,从整体上揭示了上述模型构建过程中所忽视的用于刻画驾驶行为可变性特点的一些关键性问题,并结合当今交通领域最新的研究成果分别从应用领域专门化、研究手段多样化、研究层次深入化、模型构建实用化等方面预测了驾驶行为仿真模型未来的发展趋势.     

汽车安全带强制佩戴装置

<正>《中华人民共和国道路交通安全法》明确规定机动车在行驶时,驾驶人、乘坐人员应按照规定使用安全带。汽车安全带是一种有效的安全防护装置,素有生命带之称。但是,一些驾驶员、乘客为图省事,忽视了安全带的保护作用。在一些车祸中,由于不系安全带,驾驶员和乘客被甩到车外致伤、致死。相反,如果系了安全带,驾驶员和乘客生还的几率     

金牌车队炼成记

载满乘客的公交车每天奔波于城市的各个角落,路线重复,动作重复,公交车师傅的工作未免有点枯燥乏味。在长沙,有一支9路公交车队,却在平凡的工作中收获了不平凡的业绩。多年来,9路公交车的司机们,每天用娴熟的技术、灿烂的笑容、耐心的解答服务着这个城市,多次被湖南巴士公共交通公司评为先进集体和优秀工会小组,曾荣获长沙市文明单位、长沙市工人先锋号线路、全国交通建设系统工人先锋号线路,今年又被中华全国总工会评为全国工人先锋号,荣摘湖南巴士金牌车队的美誉。     

汽车方向控制驾驶员模型

建立合适的汽车方向控制驾驶员模型是人-车-路闭环系统最重要的环节之一.目前在传递函数、最优控制的基础上建立了补偿模型、预瞄补偿跟踪模型、预瞄最优曲率跟随模型等,但由于驾驶员驾驶特性的非线性、时变性等特征,上述模型很难模拟驾驶员实际操纵行为.考虑到驾驶员的操纵特性,运用智能控制理论,基于模糊控制、神经网络及这两者的结合,建立相应的驾驶员模型可以更加接近驾驶员实际的驾驶行为.