基于模型的有限预测逆跟踪控制

针对水下无人潜航器(unmanned underwater vehicle,UUV)非最小相位的特性,提出利用有限预测逆方法实现其精确的跟踪控制.利用系统逆方法计算当前时刻t_c的有界的逆输入,需要已知所有未来时刻的理想输出信息.为了有效利用未来时刻的理想输出数据,并提高计算效率,提出将时间窗内理想输出的预测信息用于逆算法中,来求取控制输入值,从而实现对UUV的路径跟踪控制.有限预测逆方法是利用从当前时刻到未来T_p时刻内的理想路径来获得逆输入,可以实现在线控制.通过给定的精确逆输入与利用有限预测逆方法所求得的输入之间的误差,对参数T_p和m进行优化.通过实验验证了该方法的有效性,并对比说明了跟踪误差与优化参数T_p之间的呈指数递减的关系.     

自动驾驶环境下交通均衡分配模型及算法

研究自动驾驶环境下(autonomous vehicles,AVs)路径选择和停车选择的交通均衡分配.AVs的路径选择和停车选择两个过程,分别对应载人状态(从起点到目的地)和空载状态(从终点到停车场),考虑两种状态的交通流在路段上相互影响,针对路段成本函数Jacobian矩阵对称与不对称的情况,提出相应的模型以及求解算...     

一种应用于交通环境中的运动车辆跟踪方法

针对利用卡尔曼滤波进行运动车辆跟踪过程复杂的问题,提出了根据相邻两帧车辆的面积重叠率进行运动车辆预测的车辆跟踪方法,该方法提取前后两帧中所有车辆的最小外接矩形框等特征,把与前帧中面积重叠率最大的车辆作为前帧中对应车辆的最佳预测,根据提取的车辆特征进行匹配,从而完成车辆的跟踪。实验结果表明,该车辆跟踪方法的效果较好。     

政府驱动下新能源汽车分时租赁的演化博弈分析

考虑到新能源汽车分时租赁是优化交通结构、节能减排的有效措施,而且其运营安全、信用体系、政府补贴等方面亦亟待解决和规范,从政府驱动的视角研究了新能源汽车分时租赁的演化博弈。该研究基于演化博弈理论构建了政府、企业和出行者三方博弈模型,探讨了系统演化稳定策略,并运用Matlab 7.0软件仿真分析了相关参数变动的演化路径。结果表明：政府驱动是新能源汽车分时租赁市场健康稳定发展的有力推动因素;政府公共投入对企业的激励作用明显,企业补贴的激励作用随着时间推进会减弱;消费者注重出行体验和对价格敏感;政府应适时退出市场扶持。该研究从加强宏观调控、精准联合施策、完善退出机制方面提出了建议。     

无人机自组织网络组网与接入技术的仿真设计与实现

描述了面向无人机(UAV)自组织网络的组网技术和接入技术,提出了针对时延的改进接入技术,以增加一部分低优先级消息的时延为代价,降低另一部分高优先级的消息的时延.选择基于C++和Python语言的网络模拟仿真软件NS3作为开发平台,编程实现UAV自组织网络的接入和组网技术仿真.     

工程车辆安全 CAN 总线软件研究与设计

针对工程车辆的总线通信不稳定的问题, 提出一种基于工程车辆安全 CAN(Controller Area Network)总线 软件体系设计结构。 该结构通过分析工程车辆总线系统的运行环境, 分析其干扰源, 归纳抗干扰措施; 在重点 考虑系统容错和实时性问题的基础上, 设计了基于该架构的工程车辆安全 CAN 总线软件系统各类节点的功能 及实现方案。 该软件设计采用模块化和标准化的系统设计方法, 降低了系统软件对特定厂商的依赖性, 提高了 工程车整车的安全性, 增强了车辆总线系统的健壮性及实时性。     

基于simulink的纯电动汽车整车控制系统设计

为电动汽车整车控制系统开发周期长和稳定性差的问题,本文通过设计了一款纯电动汽车整车控制系统研究了整车控制问题。该系统基于飞思卡尔S12处理器开发的ECMV2硬件模块,软件的底层驱动是以Code Warrior IDE for HCS12为开发环境创建软件工程,封装成simulink的图形化模块,提供全部板载外设驱动程序库,并提供GUI界面以便于配置,使得基础软件和控制算法在同一个平台上搭建并验证,以及建立了整车各模块模型和控制策略。通过实车测试进行验证,结果表明,电机驱动扭矩峰值的时间差是1s;车辆的加速过程相对稳定;电池电压也不会迅速下降;驾驶员的操作也很快得到响应。可见该系统控制器灵敏度高,电机响应迅速,车辆运行平稳。此系统与传统的开发形式相比,开发时间大大缩短,增强了整车控制器的稳定性和可靠性。     

基于自动编码器和长短时记忆网络的智能汽车故障诊断方法研究

智能汽车故障诊断技术对于保障智能汽车安全行驶具有重要意义,本文针对智能汽车传感器数据异常检测和车辆运动的异常检测提出了一系列故障诊断方法. 针对非时序传感器数据,采用基于超限学习框架的自动编码器,对正常数据进行特征压缩学习其特征表示,再利用压缩的特征重构数据,根据重构误差的大小判断数据是否异常. 针对时序传感器数据,采用多层长短时记忆网络学习时序数据之间的时间依赖关系来预测当下时刻的数据值,根据预测误差的大小判断数据是否异常. 提出一种阈值随误差大小动态变化的自适应阈值确定方法,使得决策变量对于异常值相对敏感. 进一步地,采用车辆自行车运动学模型和Kalman滤波,利用Jarque-Bera测试对预测值和量测值残差的正态性进行检验来检测车辆运动是否异常. 实际场地测试验证了本文所提出的方法可以有效检测非时序或时序传感器数据的异常,并对车辆运动是否异常进行检测.     

基于高阶累计量的车辆上下行声频检测方法

提出了一种基于麦克风阵列信号处理的车辆上下行估计的新方法,将车辆的上下行估计归结为阵列信号处理中的波达方向变化的估计。针对车辆噪声信号的复杂性和二阶统计量的局限性,采用高阶累计量实现了DOA估计,并说明了基于高阶累计量实现的估计结果明显优于二阶统计量。最后通过试验论证了该方法在实现行车方向估计时的有效性。     

基于ARIMA模型的居民区电动汽车负载特性分析

随着电动汽车规模的日益扩大和居民区充电设施的逐渐完善,大量电动汽车的充电行为将给居民区电网负荷带来较大影响。本文在电动汽车充电特性研究的基础上,提出了一种基于自回归求和滑动平均(ARIMA)模型的面向居民区的电动汽车负载特性分析方法,通过构建多辆电动汽车的总耗电模型,较好地预测了电动汽车总体充电需求,进而实现对居民区变压器容量的合理配置。最后选取若干具有代表性的小区,测试分析了电动汽车接入前后的台区负载变化情况,验证了所提方法的有效性。