基于决策树和BN的自动驾驶车辆行为决策方法

交通环境中存在着众多影响自动驾驶车辆行为决策安全的不确定性因素, 准确并及时地处理不确定性因素对自动驾驶车辆安全至关重要。因此, 建立了以人工驾驶行为分类为基础的贝叶斯网络(Bayesian network, BN)行为决策模型。利用决策树分类算法对人工驾驶行为进行分类, 利用BN建模驾驶环境并生成最优驾驶动作, 此方法既可以及时地分析人类驾驶员行为类别, 又能够充分考虑驾驶场景中的不确定性因素。利用仿真工具PreScan设计仿真实验, 仿真结果表明行为决策模型能够给出安全、合理的自动驾驶车辆行为。     

Ti--IF钢凝固过程中TiN的析出机理和规律

结合冶金热力学和凝固偏析模型分析了Ti--IF钢凝固过程中TiN的析出特点.Ti--IF钢凝固前期钢液中TiN夹杂无法生成,固相中TiN源自低温固相析出;凝固固相分数达到0.64时,Ti、N组元在凝固前沿富集程度增加,凝固前沿固相中开始有TiN析出;凝固末期,Ti和N的富集程度进一步增大,固液相中均能有TiN析出.采用扫描电镜分析了TiN在铸坯中的分布,从铸坯表层到中心TiN数量和尺寸存在显著变化:从铸坯表层向中心方向TiN尺寸不断增大,平均尺寸从1~2μm增大到5μm,在距离表层70~80 mm处尺寸达到最大;在铸坯厚度中间位置,TiN尺寸较大,平均尺寸为5μm左右;在铸坯中心TiN尺寸又有所变小,平均尺寸为3μm左右;在铸坯表层TiN密集程度较高,在铸坯中间和中心TiN数量密集程度显著降低.IF钢铸坯中TiN析出时机及其尺寸和数量与Ti、N组元偏析和凝固冷却速度关系密切.     

基于统计模型检测的DFT定量分析方法

动态故障树(dynamic fault tree, DFT)是对系统进行安全性分析的重要手段,基于马尔可夫链的DFT求解方法存在3个难题:一是仅可分析故障概率为指数分布的系统;二是无法分析共因失效情况;三是可能导致状态空间爆炸。因此提出一种基于统计模型检测的DFT定量分析方法。首先将DFT分解为动态逻辑门、基本构件、共因失效关系、门门和门构件间的逻辑关系;其次将动态逻辑门、基本构件和共因失效关系基于随机混成自动机形式化规约;然后通过逻辑关系重构自动机,形成随机混成自动机网络;最后通过分析一个具有共因失效关系的服从多失效概率分布的飞机结冰探测系统,表明所提方法的有效性。     

基于本体和BN的无人车行为决策方法

和高速交通环境比,城市交通环境具有更高的复杂性和不确定性,因此无人驾驶车辆行为决策系统要能给出驾驶场景下安全有效的驾驶动作.本文提出一种将本体语义表示与贝叶斯网络(Bayesian network,BN)概率推理相结合的行为决策模型.从驾驶场景中的多源异构信息和领域专家经验出发,建立本体并进行概率扩展,将其转换为BN,...