摘要：为了解决基于常规深度强化学习(Deep Reinforcement Learning, DRL)的自动驾驶决策存在学习速度慢、安全性及合理性较差的问题,本文提出一种基于柔性演员-评论家(Soft Actor-Critic,SAC)算法的自动驾驶决策规划协同方法,并将SAC算法与基于规则的决策规划方法相结合设计自动驾驶决策规划协同智能体。结合自注意力机制(Self Attention Mechanism, SAM)和门控循环单元(Gate Recurrent Unit, GRU)构建预处理网络;根据规划模块的具体实现方式设计动作空间;运用信息反馈思想设计奖励函数,给智能体添加车辆行驶条件约束,并将轨迹信息传递给决策模块,实现决策规划的信息协同。在CARLA自动驾驶仿真平台中搭建交通场景对智能体进行训练,并在不同场景中将所提出的决策规划协同方法与常规的基于SAC算法的决策规划方法进行比较,结果表明,本文所设计的自动驾驶决策规划协同智能体学习速度提高了25.10%,由其决策结果生成的平均车速更高,车速变化率更小,更接近道路期望车速,路径长度与曲率变化率更小。

摘要：为提高自动泊车系统中控制器的抗扰动能力,优化控制律执行效果,提出了前轮转角闭环的分层控制方案.设计了以行驶距离为非时间参考量的fal函数非光滑控制律,输出前轮转角控制量.以阿克曼转向模型为基础,建立了前轮转角观测器,并使用模糊滑模控制器实现前轮转角闭环的横向控制.搭建Carsim/Simulink联合仿真系统,在典型泊车场景下验证所设计控制器的有效性、跟踪效果及鲁棒性.使用实车测试平台开展了试验.结果表明:所设计的前轮转角闭环分层控制方案能够快速准确地跟踪目标路径,提高了泊车系统的横向控制精度,并在未知转向非线性扰动下也具有良好的跟踪控制效果.

摘要：针对泊车过程中转向系统非线性因素影响车辆位姿估计准确度的问题,提出了一种基于车辆转向状态的分段位姿估计方法,提高自动泊车过程中的车辆位姿估计精度。首先,通过试验对车辆运动学航迹推算法定位的误差来源进行分析,确定了转向过程的非线性因素对泊车过程中车辆位姿计算准确度的影响;其次,设计了基于车辆转向状态的分段位姿估计模型,使用LSTM对转向状态进行实时分类,分别训练混合模型进行位姿估计,并对分类结果与位姿估计结果进行后验修正;再次,构建泊车工况车辆横纵向位移数据集,基于数据集对所建模型进行训练和离线测试;最后,利用Python搭建在线测试平台,对模型进行位姿估计测试,并开展对比试验。试验结果表明:该方法能够将泊车过程中的车辆欧式距离误差控制在10 cm以内,航向角误差控制在1°以内。基于车辆转向状态的分段位姿估计方法研究,可以有效提高泊车过程中的车辆位姿估计精度,并具有较高的实时性和较好的鲁棒性。

摘要：在电动化、智能化、网联化汽车产业迅速发展壮大与建设新工科的双重背景下,急需提升车辆工程专业本科毕业设计的质量。文章从学生、指导教师、学科支持及环节管控四个层面,综合分析了本科毕业设计开展过程中存在的不足及背后的原因。针对这些不足之处分别从毕业设计的教学组织模式、实践教学体系改革、校企合作双导师制及加强环节管控四个维度提出可行的建议,为车辆工程专业本科毕业设计质量的持续提升给予支持及新工科视域下卓越工程师人才培养提供参考。

摘要：人机共驾是智能车辆实现高度自动驾驶之前的过渡阶段,由于驾驶员与驾驶辅助系统同时在环,存在驾驶权分配的问题,智能车辆的转向系统必须实时敏捷地执行驾驶员和驾驶辅助系统的转向控制指令。本文针对搭载于某智能MPV的平行轴式电动助力转向系统(APA-EPS)研究人机共驾转向控制策略。首先对APA-EPS系统进行Simscape建模,并通过台架试验验证了模型的准确度。随后基于模糊PID控制算法和模糊滑模控制算法分别设计了人驾和机驾模式下的控制策略。在驾驶员主导驾驶车辆时,根据距离影响度函数和角度影响度函数确定转向控制权重;在驾驶辅助系统主导驾驶车辆时,采用滑动时间窗口监测驾驶员的接管请求。仿真试验结果表明,人驾和机驾的控制策略均具有较好的转角跟随效果,人机共驾时转向控制权能够及时进行切换,且APA-EPS的转向盘转角响应迅速。

摘要：为解决多变量非线性动态结构优化效率低、难以收敛等问题,提出求解车身骨架厚度优化的子区域混合元胞自动机(SHCA-T)算法以及多工况SHCA-T算法,实现车身骨架多工况耐撞性高效优化设计。该方法包括内外两层循环:外层循环主要开展碰撞仿真分析、计算输出响应,更新目标质量,实现结构质量的最小化;内层循环主要根据当前元胞及其邻胞的内能密度,按照PID控制策略调整元胞厚度,使内层循环的当前质量收敛于目标质量;最终使元胞内能密度分布尽可能逼近阶跃式目标内能密度函数。为了验证SHCA-T和多工况SHCA-T算法的精度和效率,将其用于求解侧面碰撞和侧面柱碰工况下车身骨架的厚度优化问题,并与基于伪CEI准则的并行约束EGO(EGO-PCEI)算法的优化结果进行对比。结果表明:在收敛精度相当的条件下,SHCA-T和多工况SHCA-T算法具有更高的全局搜索效率。

摘要：电池解析模型通常在准确估算电池在线荷电状态(State of charge,SOC)方面起到关键作用。分析气液动力学与电学的物理相似性原理,研究气体分子与锂离子之间扩散/平衡的内在联系、气液系统与锂离子电池之间的观测量滞后状态量的等效机制,改进气液动力学与电学之间的参数映射关系,建立直接耦合温度特性的气液动力学电池模型。依据电池工作中的温度场分布特性与能量守恒原理,构建气液动力学-热耦合模型,基于该模型与扩展卡尔曼滤波算法设计高效的锂离子电池在线SOC估算方法。以内置温度传感器的锂离子动力电池为研究对象,在多种恒流与动态测试工况下电池内部最高温度估计误差小于1.2K,在线SOC估计误差低于1.8%。提出的在线SOC估算方法具有良好的估计精度,以及较强抵抗初值输入误差的能力。

摘要：鉴于汽车纵向动力学系统为典型的参数时变不定、多扰动的非线性离散系统,基于精确数学模型的控制算法较难取得理想效果,本文中采用无需模型、基于输入/输出数据的控制算法。首先,基于紧格式动态线性化数据模型,将无模型自适应控制(MFAC)算法、滑模控制(SMC)算法和模型预测控制(MPC)算法相结合,设计了无模型自适应控制器。接着,通过理论分析对其进行了稳定性证明,最后将所提出的控制算法与常用于纵向控制的前馈+反馈算法和MFASMC(MFAC+SMC)算法进行了仿真对比,并通过硬件在环实验(HIL)验证了算法的有效性。结果表明,该控制算法响应速度快、鲁棒性强,且输出更为平滑,可较好地应用于智能汽车纵向动力学控制。

摘要：针对智能汽车自动代客泊车驶入地下停车场过程中易在弯曲坡道内与其他行驶车辆发生碰撞的问题,文中提出了一种基于模糊规则的弯曲坡道避撞控制方法。首先,对地下停车场弯曲坡道内潜在碰撞场景及安全车距进行了分析;然后,进行了模糊避撞控制器的设计,并基于环境感知系统的输出进行了避撞控制模糊规则库的建立;最后,利用CarMaker与Simulink搭建了联合仿真平台,对文中设计的模糊避撞控制器进行了验证。结果表明:文中研究的基于模糊规则的避撞控制方法在地下停车场弯曲坡道上能够收到良好的避撞效果。

摘要：为提高复杂道路场景下智能车辆换道避障的安全性和舒适性,提出了一种基于分段优化的智能车辆换道避障轨迹规划方法。首先考虑多种换道可能,根据本车状态和多个采样点生成基于五次多项式的候选y-x曲线簇和x-t曲线簇;其次基于指数函数设计了一种障碍风险评价函数,并结合轨迹平顺性、利他性和行驶效率等构建了综合评价体系,选取出最优参考轨迹,为智能车辆换道避障提供方向和速度的参考,以防止轨迹优化时陷入局部最优;为适应障碍物运动状态时变的特点,以参考轨迹为引导,构建分段五次多项式y-x曲线和x-t曲线,并考虑与障碍车辆的碰撞风险建立了优化目标函数,将轨迹优化问题转换成带约束的非线性规划问题,通过外点法求出最优轨迹。最后基于MATLAB平台进行了仿真验证,结果表明,所提出的轨迹规划方法在满足换道平顺、舒适要求的基础上提高了车辆的环境适应性和避障调整能力。