摘要：目前自动驾驶技术正处于从园区内示范运营向开放场景的大规模市场应用过渡的关键阶段。自动驾驶车辆若想应用于人们的日常生活,必将与人类驾驶的车辆在道路上长期共存,这势必会产生大量的交互场景,而如何恰当地与人类驾驶的车辆进行交互,则成为提升驾乘人员体验感及其对自动驾驶接受度的关键。人类的交互基于其社会属性,自动驾驶也应如此。但目前尚未有相关领域的完善综述。鉴于此,梳理其来龙去脉与最新进展。依次探讨传统方法所面临的驾驶困境、驾驶员社会性行为机理的相关研究和考虑社会属性的运动规划方法的最新进展与应用案例。在此基础上,总结现有方法的不足并对未来的研究方向进行展望。分析表明,结合社会学等领域的理论工具,分析驾驶员在复杂交通流中的社会性行为机理,并基于此构建符合大众预期的驾驶行为自动化决策体系,是未来自动驾驶社会性运动规划的主要研究方向。此外,进一步建立健全自动驾驶社会性行为的评价体系,同样对智能汽车的社会性人性化设计具有重要意义。

摘要：自动驾驶车辆已经成为当前汽车行业的研究热点。运动控制算法在很大程度上决定自动驾驶汽车的安全性和驾乘人员的接受度。自动驾驶控制算法的精度日益提高,然而其与驾驶员控制风格的一致性仍然较低,这会降低驾乘人员的体验感与接受度。此外,现有方法仍存在大量需要人工标定的参数,导致算法部署时的工作量较大。针对以上问题,提出车辆纵向驱动控制仿人神经网络(Vehicle longitudinal drive control human-like neural network,LCN),并以此为基础构建了仿人机理的控制模型,其控制风格与驾驶员的一致性较高且能够实现参数的自学习标定。LCN的设计基于对人类驾驶行为的分析,其将驾驶员的控制机理与数据驱动方法相结合,并通过独特的网络架构设计将驾驶员机理中的容差控制特性与时延响应特性融入LCN。试验结果表明,所提出模型的控制风格更接近人类,且能够实现对车辆动力学特性的自估计与参数的自标定。

摘要：重力数据的密度界面反演是位场数据解释中的一项主要工作,在区域构造演化、深部莫霍面确定等领域的研究中发挥重要作用.近年来,数据驱动的深度学习方法广泛地应用在地球物理数据处理与反演中,本文提出一种基于深度学习U-net网络的重力数据密度界面反演方法.首先,对半椭球体界面模型进行随机抽取和组合进而形成地下起伏界面数据集,并基于Parker正演理论对界面数据集进行重力异常正演计算,为深度学习网络模型的训练提供特征完备的数据源;其次,设计了基于U-net网络模型的深度学习界面反演算法,在传统的损失函数基础上增加光滑损失项和过拟合抑制项,提高重力界面反演结果的光滑性和收敛效率;最后通过测试样本集进行反演预测,验证建立深度学习网络模型的泛化性.本文通过理论模型和实际数据试验分析了本文方法在密度界面反演中的有效性和实用性,基于改进损失函数约束的深度学习界面反演方法有效地提高了密度界面反演的收敛效率和计算稳定性.

摘要：测头的选择受到凸轮设计要求的严格限制,严重制约检测仪器检测效率的提高。为解决不符合设计要求的滚柱测头难以检测相应凸轮片的问题,扩大凸轮轴检测仪的检测范围,提出基于相对速度瞬心的不同型号滚柱测头升程与转角之间转换关系的折算算法。介绍凸轮轴检测设备的测绘原理,分析不同型号滚柱测头升程及转角之间能够相互折算的条件及场合。通过检测实例,分别采用正向验证及由理论测头检测数据反求凸轮测量数据两种方法对不同型号滚柱测头的折算算法进行验证。对折算修正后离散的凸轮轮廓数据进行三次参数样条插值拟合,去'毛刺'等处理。对比分析非理论测头的折算数据与理论滚柱测头所测凸轮轮廓数据:经该算法修正优化后的非理论测头升程的最大误差是1.4μm,满足凸轮机构高精度运动分析的要求。

摘要：不借助商业图形引擎,完成了大型特种车驾驶模拟系统视景仿真引擎的自主设计与开发.推导了普遍适用的斜透视投影矩阵,实现了驾驶模拟系统多通道视景图形的无缝拼接.结果表明,搭建的特种车驾驶模拟系统有效地解决了大型军用车辆不能或者不宜进行实地驾驶训练的问题,提高了学员驾驶培训的效率和经济效益.

摘要：针对常规蒙特卡洛定位法中的粒子贫化和绑架问题,提出了一种分域自适应蒙特卡洛定位方法.该方法首先定义了两个用于描述粒子集合分布及其与真实位姿之间的差异的特征变量.然后根据特征变量的组合值将定位过程识别为全局定位、局部定位、局部跟踪和容错定位四种状态的交替过程,并为每种状态设计了自适应的控制策略来调整参数和重新采样规则.基于大型人形足球比赛机器人系统的物理和仿真实验的结果均表明,该定位方法有利于提高定位的准确性和实时性.同时,该方法还可以高效地解决绑架问题,提高了系统的鲁棒性.

摘要：精细刻画液力偶合器内部非定常多尺度三维涡结构对于揭示液力偶合器流场时空演化规律与能量损耗机理具有重要意义。该研究基于计算流体动力学理论,采用应力混合涡湍流模型多尺度解析模拟制动工况下液力偶合器三维旋涡流场。通过3种不同的涡识别方法提取涡轮内部多尺度涡系结构,从空间重构效果、阈值选择范围及敏感性角度分析不同涡识别方法的适用性。依托粒子图像测速(Particle Image Velocimetry,PIV)流场试验验证数值模拟及涡结构辨识结果的准确性与可靠性。围绕三维涡结构特征解析结果和二维流场图谱信息,分析并揭示流道内部湍流的时空演化规律及能量损耗机理。结果表明:Q准则方法的阈值选择盲目性大,难以同时识别强涡与弱涡结构,丢失很多涡结构细节特征,无法准确预测三维涡空间连续性运动趋势;Ω方法能够在阈值范围为0.51~0.59内辨识弱涡结构,但涡系空间重构后涡的运动趋势感不强;Ω_(L)方法对阈值不敏感,在阈值范围为0.51~0.67内该方法空间涡系重构效果最好,强涡、弱涡结构特征识别度高。制动工况下涡轮内部整体流动为逆时针大尺度环流,并伴有小尺度涡流等局部流动现象,与主流涡运动相同旋向的旋涡促进主流旋涡运动,相反旋向的旋涡阻碍主流旋涡运动,由于涡的撕裂、破碎、分离、碰撞、摩擦、挤压等作用,导致流体能量损失,以热能形式耗散。研究结果可为液力偶合器结构设计与优化提供理论与技术指导。

摘要：利用氮电弧熔化纯钛基体表面,原位制备氮化钛(TiN)陶瓷表面层,研究陶瓷表面层的形成机理、TiN相的生长形态及其生长机制.结果表明,氮电弧熔化过程为非平衡快速冷却凝固过程,冷却速度可达102～103 K/s,表面层中TiN相的微观生长方式具有多样性.在熔池中过冷度较小的位置,TiN晶体为螺型位错侧面长大方式,而熔池底部过冷度较大,其微观生长方式转变为连续生长和侧面台阶生长两种方式交替生长模式.

摘要：环境是制约我国经济与社会可持续发展的重要因素之一。我国中央政府明确提出了建设资源节约型和环境友好型社会目标,但各级地方政府对中央环境保护政策的执行力度并不理想。政府官员效用提升主要来源于职位升迁、收益扩大、社会公众的拥戴以及政府官员自身的责任安全,相关制度设计和执行的缺陷导致我国地方政府环境保护动力缺失,亟待完善。

摘要：设计了一种主从手均为液压Stewart机构的主从控制系统,用于操作者以遥操作的方式进行复杂曲面的研磨,避免研磨粉尘对现场工作的工人造成呼吸道伤害。针对该机构需具有六维力反馈的工作要求,采用基于工作空间的四通道力觉双向伺服策略,以降低连杆差异和外界干扰力等非线性因素的影响,提高力反馈精度。在此基础上提出了六维的策略切换控制,解决因从端遭遇刚性冲击引起的主手震荡问题。通过柔性及刚性碰撞实验证明了该策略的有效性。