摘要：考虑车辆类型、驾驶风格及不同阶段影响车辆换道的关键目标,将车辆避障过程中的“车-车交互”机理描述为力的关系,构建协同换道避障模型(CLAM),提取并建立适用于突发事件的车辆避障微观轨迹数据集,将车辆避障转化为多约束优化控制问题,以优化算法(OA)为纽带,设计车辆协同避障控制(CLAM-OA)策略。结果表明:相较于数据驱动的长短时记忆模型,CLAM-OA策略输出的误差均显著减小、车速与位移在不同时域的输出结果也更加稳定。

摘要：为了增强非线性车辆模型的稳定性以及鲁棒性,提出了一种基于多层感知器的反传神经网络车辆稳定性最优鲁棒控制。采用四轮主动转向模型,建立了多层感知器前馈反向传播神经网络模型作为逼近器。采用最优鲁棒控制来调节车辆的横摆角速度和侧滑角,以满足期望的车辆响应。建立的神经网络模型通过状态变量训练来区分车辆的非线性动力学特性和相应的最优反馈增益。利用Lyapunov稳定性方法对控制器的鲁棒性与稳定性进行了分析,并采用滑模控制器跟踪期望的横摆角速度和侧滑角响应。仿真结果表明,所提出的方法能显著提高车辆的鲁棒性以及控制性能。

摘要：为确保自动驾驶车辆在道路交通环境中的安全性,并实现对其整体化和精准化组织调度,文章引入了虚拟车辆管控理论,深入研究了城市交通轨道车辆的虚拟管控重构方法。该方法采用多目标排序方式,对交通轨道上的车辆进行虚拟重构,设计了一种多目标虚拟线路交通轨道重构策略。此外,构建了轨道交通车辆的虚拟调度重构模型,并通过动态交互处理方式实现了虚拟调度的计算。经过测试验证,在不同路段的时间控制下,该方法表现出良好的实时请求接受和处理能力,实时请求接受率超过1.2%,证明了其高性能和高效率。同时,虚拟重构的车辆平均行驶速度误差控制在3.2%以内,体现了其高精准性。

摘要：本文采用SAE J1939通信协议在载货车上实施了CAN总线通信,采用Intel87C196CA单片机实现了它的硬件通信,采用J1939通信协议设计了ABS控制器和变速器控制器的各种数据的辩识位和它们之间的通信过程。

摘要：针对传统控制方法下的智能网联车辆(connected and autonomous vehicle,CAV)在动态交通环境中通行能耗较高且效率较低等问题,研究了基于强化学习的CAV通行控制方法,旨在降低车辆能源消耗,提升车辆通行效率以及行驶舒适度。通过考虑CAV与交叉口信控系统的信息交互和物理环境,收集信号相位和信号配时(SPaT)以及前车速度和位置等信息,构建强化学习框架的状态空间。以电池能量回收的上限作为边界条件,建立CAV的行驶能耗模型,并基于车辆行驶的关键特征指标,如单位时间电能能耗、通行距离以及加速度变化率,设计多目标加权奖励函数。利用层次分析法确定各指标的权重,进而采用深度确定性策略梯度算法对模型进行训练,并通过梯度下降方法对算法参数进行调整和更新。采用SUMO平台开展仿真实验,实验结果表明:在设计的算法控制下的CAV各方面行驶性能最为均衡,相较于DQN算法电能消耗和加速度变化率均值分别降低了9.22%和18.77%;相较于Krauss跟驰模型行程时间缩短了8.39%。本研究提出的CAV通行控制方法在降低车辆能耗、提高行驶效率和舒适性等方面具有较好的可行性和有效性。

摘要：本文提出一种基于超声波技术的智能泊车装置,该装置利用超声波传感器实时监测车辆周围环境,通过智能算法进行数据处理和分析,实现自动化泊车。设计开发了一套完整的智能泊车系统,选用了高灵敏度的超声波传感器,搭建了一个可靠的数据采集和处理电路。通过编写智能算法,实现了泊车过程的自动化控制。通过进行了一系列实验,验证了其在不同环境下的稳定性和准确性。未来,我们将进一步完善该装置的功能和性能,以满足不同场景下的实际需求,并探索其在其他领域的应用潜力。

摘要：一、前言H_∞控制理论是八十年代在美国、加拿大形成的一种新的最优控制理论。其研究对象是多变量线性系统,而目标则在于给出控制系统的一种新的设计方法。这种方法便于对具有不确定性的系统进行鲁棒控制设计,又便于处理频谱不固定的干扰抑制问题,引起了控制理论与工程界的重视。目前,其理论与应用研究在国外仍十分活跃。去年出现了几篇有关车辆(包括磁悬浮列车)主动悬挂的H_∞控制研究的论文,很值得我们重视。

摘要：对工程车车辆控制系统的开发过程进行介绍,并以HSCB分合计数控制程序为例,利用Multiprog软件实现了相关控制功能。

摘要：为保证车辆驾驶过程中的稳定性和安全性,对智能网联式车队控制器参数的优化和选取展开研究。采用领头车-前车跟随策略进行车辆编队,构建网联式车队纵向控制动力学模型,结合滑模控制器规律,利用切换函数,实现网联式车队车辆自适应控制。在此基础上,利用粒子群优化算法,将滑模控制器4个参数设置为空间粒子,通过搜索个体极值和全局极值动态调整粒子参数,获得滑模控制器的最优参数。采用MATLAB软件进行仿真研究,仿真结果表明,相对于给定的未优化控制器参数,优化后的滑模控制器具有响应快、精度高等特点,能够有效实现网联式车队的稳定控制。

摘要：针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。