首页期刊导航|重庆理工大学学报
期刊信息/Journal information
重庆理工大学学报
重庆理工大学
重庆理工大学学报

重庆理工大学

石晓辉

月刊

1674-8425

023-62769495

400050

重庆市九龙坡区杨家坪

重庆理工大学学报/Journal Journal of Chongqing Institute of Technology北大核心CSTPCD
查看更多>>本刊是中国学术期刊综合评价数据库来源期刊,中国科技核心期刊,重庆市一级期刊,教育部优秀期刊。主要刊登有创造性、探索性、开拓性的学术论文、科研成果报告、重要学术问题的评述和学科前沿的综述。
正式出版
收录年代

    基于CNN-LSTM模型的车辆换道前跟驰研究

    潘公宇马斌
    1-8页
    查看更多>>摘要:考虑换道车辆在换道前的跟驰行为与无换道意图的一般跟驰行为有明显的差异,为研究车辆在换道前的特殊跟驰行为,提出"换道前跟驰"阶段概念,将换道车辆的跟驰过程划分为"基本跟驰"与"换道前跟驰"两阶段,以主车在换道前斜率的第五八分位数作为"换道前跟驰"的终点,使用z检验法验证了换道车辆在换道前跟驰阶段运动状态的特殊性.搭建CNN-LSTM网络以车辆速度、加速度、相对距离、横向偏移量等为输入,利用CNN层提取输入层特征,再将提取出的特征作为LSTM网络的输入,利用LSTM网络实现跟驰车辆状态的预测.仿真结果表明,传统的IDM不适用于车辆换道前的特殊跟驰行为,搭建的CNN-LSTM模型在加速度精度上较传统IDM模型提升了 15.1%,更适用于车辆换道前跟驰状态的描述.

    换道前跟驰车辆状态预测CNN-LSTM融合神经网络NGSIM数据集

    基于驾驶场景与决策规则的智能汽车换道决策

    张昆浦同林张倩兮聂枝根...
    9-19页
    查看更多>>摘要:复杂交通环境中,换道决策直接影响智能汽车自主换道效果,然而在换道决策过程中依旧存在着预测正确率低以及决策安全的问题.因此,针对这一问题,提出了基于驾驶场景和决策规则的换道决策模型.考虑换道后的交通行驶状况对换道决策的影响,引入换道后的期望速度和换道前后与前车的距离作为新的特征变量,基于特征变量与换道决策的相关性建立了换道决策规则.建立了模拟真实驾驶环境的换道场景数据集,扩充了NGSIM换道场景数据集,并对其进行了有效性验证.针对换道决策的多参数和非线性问题,提出了基于贝叶斯优化核函数的支持向量机模型,在换道场景数据集上进行测试验证.结果表明:新引入的决策特征变量对换道行为有积极作用,换道场景数据集能够模拟真实的换道场景,可进一步应用到换道决策和轨迹规划的研究中,支持向量机模型对换道行为的预测正确率达 95.40%,高于其他机器学习分类器,提高了换道行为的安全性.

    换道场景智能网联汽车换道决策特征提取支持向量机

    基于改进Stanley算法的目标假车路径跟踪控制

    李文礼易帆封坤王戡...
    20-31页
    查看更多>>摘要:为了满足智能汽车封闭场地测试的需求,开发了一种智能车场地测试用软目标车,能够有效地提高场地测试的安全性和效率.在封闭场地功能场景的测试中,软目标车应能够按照预设的GPS轨迹高精度行驶.为了提高目标车的路径跟踪精度,设计了基于偏差的比例、积分、微分和Stanley控制算法的横纵向控制器,基于遗传算法得到Stanley控制算法参数的最优知识库,利用模糊控制算法实现Stanley控制算法参数的自适应调节,基于Carsim和Matlab/Simu-link联合建立了软目标车仿真模型,最后在封闭场地中进行实车验证.结果表明:提出的控制方法能够满足智能汽车封闭场地测试要求.

    软目标车粒子群优化算法遗传算法模糊控制

    智能车变道决策规划系统的预期功能安全研究

    罗石李灵恩丁华吴承航...
    32-44页
    查看更多>>摘要:随着智能驾驶汽车快速发展,预期功能安全(safety of the intended functionality,SOTIF)愈发凸显其重要性.自动变道控制系统作为自动驾驶系统的重要组成部分,在决策规划层面存在SOTIF不足的风险.基于ISO21448 和系统过程理论(system-theoretic process analy-sis,STPA),对车辆变道决策规划系统的预期功能安全进行分析,找到潜在的危害触发事件并得到相应的安全目标.针对安全目标进行算法改进,综合考虑车型、车速、路面状况等行驶因素,利用高斯过程回归和模糊综合评价的方法得出目标车辆加速度用以评估当前变道安全性.结合最小变道时间及变道终点确定最优变道轨迹,并在变道过程中实时更新周围车辆行驶状态,利用提出的安全系数判断本车当前的安全状态并采取不同的变道措施,以保证车辆安全变道或在紧急情况无法完成变道时可以安全返回.建立验证场景,对不同场景下功能改进前后系统的风险进行对比.结果表明:功能改进后系统的风险显著降低,变道过程中的安全水平明显提高.

    智能驾驶变道预期功能安全风险评估

    适应道路曲率多变的前馈-预测LQR横向控制

    孙福昌邵金菊单少飞谢生龙...
    45-54页
    查看更多>>摘要:针对传统LQR(linear quadratic regulator)横向控制的不足,提出了一种前馈-预测LQR反馈控制,实现了曲率多变道路的跟踪控制.在传统动力学模型的基础上建立了误差模型,以误差模型为研究对象分别求解了反馈控制量和前馈控制量.为提高LQR对道路多变的适应性,根据航向和横向位置误差建立了模糊规则实时调节Q、R矩阵.同时利用道路曲率信息,设计了预测模块,实时更新预测点和预测时间,解决了传统LQR响应迟滞问题.在给定规划路径的基础上进行了硬件在环实验,测试了单、双移线多车速工况下传统LQR和前馈-预测LQR的路径跟踪效果,结果表明本文中设计的前馈-预测LQR的控制效果优于传统LQR,单移线工况下轨迹跟踪误差最大可减少4.5%,双移线工况下轨迹跟踪误差最大可减少9.5%.

    自动驾驶路径跟踪横向控制线性二次型调节器预测控制

    多参数优化MPC的自动驾驶轨迹跟踪控制

    李学慧苏振张俊友
    55-64页
    查看更多>>摘要:针对自动驾驶车辆横向控制在大曲率路径处跟踪误差较大的问题,提出一种多参数优化模型预测控制(model predictive control,MPC)的轨迹跟踪控制策略.根据车辆动力学模型和目标函数搭建轨迹跟踪MPC控制器,将车速、横向位置误差和横摆角误差作为模糊输入,输出前轮转角作用于车辆.通过模糊控制对MPC控制器的预测时域、控制时域和权重矩阵等多个参数进行实时优化,在双移线轨迹不同速度和不同路面附着系数下完成Carsim/Simulink联合仿真,验证控制策略的有效性.仿真结果表明,MPC多参数优化算法优于MPC传统算法和MPC单参数优化算法,在高附着路面轨迹跟踪精度平均可提高27.4%;在低附着路面能够降低最大横摆角误差27.3%,并且能够更好地平衡跟踪精度和操纵稳定性.

    自动驾驶轨迹跟踪控制模型预测控制多参数优化模糊控制

    基于路面识别算法的分布式驱动汽车驱动防滑控制策略

    常九健吴佳豪方建平
    65-76页
    查看更多>>摘要:针对在低附着系数路面上由于分布式驱动汽车质量变化及道路坡度影响造成驱动防滑控制效果差的问题,提出了一种基于路面识别算法和滑模控制的驱动防滑控制策略.通过递归最小二乘法估计整车质量和道路坡度,修正车轮垂直载荷,根据附着系数和滑转率的关系设计路面识别策略,获取最优滑转率作为控制目标,采用滑模控制算法实现对滑转率的快速跟踪.通过Carsim和Simulink联合仿真和实车试验,与传统的PI控制策略进行对比,仿真结果表明本文提出的策略滑转率误差RMSE 值降低 75.1%,实车试验验证本文中提出的控制算法在整车滑转率控制上具有优势.

    分布式驱动电动汽车路面识别驱动防滑控制滑模控制

    融合改进A*算法和DWA算法的全局动态路径规划

    董晓东李刚宗长富李永明...
    77-86页
    查看更多>>摘要:针对常规A*算法存在的路径规划中冗余节点过多、拐点过多、规划路径与障碍间的距离过短、容易产生碰撞等问题,提出了一种将改进A*算法与动态窗口法相结合的新方法.该算法通过对栅格地图中的障碍栅格进行量化处理,提取环境信息,并根据这些信息对A*算法的启发函数和子节点选择策略进行调整.此外,为了优化路径的平滑度和安全性,设计了一种路径节点平滑处理算法.仿真实验结果表明,融合动态窗口法的融合算法不仅能够保证所规划路径的全局最优性,而且能够有效地避开随机障碍物.

    路径规划A*算法动态窗口法随机避障融合算法

    基于自适应预瞄路径的非连续曲率轨迹跟踪控制方法

    李杭宇刘冉冉姜宇王文豪...
    87-98页
    查看更多>>摘要:针对智能车辆在复杂道路工况下跟踪效果不佳的问题,在考虑车辆转向安全的前提下,提出了一种非连续曲率轨迹跟踪控制策略.基于道路曲率、车速指标的影响,设计一种改进的预瞄误差模型,结合安全速度约束建立自适应预瞄控制器,以五次多项式拟合得到预瞄路径及道路曲率,并根据预瞄式位置几何原理,设计驾驶员转向模型,推导前轮转角方程.通过Matlab/Simulink、Carsim、Prescan搭建联合仿真平台,选取双移线、非连续曲率轨迹、连续换道工况进行对比实验.结果表明:在以上工况下,文中提出的控制算法能实现预瞄路径随外界条件变化自适应调节,在保证车辆行驶稳定性、安全性、适应性的同时,跟踪精度分别提高了 55.34%、65.86%、46.00%.

    智能车辆轨迹跟踪曲率预瞄路径自适应控制

    自适应预测时域参数MPC车辆轨迹跟踪控制

    吴长水高绍元
    99-108页
    查看更多>>摘要:为提升无人车辆在不同车速下轨迹跟踪控制的精度和稳定性,对传统定预测时域模型预测控制(MPC)控制器进行优化处理,提出了一种基于自适应预测时域参数MPC的车辆轨迹跟踪控制策略.通过灰色关联法确定不同目标车速工况下的MPC最优预测时域参数,使用傅里叶逼近法对预测时域参数拟合,结合车辆动力学模型和MPC算法得到可随车速变化预测时域参数的半经验模型.该模型可根据车辆轨迹跟踪目标车速的变化选择相对最优预测时域.通过仿真对比试验和实车测试,结果表明:自适应预测时域参数MPC控制器在减少轨迹跟踪误差的同时提升了求解速度,其横摆角偏差均值降低 14.7%,横向偏差均值降低 21.7%,同时控制器对不同的目标车速工况也具有较强的适应性.

    参数自适应模型预测控制轨迹跟踪车辆控制