首页期刊导航|机械工程学报
期刊信息/Journal information
机械工程学报
机械工程学报

宋天虎

半月刊

0577-6686

jme@cmes.org cjme@263.net

010-88379907

100037

北京百万庄大街22号

机械工程学报/Journal JOURNAL OF MECHANICAL ENGINEERINGCSCD北大核心CSTPCDEI
查看更多>>本刊进登机械工程方面的基础理论、科研设计和制造工艺等方面的学术论文，报道自然科学基金项目论文和国外学者的论文反映本学科的最新发展和最新科研成果。在国内外机械科技领域享有很高声誉，并有较大影响。曾荣获“中国期刊奖”，在中国科协、北京市和全国科技期刊评比中均获得奖励。在国内已成为机械类和力学类核心期刊。已被美国工程索引（EI）等国内外20余种文摘刊物和数据库收录。
正式出版
收录年代

    多智能网联汽车轨迹规划:现状与展望

    戢杨杰张馨雨杨紫茹周上航...
    129-146页
    查看更多>>摘要：轨迹规划是自动驾驶汽车的基本功能.随着车用无线通信技术(Vehicle to everything,V2X)技术的发展,自动驾驶汽车具备智能网联功能,这些汽车被称为智能网联汽车.智能网联技术可以为自动驾驶汽车带来大量信息,增强不同自动驾驶汽车之间的合作,并为轨迹规划提供额外的优化空间,以减少驾驶时间,提高驾驶舒适性和安全性.与传统的单车轨迹规划相比,多车轨迹规划可以充分利用智能网联汽车的技术优势,为多个自动驾驶汽车规划合适的轨迹.以结构化场景和非结构化场景的分类综述典型的多车轨迹规划应用场景,总结不同的多车轨迹规划合作规划策略和特点.总结用于多车轨迹规划的各种方法,包括传统的流水线规划方法和端到端方法,并对多车轨迹规划的试验进行归纳.基于当前研究现状,提出多车轨迹规划面临的挑战和未来的研究方向,为智能交通系统领域的研究人员提供启发和参考.

    自动驾驶汽车轨迹规划智能网联汽车

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向无信号灯十字路口场景的自动驾驶安全决策方法研究

    杨凯唐小林钟桂川王明...
    147-159页
    查看更多>>摘要：针对环境遮挡与交通参与者行为随机导致的驾驶风险,提出一种面向无信号灯十字路口场景的安全决策方法.首先,建立一种基于值分布式强化学习-全参数化分位数网络(Fully parameterized quantile network,FPQN)的基础决策策略.其次,融合FPQN建模的累积回报分布与条件风险价值函数(Conditional value at risk,CVaR),进而构建具有驾驶风险意识的安全决策策略.再次,引入集成学习理论(Ensemble),建立基于集成FPQN的决策不确定性估计框架EFPQN,能够实时量化决策风险.同时,为应对决策不确定性较高带来的驾驶风险,设计基于模型预测控制的备选策略以提升安全性.最后,采用SUMO仿真平台搭建无信号灯十字路口场景,对提出的安全决策方法进行验证.试验结果表明,与基准方法相比,所提出的方法能够有效降低遮挡与交通参与者行为随机导致的驾驶风险.

    无信号灯十字路口环境遮挡偶然不确定性未知场景认知不确定性

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    预见性驾驶风险场模型

    褚端峰彭赛骞胡海洋皮大伟...
    160-170页
    查看更多>>摘要：为真实反映车辆在行驶过程中的风险,并准确预测未来潜在的驾驶风险,提出一种考虑目标车辆预测轨迹的预见性驾驶风险场模型.首先,根据场景中的地图信息和所有车辆的历史轨迹信息,来预测目标车辆的未来轨迹;然后,根据预测的目标车辆未来轨迹,以及规划的自车未来轨迹,计算自车与目标车辆之间的相对位置,以及它们之间靠近或远离的趋势;最后,通过构建的驾驶风险场模型计算自车在当前和未来时刻的驾驶风险.试验表明相比于传统的碰撞时间(Time to collision,TTC)方法,建立的预见性驾驶风险场模型能更真实地反映驾驶风险;相比于不考虑目标车辆轨迹预测的驾驶风险建模方法,建立的预见性驾驶风险场模型能判断自车与目标车辆之间靠近或远离的趋势,预测风险与真实风险的偏差约为5％,能够准确预测未来时刻的潜在驾驶风险.

    驾驶风险场轨迹预测预见性驾驶风险分析智能车辆

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DQP-LMPC的智能车超车换道动态路径规划

    胡林杨冬兆张新章杰...
    171-181页
    查看更多>>摘要：为实现智能汽车安全舒适且高效的超车换道路径,针对双向双车道,提出一种基于双五次多项式和线性时变模型预测控制(Double quintic polynomial-linear time-varying model predictive control,DQP-LMPC)结合的超车换道动态路径规划模型.首先,基于五次多项式进行初次规划并进行改进研究,考虑对向车道来车,建立双五次多项式进行超车换道路径规划;其次,基于车网联的条件下,获取本车道前车和对向车道前车的位置和速度等信息,分析计算换道决策安全区间,保证整个超车换道过程的安全性;最后,基于二自由度车辆模型建立线性时变模型预测控制器对模型进行路径跟踪控制.仿真结果表明,在前方静止障碍物及无对向来车、前方动态障碍物及无对向来车和前方动态障碍物及有对向车道来车三个工况下,使用横向加速度、横摆角速度、侧倾角加速度以及横向纵向间距等为指标进行评价,最终得到的规划算法可以成功地规划出安全高效及舒适的超车换道路径,表明创建的模型具有一定的应用价值.

    智能驾驶路径规划动态规划超车换道双五次多项式

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    智能网联汽车预期功能安全风险评估3σ接受准则

    白先旭潘宇翔陈浩李维汉...
    182-191页
    查看更多>>摘要：预期功能安全(Safety of the Intended functionality,SOTIF)问题是智能网联汽车商业化推广的最大难题之一.在对智能网联汽车进行SOTIF分析的过程中,建立合适的风险接受准则能为危害识别和风险评估提供更准确的判别标准,有助于降低开发成本、提高整车的SOTIF信心度和开发效率.为建立合适的风险接受准则,对自然驾驶数据中部分驾驶人交通特性关键参数进行提取以验证驾驶人行为的"极值特性"和参数的正态分布,并分析建立安全接受准则需要遵循的三类基本原则.在结合6标准差(6sigma,6σ)理论在工科领域中的实际应用的基础上,提出将6σ理论用于建立SOTIF风险评估的3σ接受准则,并基于该接受准则重新定义行车安全场(Driving safety field,DSF)中驾驶安全系数(Driving safety index,DSI)标准值的计算方法.利用TrafficNet数据库计算不同基础场景下的DSI的标准值(DSI*),量化基础场景下的SOTIF风险接受准则.研究结果完善智能网联汽车的SOTIF评价体系,有利于从源头提升智能网联汽车安全水平,对避免无止境地推高累积测试里程具有指导意义.

    智能网联汽车预期功能安全风险评估驾驶安全系数接受准则

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于动态运动基元的车辆高速公路换道轨迹规划

    梁凯冲赵治国颜丹姝赵坤...
    192-206页
    查看更多>>摘要：为提高驾乘人员对自动驾驶车辆换道轨迹的接受度,解决轨迹规划中路径与速度解耦的问题,以高速公路自然驾驶数据集为依托,提出一种基于动态运动基元(Dynamic movement primitives,DMPs)的车辆高速公路换道轨迹规划方法.首先,利用极大似然估计对车辆高速公路历史换道轨迹信息进行分析与处理,得到能够表征自然驾驶员换道特性的换道示教轨迹;其次,采用DMPs算法对换道示教轨迹进行学习,完成对示教轨迹的复现并构建运动基元库;之后,基于运动基元库及换道需求,可泛化出多条适应高速公路驾驶场景的换道轨迹;最后,基于Prescan/Matlab/Carsim联合仿真和实车试验对规划轨迹的实时性和可跟踪性进行验证.结果表明,所提出的换道轨迹规划算法具有计算效率高、泛化能力强、驾乘人员接受度好的优点,并实现了换道路径与速度的协同规划.

    自动驾驶车辆轨迹规划动态运动基元示教轨迹

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    行车风险量化新方法及其防控策略仿真研究

    郑讯佳蒋骏皓黄荷叶王建强...
    207-221页
    查看更多>>摘要：行车风险的受人、车、路多类时变因素的耦合影响,如何对其进行准确量化一直是制约汽车智能安全技术发展的难题.提出考虑驾驶人行为特性的行车风险量化新方法并介绍对应的行车风险防控策略,将行车风险量化与等效力模型结合,设计行车风险的场模型框架.通过考虑车道线约束和车辆行驶路径的变化,在车辆行驶的纵向和横线上设置不同的风险梯度调整系数并采用Frenet坐标转换,使得行车风险在车辆行驶的纵向和横向上具有较大的差异.结合行车风险的防控指标,设计3种高速公路直行冲突场景和9种无信号灯交叉路口冲突仿真场景,并分别与纵向控制模型(Longitudinal control model,LCM)和预计时间(Time to intersection,TTI)阈值对比,仿真结果表明,所设计的车辆行驶决策模型能够识别各个方向上的风险并能主动执行风险防控,相比LCM模型在安全性上更优;另外,建立的左转风险防控算法在900次无信号交叉路口仿真中的碰撞事故发生率为0,相比TTI阈值算法具有更高的通行效率和安全性.

    行车风险量化建模风险防控行车安全场

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向动态不确定场景的自动驾驶车辆时空耦合分层轨迹规划研究

    周洪龙裴晓飞刘一平赵柯帆...
    222-234页
    查看更多>>摘要：针对智能车辆在结构化道路上,处理动态复杂场景能力较弱以及实时性差的问题,基于可达集的方法设计一种分层式时空耦合的轨迹规划方法,完成车辆在动态不确定场景下的轨迹规划.首先,根据自车与周围的障碍物状态信息,预测障碍物在未来一段时间内的位置分布概率,基于可达集的方法计算各时刻的可达区域,得到最优行驶走廊及一条初始轨迹.其次,利用二次规划的方法在最优行驶走廊内根据初始轨迹进行优化,求解出一条平滑轨迹,并对该轨迹进行跟踪行驶.最后,利用PreScan、CarSim和Matlab软件搭建仿真平台,在动态复杂交通场景下进行仿真分析,并在实车平台上进行避障测试.结果表明,所设计的规划方法能够有效处理动态不确定场景,在保证安全性的前提下能够规划出高效的通行轨迹,同时也能兼顾预测准确度与实时性.

    自动驾驶轨迹预测可达集轨迹规划

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向分体式飞行汽车自主对接的自动驾驶底盘运动规划方法研究

    郄天琪王伟达杨超李颖...
    235-244页
    查看更多>>摘要：飞行汽车是引领汽车行业未来技术发展的战略新兴方向,分体式飞行汽车作为飞行汽车的主流构型之一,由自动驾驶底盘、智能操控座舱和垂直起降飞行器三部分组成,为完成各部分的自主对接和组合,自动驾驶底盘需要沿规划的路径精确行驶至起飞行器正下方.当前运动规划方法缺乏对来自传感器、控制器和执行器等诸多不确定因素的考虑,导致路径跟踪过程中底盘行驶轨迹偏离规划轨迹,难以精确行驶至预定位置,完成对接.为解决这一问题,提出一种基于长短期记忆网络(Long short-term memory,LSTM)车辆模型的自动驾驶底盘轨迹规划方法.采用LSTM网络表征自动驾驶底盘的运动学特性,在此基础上建立车辆运动学模型.基于该模型,构建模型预测控制架构下的滚动时域优化问题.进而采用基于向量加权平均值的优化方法求解该非线性优化问题,得到符合底盘运动学特性的行驶轨迹.基于团队研制的分体式飞行汽车样机,将提出的规划方法进行试验验证.在转弯场景中,采用提出的方法的底盘平均纵向位置偏差、最大纵向位置偏差与传统模型预测控制(Model predictive control,MPC)方法相比分别下降了 78.89％、79.64％和 86.67％.

    分体式飞行汽车自主对接运动规划模型预测控制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    自动驾驶奖励函数贝叶斯逆强化学习方法

    曾迪郑玲李以农杨显通...
    245-260页
    查看更多>>摘要：研究具有广泛场景适应性的自动驾驶汽车的驾驶策略,对实现安全、舒适、和谐的自动驾驶至关重要.深度强化学习以其优异的函数逼近和表示能力,在驾驶策略学习方面展示了巨大潜力.但设计适用于各种复杂驾驶场景的奖励函数极具挑战性,驾驶策略的场景泛化能力亟待提升.针对复杂驾驶场景下的奖励函数难以设计问题,考虑人类驾驶行为偏好,建立人类驾驶策略的近似似然函数模型,通过基于曲线插值的动作空间稀疏采样和近似变分推理方法,学习奖励函数的近似后验分布,建立基于贝叶斯神经网络的奖励函数模型.针对神经网络奖励函数不确定性产生的错误奖励,采用蒙特卡洛方法,对贝叶斯神经网络奖励函数不确定性进行度量,在最大化奖励函数的同时,对认知不确定性进行适当惩罚,提出基于奖励函数后验分布的不确定性认知型类人驾驶策略训练方法.采用NGSIMUS-101高速公路数据集和nuPlan城市道路数据集,对所提出方法的有效性进行测试和验证.研究结果表明,基于贝叶斯逆强化学习的近似变分奖励学习方法,克服基于人工构造状态特征线性组合的奖励函数性能不佳的问题,实现奖励函数不确定性的度量,提升奖励函数对高维非线性问题的泛化能力,其学习的奖励函数及训练稳定性明显优于主流逆强化学习方法.在奖励函数中适当引入不确定性的惩罚,有利于提升驾驶策略的类人性、安全性及其训练的稳定性,提出的不确定性认知型类人驾驶策略显著优于行为克隆学习的策略和基于最大熵逆强化学习的策略.

    智能汽车自动驾驶近似变分奖励学习近似变分推理贝叶斯逆强化学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据