【摘要】针对高速公路交织区车辆密集变道导致的轨迹预测与冲突检测难题,提出一种融合注意力机制的序列到序列(Seq2Seq)轨迹预测模型。通过卷积神经网络提取车辆局部空间特征,使用长短期记忆网络处理时序依赖关系,经注意力机制动态捕捉关键时空交互信息。基于NGSIM数据集的试验结果表明:对比经典前沿轨迹预测模型,所提出模型预测轨迹横、纵坐标的均方根误差、平均绝对误差和平均相对误差最大降幅分别达到 97.4%.97.9%.99.5% 和 77.4%.91.5%.99.5% ;改进的有向包围盒冲突检测算法通过注意力机制优化检测流程,其执行效率提升 60.2% ,可为复杂场景下智能车辆的安全决策提供技术支撑。
【摘要】针对现有强化学习方法直接输出底层控制指令导致车辆控制抖动、轨迹不连贯等问题,提出一种融合深度强化学习(DRL)与动态运动基元(DMP)的分层控制框架。将自动驾驶控制任务划分为上层语义决策与下层轨迹生成两个阶段:上层由强化学习算法基于环境状态输出驾驶意图及DMP控制参数,下层通过对人类示教数据的建模,利用DMP学习驾驶技能的潜在特征表达,并结合障碍物与周围车辆的位置构建动态避障耦合项,生成连续平滑、符合人类驾驶习惯的避碰轨迹。选取高速公路变道作为典型测试场景开展对比仿真验证,结果显示,所提出的方法在策略收敛性、训练稳定性、换道成功率、轨迹平滑性以及转向控制连续性等多个方面具有显著优势。
【摘要】针对无人车路径规划中单独采用 A* 或动态窗口(DWA)算法难以兼顾全局最优与实时避障的问题,提出一种融合改进 AA* 与DWA算法的无人车路径规划方法。首先,在改进的 A* 算法中,结合欧几里德距离和曼哈顿距离优化启发函数,使预估路径代价更加接近真实路径代价;其次,引入24邻域搜索策略,根据当前节点与目标节点的相对位置,将搜索方向由16个降至10个,保证搜索效率的同时,避免路径形态缺陷;然后,在DWA算法的评价函数中引入动态轨迹引导评价函数和动态权重优化速度函数,解决路径偏差和局部最优问题,并且提高传统DWA对障碍物分布的适应能力;最后,融合改进 A* 与DWA算法,实现无人车的路径规划。仿真试验结果表明:相较于传统 A* 算法,改进 A* 算法路径长度平均缩短2.73% ,遍历节点数平均减少 32.61% ,路径转折次数平均降低 21.05% ,融合算法能够在全局最优路径的基础上,根据地图环境信息对局部路径进行修正,从而完成实时避障。
【摘要】为了探究高强化工况下,离子液体(IL)在不同种配对副中的摩擦学性能,在基础油中加入质量分数为 2% 的IL润滑配对副,评估其对3种配对副摩擦、磨损和磨损特性的影响。利用间断式贫油试验方法,分析离子液体在不同活塞环-气缸套配对副中对基础油抗拉缸性能的影响;通过检测磨损后配对副的表面微观形貌、化学元素成分及分布,阐释离子液体润滑条件下配对副的磨损行为及相关机制。试验结果表明:离子液体添加剂有助于提升3种配对副的摩擦学性能,因铬基金刚石涂层(GDC)活塞环中的超细相纳米金刚石剥落,破坏了离子液体在配对副基体表面生成的摩擦膜,导致其对GDC活塞环配对副摩擦学性能的提升最少。
【摘要】为了解决锂电池容量在非线性退化过程中当前数据依赖过去退化数据的长相关特性和显著突跳特性,提出分数阶Poisson过程( fPp 差分预测模型,应用Hurst指数证明了该模型具有跳跃性和长相关性,并用极大似然法对模型参数进行辨识,解决了寿命预测过程中的随机跳跃和长相关特性问题。最后应用美国国家航空航天局锂电池退化过程恒流恒压数据集验证了 fPp 差分预测模型的优势。
【摘要】针对车用燃料电池阳极循环引射器在低功率段的引射能力较弱的问题,基于一款车用燃料电池进行脉冲引射循环性能分析,首先通过台架测试阳极循环混合气的组分参数,然后搭建燃料电池阳极循环的等效模型和脉冲引射模型,研究了不同脉冲周期、不同电流密度下的脉冲引射特性。结果表明:在不同电流密度下,回流混合气中的氢气占比在82.2%~93.6% 之间,氮气占比在 1.35%~7.68% 之间,相对湿度在 82%~95% 之间;相比于常规引射器,脉冲引射的平均计量比在中低功率下有 20%~70% 的提升,且平均计量比随着脉冲频率的增大而增大,随着电流密度的增大而增大。
【摘要】针对当前自动紧急制动(AEB)系统软件开发周期长和极端场景(Comer Case)复现困难的问题,提出将仿真测试技术深度应用于AEB系统开发流程的解决方案。在某量产车型AEB系统决策控制软件开发过程中,在不同阶段分别引人WorldSim和LogSim仿真测试方法,并在实际案例中验证两种方法的应用效果,结果表明,WorldSim和 LogSim 在AEB系统决策控制软件开发中的配合使用提高了软件开发迭代效率,保证了极端场景的复现和优化。