一、路面机动目标的融合跟踪（论文文献综述）
杜苗苗[1]（2021）在《多轴应急救援车辆主动悬架系统的控制策略研究》文中进行了进一步梳理近年来我国灾害事故频发,多轴应急救援车辆作为陆地救援的主要装备,需要在复杂路面行驶条件下具有较高的机动性、平顺性和操纵稳定性。目前,被动悬架是多轴应急救援车辆常采用的结构,但其参数不可随路面不平度和车辆的振动状态实时调节,导致应急救援车辆在低等级路面上的行驶性能较差,严重影响救援作业的效率。主动悬架系统通过控制执行器输出能量来抵消路面冲击作用,能够有效提高车辆在不同等级路面条件下的机动性、平顺性和操纵稳定性,满足应急救援车辆对悬架系统的性能要求。作为主动悬架系统的核心,主动悬架控制策略已成为近年来车辆控制领域的研究热点。另外,整车的机动性、平顺性和操纵稳定性水平不仅取决于悬架系统,还依赖于悬架系统和转向系统的协调工作。目前针对多轴车辆主动悬架和转向系统集成控制的研究还处于探索阶段。本文依托国家重点研发计划课题“高机动性应急救援车辆（含消防车辆）专用底盘及悬挂关键技术研究”（项目编号:2016YFC0802902）,为使多轴应急救援车辆在复杂道路行驶条件下的机动性、平顺性和操纵稳定性得到提高,对主动悬架系统控制策略、主动悬架和转向系统集成控制策略进行系统且深入的研究。具体研究内容包括:（1）采用模块化和分块建模的思想,完成了所研究车辆原有的互联式油气悬架系统的非线性建模,分析了互联式油气弹簧和整车互联式油气悬架系统的刚度特性和阻尼特性,为后续主动悬架系统控制策略的研究提供了对比基准。（2）研究了基于自抗扰技术的主动悬架系统非线性控制策略。充分考虑主动悬架系统中的众多非线性和不确定因素,基于自抗扰控制和有限时间稳定控制的思想,提出了一种基于非线性扩张状态观测器（ESO）的有限时间稳定输出反馈控制策略,驱使车身的振动状态于有限时间内收敛。利用Lyapunov稳定性理论和几何齐次性理论,以车身的垂向运动为例,系统地证明了有限时间稳定输出反馈控制器的稳定性,解决了基于非线性ESO的控制器稳定性证明困难的难题。通过分析剩余子系统的零动态特性,确保了整车主动悬架系统的闭环稳定性和约束性能。仿真结果表明,与被动油气悬架和基于线性ESO的渐进稳定输出反馈控制器相比,所提出的控制策略可以更好地提高三轴应急救援车辆的机动性和平顺性,同时满足操纵稳定性的约束要求。（3）研究了基于位移控制的主动悬架系统控制策略,提出了一种新型的电液伺服作动器位移控制方法。分析了基于位移控制的主动悬架控制器的控制思路,将其分为主环控制和子环控制。主环控制器参考本项目组的发明专利CN110281727A,利用车辆的逆运动学和位姿偏差补偿的思想,解算可提高车辆平顺性的各个作动器的理想位移量。创新性地提出了一种基于非线性采样数据状态观测器（Non-linear Sampled-data ESO,NLSDESO）的子环输出反馈控制器,有效消除了电液伺服作动器系统的复杂非线性、匹配和非匹配扰动以及传感器输出信号离散性对作动器实际控制效果的不利影响,实现对理想位移信号的高性能跟踪控制。同时利用Lyapunov稳定性理论,对NLSDESO的收敛性和电液伺服（离散-连续）混合系统的闭环稳定性进行了系统的证明。Matlab和AMESim联合仿真结果表明,所提出的考虑输出信号离散性的子环控制器是可行的,且可以提高电液伺服作动器的瞬态和稳态位移跟踪精度。（4）研究了多轴车辆主动悬架和全轮转向系统的协调控制策略。分析了主动悬架和转向系统的耦合机理,建立了三轴车辆整车的十一自由度非线性动力学模型和轮胎的非线性“Dugoff”模型。考虑转向系统的非线性和不确定性影响,基于super-twisting滑模控制思想和有限时间分离原理,提出了一种新型的三轴车全轮转向super-twisting滑模控制策略,避免了传统滑模控制中常出现的抖动现象,且可使转向系统状态在有限时间内收敛于理想参考轨迹。三种典型转向工况下的仿真结果表明,相比前轴转向、全轮转向比例控制、不连续切换滑模控制等策略,所提出的全轮转向控制器具有显着的优越性,可以更好地提高三轴应急救援车辆的机动性和操纵稳定性。基于已设计的主动悬架有限时间稳定控制器和全轮转向super-twisting滑模控制器,进一步设计了多轴车辆主动悬架和转向耦合系统上层协调控制器,仿真结果验证了耦合系统协调控制策略可以有效提高整车的综合行驶性能。（5）对整车主动悬架系统进行试验研究。搭建了悬架单元试验平台,在不同控制增益、不同采样周期和不同控制方法下进行多组电液伺服作动器位移跟踪控制试验,验证了考虑输出信号离散性的子环控制器的可行性和高性能位置伺服控制效果。搭建了三轴应急救援车辆整车试验平台,在不同路障工况下进行实车道路试验。试验结果表明,相比互联式油气悬架系统,采用基于位移控制的主动悬架控制策略可将车身的垂向位移、俯仰角和侧倾角均方根值降低30%左右,有效提高了车辆的行驶平顺性。
冯家齐[2]（2021）在《儿童友好视角下街道空间设计研究 ——以西安市长安南路为例》文中研究指明街道是城市公共空间的主要组成要素。长期以来,国内街道空间在城市化的进程中缺乏对于人性化和公平性的探讨,特别是忽视儿童的行为活动及需求,儿童这一弱势群体与城市街道空间之间矛盾日益凸显。儿童在街道空间中日常出行安全问题和行为活动空间缺失问题,直接或间接影响城市儿童的健康和安全。近年来,随着联合国儿童基金会“儿童友好型城市”这一概念的提出,使得设计者在城市规划设计过程中视角发生转换,为城市更新、人性化设计、公共空间提升等方面提供重要设计思路,寻求更加科学合理及适合时代发展需求的街道设计策略和方法。本文首先针我国当前对于儿童友好型街道空间仍缺乏基础理论研究的现状,以环境行为心理学、人体工程学和儿童心理发展等相关理论为研究基础,分析了儿童友好视角下街道空间构成要素、儿童行为特征、儿童心理需求三者之间的关系;其次,通过PSPL调研法、跟踪采访法、问卷调研法等调研方法,结合街道现状特点、空间界面和设施等对西安市长安南路进行调研,发现了长安南路街道空间对于儿童日常活动存在交通安全隐患,儿童在街道空间中的行为活动呈现分散化、室内化,街道现有儿童活动空间匮乏、设施单一等问题;结合国内外相关优秀案例,阐述儿童友好视角下街道空间的构成要素,提出了儿童友好视角下街道空间“保障安全性”、“舒适性”、“功能复合性”、“互动激励性”的四大设计原则,并分析得出在交通、空间、尺度、设施等方面的设计策略;最后依据以上研究结论,综合对长安南路街道空间及重要节点进行改造设计,满足儿童在长安南路街道空间中空间需求。通过本文的研究希望从风景园林专业角度对今后城市街道空间提供新的设计视角,引导建立真正能够让儿童在街道空间中参与、体验、游乐的街道公共空间,为儿童友好视角下街道空间发展提供理论参考。
向世涛[3]（2021）在《基于雷达与PTZ摄像机网络的协同侦察研究》文中研究指明非合作目标的侦察是包括安防、数字化城市等众多领域数字化、智能化系统的重要基础。进行非合作目标侦察往往使用多种探测手段,其中摄像机由于符合人眼视觉、纹理信息丰富;厘米波雷达由于可全天候、中远距离探测且性价比较高,这两种探测源得到较为广泛的应用。基于雷达和视觉的协同侦察具有侦察范围广、直观便捷、信息量大的特点,能极大提高系统的检测识别跟踪能力。本文针对雷达和云台（Pan-Tilt-Zoom,PTZ）摄像机网络的协同侦察展开研究,主要工作内容如下:（1）研究PTZ摄像机内参、摄像机云台和场景标定:1)内参标定针对中远距变焦场景中张氏标定法无法正确使用的问题,采用两步标定法计算摄像机内参,进行该方法的验证及与张氏标定法的比较;2)由于PTZ摄像机具有转动结构,本文提出针对摄像机云台标定的光心运动轨迹模型,模型输入为摄像机转角,输出为光心坐标;3)场景标定研究如何将目标从雷达转换到各摄像机坐标系下,用于引导PTZ摄像机侦察目标。（2）研究针对雷达和PTZ摄像机网络的基于专家经验和基于马尔科夫链的协同调度方法。前者基于专家经验,分析其它模块和上级指令对协同调度的影响,从而制定协同调度模块的状态转移准则;后者针对本文场景进行仿真,将系统状态看作马尔科夫决策过程,提出以尽可能多高优先级目标被侦察到为正收益目标,并考虑摄像机转动效率带来的负收益,将总收益最大化的摄像机联合行动即为最佳调度决策。（3）设计针对单雷达和双摄像机的共同、接力侦察两种模式的亚公里级内场和外场的协同侦察实验,并采用基于专家经验的协同调度方案,对非合作行人、汽车、无人机目标进行协同侦察试验。本文所提出的方法已通过仿真和实测数据验证。结果表明:1)本文提出的PTZ标定方法能有效提高内参标定的精度,比张氏标定法的结果更加准确;2)本文提出的场景标定方法能在可接受误差范围内完成探测源的互引导;3)针对基于马尔科夫链的协同调度方法,本文提出的收益计算方法比传统方法在仿真条件下更加有效;4)本文提出的基于专家经验的协同调度方法能在亚公里级场景下按要求完成两种不同模式的协同侦察任务。
张冰[4]（2020）在《全线控电动汽车不同行驶模式的轨迹跟踪控制研究》文中进行了进一步梳理在交通环境日趋复杂的今天,对车辆底盘灵活性要求越来越高,应社会发展需求,随着电控系统技术的迅速提升,基于分布式底盘的全线控电动汽车将会成为解决复杂交通环境问题的主要交通工具。全线控电动汽车具有四轮独立驱动/制动/转向的独特结构,结合控制手段可以实现更加灵活、高效的轨迹跟踪,为智能驾驶技术发展带来了许多新的可能。目前针对全线控电动汽车轨迹跟踪控制的研究中多将其视为期望运动实现的基础平台,结合传统底盘车辆控制思想实现其轨迹跟踪控制方法的设计,难以充分发挥全线控电动汽车的优势。因此,本论文依托国家自然科学基金资助项目“分布式全线控电动汽车可重构集成控制策略研究”（项目编号:51505178）及吉林省“十三五”教育厅科学技术项目“基于线控底盘的分布式电动汽车动力学建模与协同控制”（项目编号:JJKH20200963KJ）,从全线控电动汽车灵活机动特性出发,考虑其动力学特性,研究了不同行驶模式的全线控电动汽车轨迹跟踪控制方法,具体研究内容可总结为如下几个部分:1)对全线控电动汽车运动状态估算方法进行了研究:针对驱动系统轮毂电机力矩突变以及车辆模型不确定性等原因所造成的车辆运动状态观测不准确问题,提出一种双结构强跟踪滤波（Double Strong Tracking Filter,DSTF）运动状态观测器。采用强跟踪滤波（Strong Tracking Filter,STF）方法分别对基于轮毂电机的驱动系统状态及整车运动状态进行观测,并利用两个滤波器之间的数据共享,结合强跟踪滤波方法对模型不确定性的鲁棒性以及对信号变化的强跟踪能力,快速、精确地获取整车运动状态信息。通过仿真对比验证了所设计的全线控电动汽车DSTF观测器可以在无信号突变情况下准确获取整车运动状态;当驱动系统轮毂电机状态信号发生突变造成整车运动状态变化时,所提出的观测器仍然具有快速、准确的信号处理与估算能力,相比于现有的全线控电动汽车运动状态观测器,提高了对整车运动状态的观测能力。2)针对紧急工况,为满足严格轨迹跟踪精度需求以保证无人驾驶安全性,利用全线控电动汽车灵活特性优势,研究一种不同行驶模式融合的轨迹跟踪控制方法。首先基于分层式集成控制架构结合模型预测控制（Model Predictive Control,MPC）方法对四轮独立驱动/制动/转向底盘的轨迹跟踪控制器进行设计,其中结合人工势场法在MPC轨迹跟踪控制优化目标中引入避障势场函数,实现动态避障功能。其次基于线性化摩擦圆约束结合二次规划方法,对期望车体广义力/力矩进行分配,结合引入轮胎逆模型的执行器执行层,实现期望轨迹跟踪运动。在上述基础上,摒弃传统通过驾驶员在低速工况中对不同转向模式进行手动选择与严格切换的方法,首先以车辆跟踪轨迹时姿态为特征将车辆行驶模式划分为传统与非传统行驶模式,并设计一种自动融合不同行驶模式的全线控电动汽车轨迹跟踪控制方法,其中在MPC轨迹跟踪器中引入可变的优化控制目标,设计变权重调整器结合MPC框架对车辆动力学的约束能力,通过控制传统与非传统行驶模式不同程度的融合,实现更加灵活与精确的轨迹跟踪控制;仿真结果表明了提出的全线控电动汽车不同行驶模式融合轨迹跟踪控制方法可以有效提高轨迹跟踪精度。3)在轨迹跟踪精度要求低的工况中,为适应长期基于传统架构底盘形成的驾驶习惯,提高乘坐舒适性,针对全线控电动汽车传统行驶模式,研究了一种兼顾不同动力学稳定性需求的自适应MPC轨迹跟踪控制方法。首先结合传统行驶模式对控制架构进行重组以改善预测控制实时性能,并利用（质心侧偏角-质心侧偏角速度,β-（?））相平面对车辆稳定性较强的表征能力对动力学稳定性进行判断与量化,结合稳定性量化指标与给定阈值,根据MPC控制器中预测域对全线控电动汽车动力学稳定性的影响对其进行在线调节;针对自适应MPC轨迹跟踪控制中存在的数学问题,在目标函数中引入递减指数权重,解决系统“病态”导致的预测域切换过程中扰动问题,同时降低了控制系统对干扰的敏感性;设置长的控制域对处于动力学稳定状态中的车辆轨迹与横摆跟踪能力进行优化,通过引入Laguerre函数序列对控制域中的控制序列进行拟合,将优化变量从多个控制增量转化为少量的拟合参数,从而在不增加优化求解计算复杂度的基础上提高了动力学稳定状态下对参考轨迹与期望横摆的跟踪精度。通过仿真结果得出,针对符合传统驾驶与乘车习惯的全线控电动汽车传统行驶模式,所提出的自适应MPC轨迹跟踪控制方法与传统MPC轨迹跟踪控制方法相比在跟踪精度上有大幅度提升,并通过优化进一步提升了动力学稳定状态下的轨迹跟踪精度,验证了提出方法的有效性。4)针对本论文所提出的方法进行试验验证。首先利用全线控电动汽车采集并合成模拟轮毂电机故障与试验噪声的试验数据,对提出DSTF运动状态观测器进行验证;基于驾驶模拟器,搭建不同行驶模式融合的全线控电动汽车轨迹跟踪控制器及传统行驶模式下的自适应MPC轨迹跟踪控制器,并对相应方法进行实时性优化,在中高速工况中引入执行器延迟,对提出方法进行模型在环验证。试验结果表明针对不同工况需求的轨迹跟踪控制方法均可以获得良好的轨迹跟踪控制效果,验证了方法的有效性。
喻恺[5]（2020）在《基于车联网基本安全消息集的行车风险感知与预警研究》文中研究说明车联网技术的发展为道路交通安全管理应用提供更加丰富的数据源和手段。在最新发布的SAE J2735-2016和T/CSAE 53-2017标准定义中指出,车联网V2X环境下能够有效获取行车安全相关的基本安全消息集（Basic Safety Message,BSM）。本文通过采集实车BSM数据,对典型场景下的车辆运动状态和危险行车状态进行全面感知与预测,最终实现车联网环境下的行车风险感知与预警研究。首先,以江西省昌九智慧高速试验段为例,阐述了车联网技术的基本架构体系、关键技术以及智慧道路网联化分级标准,并对行车安全数据协议进行了整理。在此基础上搭建基于车联网的实车测试试验平台,并开展实车试验对BSM数据进行采集。其次,为有效提升BSM运动信息准确性,建立了一个基于车路协同的BSM行车运动信息采集方法。通过利用交互式多模型滤波与改进型汽车运动学的组合模型,将车载端和路侧端采集的车辆状态数据进行融合,实现汽车大机动运动下的运动状态最优估计。与其他方法对比后表明,所提出的方法整体误差更小,跟踪效果更好。再次,为有效感知车联网环境下行车过程中存在潜在风险的行车状态,提出了一种基于粗糙集和改进型支持向量机的行车状态感知方法。利用粗糙集从BSM行车状态信息中甄选出8个特征表征潜在风险行车状态,并结合遗传算法与支持向量机组合模型对参数进行快速寻优及标定。与其他方法对比后表明,该方法准确性更高,可正确判别出94.44%的潜在风险行车状态。最后,针对复杂道路交通场景下的驾驶行为不确定问题,将深度学习理论引入到汽车前向碰撞风险态势感知方法研究中,基于车联网V2X环境下充分考虑了跟驰、换道、自由驾驶等场景中的BSM信息并进行连续采样,从而构建多维行车安全状态序列样本并输入LSTM（Long Term Short Time）神经网络中,实现对车辆加速度的短时预测（0.5s）。通过ROC曲线对预测结果进行评估,并进一步利用约登指数,选取基于预测值的潜在碰撞风险最优阈值。结果表明,该方法能提前0.5s预测87.838%的潜在前向碰撞风险。本文基于车联网的角度对行车风险感知与预警方法开展了研究,对从车联网获取的BSM信息进行了多角度的甄选和有效融合,取得了一定的研究成果。该成果对于提高道路交通安全水平,以及加快车联网与交通安全应用的融合具有一定的意义。
孙玉泽[6]（2020）在《无人轮式车辆越野路面全局路径规划与轨迹跟踪》文中进行了进一步梳理越野车辆自动驾驶技术在军事、农业、消防等领域有广泛用途,本文面向无人轮式车辆在越野环境下的非结构化路面的自动驾驶,开展越野环境下的全局路径规划与轨迹跟踪算法研究。目前在非结构化道路上栅格地图中的全局路径规划算法较多,而一般栅格地图不考虑每个格网的具体高程或地面类型差异,同时非结构化道路一般考虑为平整空旷道路上,越野环境中多为地形起伏的颠簸路面,同时地貌复杂,地物类别多样。本文针对典型越野路面开展了无人越野汽车的路径规划与轨迹跟踪方法研究。首先选择长春周边的实验地区,通过土地监督分析及DEM信息进行环境建模,然后依次采用全局、局部路径规划算法进行仿真,得到越野汽车参考的轨迹离散点集。最后基于预瞄控制进行轨迹跟踪,验证了局部路径规划算法的有效性。本文的主要内容包括:（1）越野路面环境建模越野路面环境建模流程及方法,包括采用BP神经网络进行土地监督分类,采用DEM高程数据计算坡度坡向信息。将分类结果通过栅格法进行建模,得到车辆可以识别的越野栅格地图。（2）路径规划算法仿真在越野栅格地图中采用改进A*算法和改进蚁群算法进行全局路径规划,并将两者仿真结果进行对比。其中改进A*算法路径通行时间更短,所以后续选择其结果用于局部路径规划,提高局部路径分辨率以实现细化栅格地图信息。采用“滚动窗口法与HCAA*算法”实现越野地图的局部路径规划,得到车辆可通行的轨迹曲线,并依据地面属性信息计算轨迹曲线上的纵向速度,最终得到包含横纵坐标及速度的轨迹离散点集。（3）轨迹跟踪控制算法建立车辆侧向、纵向的动力学模型,并分别建立了基于预瞄控制理论的侧向控制算法,及基于PID的纵向控制算法。其中在侧向控制算法中增加基于航向角误差的反馈控制调节。通过定曲率工况与双移线工况对轨迹跟踪控制算法的有效性进行验证。（4）越野地图局部路径规划仿真验证基于以上理论基础,通过越野栅格地图搭建Carsim环境下的越野路面,通过MATLAB/Simulink搭建轨迹跟踪控制模型,并依据HCAA*算法得到的局部轨迹点进行Carsim与Simulink的联合仿真。结果表明,轨迹跟踪算法可以实现实时控制车辆沿既定轨迹通行,有较好的控制效果,同时局部规划得到的轨迹曲线满足车辆的约束需求。
冯广增[7]（2020）在《基于激光雷达的智能汽车近程环境感知应用研究》文中研究说明智能汽车是汽车产业发展的重要方向。当前,智能汽车尚处于研发阶段,其中存在设计车速低、运行设计域小等问题,智能汽车近程范围内的环境感知问题未能较好地解决是造成该问题的重要原因之一。现有产品级自动驾驶感知系统主要配备毫米波雷达与视觉相机,难以实现近程范围内道路路肩、行人、异物等体积较小目标的感知。激光雷达具有较高的测量精度,可用于道路路肩与小型障碍物的探测。智能汽车利用激光雷达感知近程环境是提高其设计运行速度与适用范围的重要途径,但目前其技术应用尚不成熟。本课题旨在探索利用激光雷达进行智能汽车近程交通区域内的环境感知的应用研究,弥补毫米波雷达与视觉相机对在近程感知中的不足,主要研究内容包括以路肩为形式的道路边界的感知以及障碍物的准确探测,并通过实车实验进行验证。在道路边界感知方面,道路边界信息为智能汽车的全局路径规划提供数据支持。对于道路边界的临时性变化,高精度地图往往难以及时更新与标注,毫米波雷达与视觉相机对其检测又较为困难。本课题试图探索利用激光雷达来解决近程范围内道路边界的检测问题,主要包含三个方面:进行激光雷达的外参标定,将其输出的点云数据转换至车辆坐标系中;基于激光雷达与GPS/INS定位信息融合的方式实现主车的全局定位,获得车辆坐标系与全局惯性坐标系间的变换关系,其中,基于激光雷达的局部定位是采用目前先进的LOAM算法来实现;在车辆坐标系下,利用模型拟合方法实现基于激光点云的道路边界检测,并利用前述坐标转换关系获得全局惯性坐标系下的道路边界感知信息。实验结果表明,本文提出的道路边界感知方案具有一定的有效性与准确性。在障碍物感知方面,道路内障碍物与交通目标状态信息为智能汽车的局部行为决策提供数据支持。对于近程道路内体积较小的障碍物的检测,现有基于毫米波雷达与视觉相机的成熟方法都难以实现。本课题尝试探索利用激光雷达的高精度点云数据来获得近程道路内障碍物的感知信息,主要包含三个方面:利用前述外参标定后的点云数据基于分段平面拟合方法实现路面点云与非路面点的分离;基于经典的DBSCAN密度聚类方法检测出道路内的障碍物模型,在这里,针对DBSCAN算法的计算与内存需求大的问题以及目标点云近密远疏的特征,本文采取下采样处理、KD-Tree重组织与变阈值策略;采用最近邻法对前后帧障碍物检测信息进行数据关联,并基于滤波理论实现障碍物相对车辆坐标系的运动状态估计。实验结果显示,本文采取的障碍物感知方法对不同体积障碍物的检测具有一定的有效性与鲁棒性。
商小强[8]（2020）在《四轮转向汽车操纵稳定性优化设计研究》文中研究表明良好的操纵稳定性能够使汽车拥有更好的主动安全性能,保障生命财产安全,提高汽车操纵稳定性一直是科技工作者的研究热点。本文以四轮转向汽车为研究对象,通过设计基于模型预测控制的四轮转向汽车稳定性控制器和基于模糊PID控制理论的四轮转向汽车稳定性控制器,来优化系统控制策略;通过优化设计的四轮转向汽车路径跟踪稳定性控制器,来保障行驶稳定性问题,以期提高汽车的操纵稳定性。本文具体研究内容如下:（1）在充分分析了四轮转向汽车操纵稳定性控制国内外研究现状的基础上,首先建立了四轮转向汽车线性二自由度车辆动力学模型,推导状态空间方程,为后续研究准备理论基础。然后基于CarSim车辆动力学软件建立整车动力学模型,并搭建MATLAB/Simulink和CarSim联合仿真平台,为后续仿真验证做准备。随后基于四轮转向汽车二自由度车辆动力学模型设计了三种四轮转向汽车角传动比,通过仿真试验证实了四轮转向汽车拥有较好的低速操纵性和高速稳定性。（2）考虑相关系统约束问题和优化问题,设计了基于模型预测控制的四轮转向汽车稳定性控制器;在控制算法中对输入和输出等相关变量进行了合理性的约束,设计了基于控制目标的优化函数,通过对优化问题求解得到能够实现控制目标的后轮转角。同时,考虑系统的不确定性因素,设计了基于模糊PID控制理论的四轮转向汽车稳定性控制器,以控制目标实际值与参考值的偏差及偏差的变化率作为输入,以后轮转角作为输出对汽车进行控制。通过联合仿真平台对两个控制器的性能进行了验证,同时依据对比选优的中心思想,通过对仿真结果的分析从中选出了性能最优的四轮转向汽车稳定性控制器。（3）基于模型预测控制理论,设计了四轮转向汽车路径跟踪稳定性控制器。控制器能够同时控制前后轮角,将汽车稳定性控制目标考虑到路径跟踪算法中,通过对优化问题进行优化求解,得到了能够同时实现路径跟踪和提升稳定性的前后轮转角。通过联合仿真平台在高低附着路面下进行了参考路径跟踪性能仿真试验,结果表明所设计的控制器能够有效地对参考路径进行跟踪,同时其在跟踪过程中的行驶稳定性要明显高于前轮转向汽车。
曾凡[9]（2020）在《基于激光雷达的低速无人物流车的环境感知算法研究》文中认为随着国内物流行业的快速发展,物流行业“最后一公里”末端配送服务的重要性不断提升,配送成本高以及效率低的问题日益凸显。常用于园区、社区和校园等特定场景的低速无人驾驶物流车,逐渐成了各大物流企业和相关研究机构关注的重点。无人车环境感知系统的作用,就如人的双眼一样重要,其主要的环境感知内容,包括对道路边界的检测和路面障碍物的跟踪。基于低速无人驾驶物流车感知系统的成本约束和感知能力的要求,本文选用价格相对较低的单线激光雷达,开发了一套具有良好可视性和实时性的Labview环境信息采集系统。通过实车实验,验证了道路边界检测算法,障碍物聚类算法和低速条件下的障碍物目标跟踪算法的准确性和有效性,具有一定的学术研究价值和工程价值。本文的主要研究内容如下:（1）介绍了单线激光雷达的工作原理和性能,基于Labview的环境信息采集系统的基本架构。在Labview中编写雷达点云信息解析程序,对激光雷达报文信息进行解析。Labview环境信息采集系统中调用包含道路检测算法、障碍物聚类和跟踪算法的动态链接库DLL,以完成对环境信息的采集。（2）提出一种激光雷达的道路可通行区域检测算法。根据二维激光雷达扫描道路的点云的特点,使用最近邻算法去除噪声。对雷达点云的倒“U”型数据去掉路面部分,将剩下的倒“L”型点云提取角点,通过斜率控制求取出路沿点,最后使用最小二乘法确定道路边界的具体位置。道路边界的确定,为低速无人物流车的行驶提供了安全保障。（3）针对障碍物聚类和跟踪问题,提出一种自适应阈值聚类方法和多参数关联以及目标跟踪器管理规则。根据激光雷达扫描路面障碍物的点云形状,设置感兴趣区域,采用改进DBSCAN聚类算法。考虑到距离越远点云越稀疏,采用自适应动态阈值,保证同一个障碍物点云信息的完整。采用基于最近邻算法思想的多参数关联算法,通过对包含障碍物目标的位移、长宽、速度和方向的判定函数求解,来判断不同时刻的点云信息是否为同一个障碍物。对于行驶过程中车辆信息的丢失,采用卡尔曼滤波算法,预测出下一时刻障碍物位置、速度等关键信息,提供给无人车决策系统,以保证行车的安全。通过设置目标跟踪管理器,以障碍物的存在阈值和丢失阈值,保证了所跟踪目标的可靠性,避免了虚警发生的可能,同时保障了目标跟踪的效率。（4）通过低速无人驾驶车作为实验车辆,进行实车测试与实验验证。结果表明本文的研究方法,能够较好的检测前方道路的边界信息,具有良好的障碍物聚类效果,并且可以有效跟踪时速1-20km/h的动态障碍物目标。
边辰通[10]（2020）在《危险交通场景下的智能汽车控制策略研究 ——主动闪避、主动减速与主动撞击》文中研究说明基于自动驾驶系统,智能汽车能实现自主行驶,可有效减少交通事故,降低交通拥堵及环境污染,是目前国内外产业界及学术界的研究热点。智能汽车的主动安全技术是其发展及应用中面临的核心问题之一。与传统有人驾驶汽车相比,装备自动驾驶系统的智能汽车可完全控制车辆运动,这对智能汽车的主动安全技术有着更高的要求。如何为智能汽车设计完善的控制策略是智能汽车主动安全技术发展中的主要难点。当前对一些危险交通场景的研究尚不完善,基于智能汽车技术仍然可以从特定维度提高交通系统的安全水平。为此本文对传统的汽车主动安全技术的研究进行了扩展,为应对一些危险的交通场景提出了主动闪避、主动减速和主动撞击的概念,进一步扩大了智能汽车主动安全的研究领域,并围绕这些概念研究了智能汽车在交通系统中面临的若干问题,设计了相应的控制策略。具体研究内容如下:（1）提出了主动闪避、主动减速与主动撞击的概念。主动闪避是指智能汽车须尽可能避免由其他汽车原因引发的潜在交通事故。目前智能汽车的防碰撞控制系统主要有自适应巡航控制、防追尾控制及紧急制动等多种控制系统,这些系统大多关注于减少由于自身因素引起的碰撞事故,较少考虑如何减少由于其他汽车原因而引发的交通碰撞事故。这类系统在实际应用中往往无法应对诸如被后方重型汽车追尾等危险交通场景。为进一步提高智能汽车安全性,本研究提出了主动闪避的概念,并关注于在紧急情况下如何控制智能汽车纵向运动来避免由其他汽车原因造成的交通碰撞事故。主要关注于以下问题:如何避免被后方汽车追尾以及如何避免与逆行汽车发生正面碰撞事故。主动减速是指智能汽车须尽可能在检测到前方道路存在侧滑风险时,及时进行减速以降低发生侧滑事故的风险。当前汽车横摆稳定性控制的研究有助于减少汽车发生侧滑事故,然而这类研究一般仅考虑在即将或已经发生侧滑时才起作用,往往忽略通过预先减速来避免事故发生。针对该问题,本研究提出了主动减速的概念,研究通过路面附着系数估计及速度规划等措施,来降低发生侧滑事故的风险。主动撞击是指智能汽车在得到授权的情况下,主动撞击被网络入侵控制的危险汽车以避免危险汽车造成更严重的社会危害。随着智能汽车及车联网技术的发展,智能汽车的网络安全问题日益严峻。当前针对智能汽车网络安全的研究大多仅考虑网络通讯的安全,极少考虑在智能汽车被网络入侵控制并存在汽车恐怖袭击风险时的应对措施。普通警用装备很难有效阻止此类可能造成严重社会危害的危险汽车。针对该问题,本研究设计了主动撞击控制器,该控制器可在必要时控制智能汽车通过主动撞击的方式,摧毁被网络入侵控制的危险汽车。（2）针对可能发生追尾碰撞及正面碰撞事故的危险交通场景,构造了追尾碰撞闪避控制系统与正面碰撞闪避控制系统。针对四轮独立驱动电动汽车构建了考虑空气阻力及滚动阻力的纵向动力学模型,并基于该模型及模型预测控制算法设计了车辆纵向运动控制器;为降低控制器计算负荷,基于PID算法开发了纵向运动控制器。通过单车道车辆追尾事故分析,结合多Agent系统蜂拥控制理论,设计了追尾碰撞闪避控制系统;针对单车追尾碰撞闪避问题,设计了包含α-Agent、β-Ageng和γ-Agent的单层多Agent蜂拥控制结构,基于Agent之间的交互关系给出了考虑速度跟踪及防追尾功能的控制协议,并构建了单车追尾碰撞闪避轨迹规划算法;针对多车队列的追尾碰撞闪避问题,设计了采用双层蜂拥控制的多Agent系统结构,基于上下两层多Agent系统的交互关系,提出了多车队列的轨迹规划算法,可协调多辆智能汽车共同闪避后方追尾碰撞。结合对车辆正面碰撞工况的分析,给出了判断发生正面碰撞风险的决策逻辑;通过分析车辆碰撞风险,设计了单车正面碰撞闪避的轨迹规划算法;开发了多车协同轨迹规划算法,可通过协调临近车辆同步运动来降低发生正面碰撞的风险;为进一步提高车辆安全水平,研究了多车优化协同轨迹规划算法,以更充分发挥不同车辆的动力性能,使异质车辆更好地闪避正面碰撞事故。通过仿真验证了控制系统在单车及多车追尾碰撞闪避及正面碰撞闪避工况下的有效性。（3）针对存在侧滑事故风险的危险交通场景,开发了考虑路面附着系数估计的速度规划算法。在低路面附着系数高曲率的道路中,受轮胎力限制,如果车速过高则极有可能发生侧滑失稳事故。但当前极少有研究考虑在这种工况下通过预先减速来降低事故风险。本文针对该问题设计了速度规划算法。建立了包含纵向运动、横向运动、横摆运动及车轮转动的七自由度纵横耦合车辆动力学模型;结合车轮动力学模型、底盘动力学模型及车轮形变模型,研究了轮胎纵向力、横向力、车轮有效半径、滑移率及侧偏角的估计方法;基于Pacejka轮胎模型分析了轮胎力利用率等对路面附着系数估计的影响机理,指出在非剧烈运动工况下路面附着系数与轮胎力的关系;利用迭代优化方法设计了路面附着系数估计算法;考虑轮胎滑移率等因素对路面附着系数的影响,设计了自适应力矩注入方法,实现在非剧烈运动工况下准确估计路面附着系数;通过对路径等距离划分,提出了考虑侧滑、侧翻及动力学性能约束的速度优化算法,并给出了优化问题的二次规划表达形式。该速度规划算法可以在变曲率弯道工况下为智能汽车估计有效的路面附着系数,使车辆在有侧滑等危险时能够及时减速,从而降低车辆在低路面附着系数道路上发生侧滑事故的风险。利用仿真测试了速度规划算法在阶跃路面附着系数变曲率弯道工况下的有效性。（4）针对有被网络入侵控制的汽车、存在汽车恐怖袭击可能的危险交通场景,设计了智能汽车主动撞击控制器。汽车的智能化及网联化极大地方便了大众出行,但也存在着网络安全危险。在美国曾发生汽车被黑客远程入侵并控制的事件,这也导致了相关车型的大规模召回。这在很大程度上增加了国内外日益严峻的汽车恐怖袭击的风险。然而传统的警用装备很难有效应对此类汽车恐怖袭击问题。为此本研究设计了智能汽车主动撞击控制器,以在得到警方授权后主动撞击被入侵且存在恐怖袭击风险的汽车。考虑轮胎纵向力及横向力等因素,建立了包含纵向、横向及横摆运动的三自由度纵横耦合车辆动力学模型;通过对车辆相对运动的分析研究,给出了主动撞击模型的表达式;通过在当前工作点进行一阶线性化展开得到了便于控制器设计的线性模型;基于模型预测控制架构设计了主动撞击控制器。通过仿真验证了被入侵汽车以直线与曲线等不同形式运动时主动撞击控制器的有效性。（5）搭建了包含线控转向及线控驱动/制动的微缩模型汽车测试平台并进行了试验测试。利用工业铝材设计搭建了微缩模型汽车的底盘结构;采用直流电机和电机驱动器设计了模型汽车的驱动系统;结合转向舵机及RS485总线搭建了模型汽车的转向部分;使用USB数据采集卡实现了模型汽车的信号采集以及电机驱动控制功能;在笔记本计算机中基于MFC架构采用C++语言设计了正面碰撞闪避控制系统的决策、规划及控制部分。进行了试验以验证所设计的正面碰撞闪避控制系统的有效性。本研究的主要贡献在于扩展了现有智能汽车主动安全的研究领域,提出了主动闪避、主动减速和主动撞击的概念,针对若干危险交通场景设计了控制策略。主要创新点在于:（1）首次研究了车联网环境下智能汽车的追尾碰撞闪避及正面碰撞闪避控制系统,可通过及时加速、制动及倒车等操作控制单车或多车避免发生追尾及正面碰撞事故。传统车辆防碰撞研究中主要关注于防止由于自身原因导致的碰撞事故。本研究进一步考虑了如何避免由于其他车辆原因导致的追尾及正面碰撞事故。（2）首次设计了考虑路面附着系数估计的速度规划算法,可根据在线估计的路面附着系数规划安全的行车速度,从而在检测到侧滑等风险后主动减速。目前相关研究中一般仅考虑通过转向及横摆力矩控制等避免发生侧滑事故,公开资料中尚未发现基于在线估计的路面附着系数进行速度规划的研究。（3）首次开发了主动撞击控制器,可在得到授权后控制智能汽车主动撞击具有社会危害的汽车。当前公开研究中尚未见到此类有关智能汽车主动撞击控制器的研究。本文对于促进智能汽车的推广及应用,提高交通系统中整体安全水平有着积极的推动作用。
二、路面机动目标的融合跟踪（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、路面机动目标的融合跟踪（论文提纲范文）
（1）多轴应急救援车辆主动悬架系统的控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 油气悬架的应用和研究现状 |
| 1.2.1 油气悬架的应用现状 |
| 1.2.2 油气悬架的研究现状 |
| 1.3 主动悬架控制策略的研究现状 |
| 1.3.1 主动悬架的应用现状 |
| 1.3.2 经典天棚阻尼控制策略 |
| 1.3.3 基于线性模型的控制策略 |
| 1.3.4 基于非线性不确定模型的控制策略 |
| 1.4 主动悬架与全轮转向系统集成控制策略的研究现状 |
| 1.4.1 主动悬架和转向系统集成控制策略的研究现状 |
| 1.4.2 多轴车辆全轮转向控制策略的研究现状 |
| 1.5 现有研究中存在的主要问题 |
| 1.6 本文的主要研究内容及章节安排 |
| 1.6.1 主要研究内容 |
| 1.6.2 章节安排 |
| 第2章 互联式油气悬架系统的非线性建模和特性研究 |
| 2.1 引言 |
| 2.2 整车互联式油气悬架系统非线性建模 |
| 2.2.1 油气弹簧主要单元的数学模型 |
| 2.2.2 互联式油气弹簧的数学模型 |
| 2.2.3 二自由度油气悬架系统的数学模型 |
| 2.2.4 整车九自由度油气悬架系统的数学模型 |
| 2.3 互联式油气弹簧和整车互联式油气悬架系统特性分析 |
| 2.3.1 互联式油气弹簧的刚度特性和阻尼特性分析 |
| 2.3.2 刚度和阻尼参数对整车行驶平顺性的影响 |
| 2.4 本章小结 |
| 第3章 基于自抗扰技术的主动悬架系统非线性控制策略研究 |
| 3.1 引言 |
| 3.2 整车主动悬架系统非线性建模与运动解耦 |
| 3.2.1 整车九自由度非线性不确定主动悬架系统模型 |
| 3.2.2 车身运动解耦 |
| 3.2.3 悬架系统的性能评估 |
| 3.3 基于非线性ESO的有限时间稳定输出反馈控制器设计 |
| 3.3.1 系统假设和几何齐次性理论相关引理 |
| 3.3.2 垂向运动有限时间稳定输出反馈控制器设计及稳定性证明 |
| 3.3.3 俯仰运动有限时间稳定输出反馈控制器设计 |
| 3.3.4 侧倾运动有限时间稳定输出反馈控制器设计 |
| 3.3.5 零动态稳定性分析及主动悬架系统的约束性能 |
| 3.4 仿真结果与分析 |
| 3.4.1 拱形路面输入 |
| 3.4.2 随机路面输入 |
| 3.5 本章小结 |
| 第4章 基于位移控制的主动悬架系统控制策略研究 |
| 4.1 引言 |
| 4.2 整车行驶平顺性控制思路 |
| 4.3 基于位姿偏差的主环控制器设计 |
| 4.4 考虑输出信号离散性的子环控制器设计 |
| 4.4.1 电液伺服作动器系统建模 |
| 4.4.2 NLSDESO及补偿控制器设计 |
| 4.4.3 NLSDESO的收敛性证明 |
| 4.4.4 电液伺服作动器混合系统的闭环系统稳定性证明 |
| 4.5 仿真结果与分析 |
| 4.5.1 不同控制增益下的仿真结果 |
| 4.5.2 不同采样周期下的仿真结果 |
| 4.5.3 不同控制方法下的仿真结果 |
| 4.6 本章小结 |
| 第5章 多轴车辆主动悬架与全轮转向系统协调控制策略研究 |
| 5.1 引言 |
| 5.2 主动悬架与全轮转向系统耦合动力学建模 |
| 5.2.1 主动悬架系统与转向系统的耦合机理分析 |
| 5.2.2 十一自由度非线性车辆模型 |
| 5.2.3 非线性Dugoff轮胎模型 |
| 5.3 全轮转向系统super-twisting滑模控制器设计 |
| 5.3.1 车辆操纵稳定性评价指标 |
| 5.3.2 有限时间稳定的相关引理 |
| 5.3.3 理想参考模型 |
| 5.3.4 super-twisting滑模控制率设计及稳定性证明 |
| 5.3.5 仿真结果与分析 |
| 5.4 多轴车辆主动悬架与全轮转向系统协调控制器设计 |
| 5.4.1 协调控制的评价指标选取 |
| 5.4.2 协调控制器设计 |
| 5.4.3 仿真结果与分析 |
| 5.5 本章小结 |
| 第6章 整车主动悬架系统试验研究 |
| 6.1 引言 |
| 6.2 悬架单元试验平台搭建 |
| 6.3 液压作动器位置伺服控制试验结果分析 |
| 6.3.1 不同控制增益下的试验结果分析 |
| 6.3.2 不同采样周期下的试验结果分析 |
| 6.3.3 不同控制方法下的试验结果分析 |
| 6.4 整车试验平台搭建 |
| 6.5 实车道路试验结果分析 |
| 6.5.1 路障一下的试验结果分析 |
| 6.5.2 路障二下的试验结果分析 |
| 6.5.3 路障三下的试验结果分析 |
| 6.6 本章小结 |
| 第7章 全文总结与展望 |
| 7.1 论文的主要工作 |
| 7.2 对未来工作的展望 |
| 参考文献 |
| 附录 |
| 附录A 路面输入模型 |
| 附录A.1 拱形路面输入 |
| 附录A.2 随机路面输入 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（2）儿童友好视角下街道空间设计研究 ——以西安市长安南路为例（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.1.1 儿童友好型城市建设背景 |
| 1.1.2 现有街道空间环境设计忽视儿童空间利益 |
| 1.1.3 儿童群体的特殊性 |
| 1.1.4 儿童权益亟待提升 |
| 1.2 研究目的与意义 |
| 1.2.1 课题研究目的 |
| 1.2.2 课题研究意义 |
| 1.3 研究对象与内容 |
| 1.3.1 研究对象 |
| 1.3.2 研究内容 |
| 1.4 研究方法与框架 |
| 1.4.1 研究方法 |
| 1.4.2 研究框架 |
| 1.5 国内外研究现状综述 |
| 1.5.1 国外研究现状 |
| 1.5.2 国内研究现状 |
| 1.5.3 国内外研究综述简析 |
| 2 相关研究基础 |
| 2.1 相关概念 |
| 2.1.1 儿童 |
| 2.1.2 儿童友好型城市 |
| 2.1.3 街道 |
| 2.2 相关理论 |
| 2.2.1 环境行为心理学 |
| 2.2.2 人体工程学 |
| 2.2.3 儿童心理认知发展 |
| 2.4 本章小结 |
| 3 儿童友好视角下长安南路街道空间调研 |
| 3.1 调研背景 |
| 3.1.1 研究对象概况 |
| 3.1.2 调研方法 |
| 3.2 长安南路街道空间调研与分析 |
| 3.2.1 交通空间调研分析 |
| 3.2.2 建筑界面调研分析 |
| 3.2.3 空间尺度及边界调研分析 |
| 3.2.4 设施调研分析 |
| 3.3 儿童活动调研与分析 |
| 3.3.1 调研方法设计 |
| 3.3.2 儿童行为活动 |
| 3.3.3 儿童活动空间分布特征 |
| 3.4 问卷调研分析 |
| 3.5 调研结论 |
| 3.6 本章小结 |
| 4 儿童友好视角下街道空间的设计原则和策略 |
| 4.1 儿童友好视角下街道空间的影响因素 |
| 4.1.1 空间尺度 |
| 4.1.2 空间功能和形态 |
| 4.1.3 空间边界 |
| 4.1.4 设施 |
| 4.2 儿童友好视角下街道空间设计原则 |
| 4.2.1 保障安全性原则 |
| 4.2.2 舒适性原则 |
| 4.2.3 功能复合性原则 |
| 4.2.4 互动激励性原则 |
| 4.3 儿童友好视角下街道空间设计策略 |
| 4.3.1 适宜的机动与非机动空间网络 |
| 4.3.2 动态化设计的空间形态 |
| 4.3.3 尺度微缩化的空间场所 |
| 4.3.4 多样化的交互空间 |
| 4.3.5 注入趣味的街道空间元素 |
| 4.4 本章小结 |
| 5 儿童友好视角下长安南路街道空间优化设计 |
| 5.1 优化交通系统 |
| 5.1.1 优化机动非机动车道网络 |
| 5.1.2 优化停车网络 |
| 5.1.3 优化街道横断面 |
| 5.1.4 优化步行空间 |
| 5.2 优化街道界面 |
| 5.2.1 利用街道侧界面 |
| 5.2.2 合理设计街道底界面 |
| 5.3 优化活动空间 |
| 5.3.1 街道空间多样性设计 |
| 5.3.2 功能复合性设计 |
| 5.3.3 游戏空间缩尺化设计 |
| 5.4 优化设施 |
| 5.4.1 灵活的空间设施与组合 |
| 5.4.2 教育设施优化设计 |
| 5.4.3 医疗、卫生、文体设施优化设计 |
| 5.4.4 安全保障设施优化设计 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 不足与展望 |
| 参考文献 |
| 图录与表录 |
| 附录一 街道空间使用情况调查问卷表 |
| 附录二 研究生在读期间研究成果 |
| 致谢 |
（3）基于雷达与PTZ摄像机网络的协同侦察研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 主要研究内容及组织结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文组织结构 |
| 第二章 标定与互引导 |
| 2.1 PTZ摄像机标定 |
| 2.1.1 摄像机内参标定 |
| 2.1.2 摄像机云台标定 |
| 2.2 场景标定 |
| 2.2.1 标定路面坐标 |
| 2.2.2 标定转角零偏 |
| 2.2.3 摄像机与路面坐标的转换关系 |
| 2.3 探测源互引导 |
| 2.3.1 雷达与摄像机的引导 |
| 2.3.2 摄像机之间的互引导 |
| 2.4 标定实验 |
| 2.4.1 实验结果 |
| 2.4.2 误差分析 |
| 2.4.3 内参标定对比 |
| 2.5 本章小结 |
| 第三章 协同调度 |
| 3.1 基于专家经验的协同调度 |
| 3.1.1 问题建模 |
| 3.1.2 调度策略 |
| 3.2 基于马尔科夫链的协同调度 |
| 3.2.1 问题建模 |
| 3.2.2 调度策略 |
| 3.3 仿真对比实验 |
| 3.3.1 实验环境 |
| 3.3.2 传统的MDP协同调度方法 |
| 3.3.3 基于优先级和转动效率的MDP协同调度方法 |
| 3.4 本章小结 |
| 第四章 协同侦察实验 |
| 4.1 内场协同侦察 |
| 4.1.1 双摄像机共同侦察 |
| 4.1.2 双摄像机接力侦察 |
| 4.2 外场协同侦察 |
| 4.2.1 场景标定 |
| 4.2.2 双摄像机共同侦察 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）全线控电动汽车不同行驶模式的轨迹跟踪控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 论文相关技术国内外研究现状 |
| 1.2.1 全线控电动汽车动力学控制研究现状 |
| 1.2.2 传统行驶模式轨迹跟踪控制研究现状 |
| 1.2.3 非传统行驶模式轨迹跟踪控制研究现状 |
| 1.3 论文相关研究技术问题 |
| 1.4 本文技术路线和论文章节安排 |
| 第2章 基于双结构强跟踪滤波的全线控电动汽车状态估算 |
| 2.1 全线控电动汽车运动状态观测模型 |
| 2.1.1 车辆动力学模型 |
| 2.1.2 HSRI轮胎侧偏模型 |
| 2.1.3 车轮动力学模型 |
| 2.2 运动状态观测器设计需求及滤波方法对比 |
| 2.2.1 全线控电动汽车运动状态观测器设计需求 |
| 2.2.2 滤波方法对比 |
| 2.3 基于DSTF的全线控电动汽车状态辨识与估计 |
| 2.3.1 强跟踪滤波理论 |
| 2.3.2 DSTF状态观测器设计 |
| 2.4 仿真验证 |
| 2.5 本章小结 |
| 第3章 不同行驶模式融合的全线控电动汽车轨迹跟踪控制 |
| 3.1 全线控电动汽车轨迹跟踪控制总体架构与基本思路 |
| 3.1.1 控制架构 |
| 3.1.2 轨迹跟踪控制方法选择 |
| 3.2 基于MPC的全线控电动汽车轨迹跟踪控制层设计 |
| 3.2.1 整车预测模型建立 |
| 3.2.2 基于MPC的全线控电动汽车轨迹跟踪控制 |
| 3.2.3 引入避障势场函数的轨迹跟踪优化问题 |
| 3.3 轨迹跟踪期望运动实现 |
| 3.3.1 动力学分配层设计 |
| 3.3.2 执行器执行层 |
| 3.4 基于不同行驶模式融合的轨迹跟踪控制 |
| 3.4.1 传统与非传统行驶模式对比 |
| 3.4.2 不同行驶模式轨迹跟踪控制目标及基本思路 |
| 3.4.3 基于模糊理论的不同行驶模式轨迹跟踪目标权重调节器设计 |
| 3.5 仿真验证 |
| 3.5.1 基于MPC框架的全线控电动汽车轨迹跟踪控制方法验证 |
| 3.5.2 基于变权重 MPC 的多行驶模式轨迹跟踪方法验证 |
| 3.6 本章小结 |
| 第4章 传统行驶模式下全线控电动汽车自适应轨迹跟踪控制 |
| 4.1 MPC自适应轨迹跟踪控制原理与基本思路 |
| 4.2 传统行驶模式下MPC自适应轨迹跟踪控制 |
| 4.2.1 基本框架 |
| 4.2.2 基于β-(?)相平面法的稳定性判断 |
| 4.2.3 自适应轨迹跟踪中NP的调节 |
| 4.2.4 自适应轨迹跟踪控制中问题描述 |
| 4.2.5 基于目标函数指数权重引入的“病态”问题处理 |
| 4.3 基于Laguerre函数拟合的跟踪能力优化 |
| 4.3.1 跟踪能力优化 |
| 4.3.2 基于Laguerre函数的控制序列拟合 |
| 4.4 仿真验证 |
| 4.4.1 自适应轨迹跟踪控制方法验证 |
| 4.4.2 基于Laguerre函数拟合的机动特性优化有效性验证 |
| 4.5 本章小结 |
| 第5章 全线控电动汽车轨迹跟踪控制方法试验验证 |
| 5.1 基于DSTF的车辆状态观测器试验验证 |
| 5.1.1 全线控电动汽车实车平台 |
| 5.1.2 状态观测器试验数据合成 |
| 5.1.3 DSTF状态观测器验证 |
| 5.2 轨迹跟踪控制方法验证 |
| 5.2.1 驾驶模拟器介绍 |
| 5.2.2 集成动力学特性的MPC实时性优化 |
| 5.2.3 不同行驶模式融合轨迹跟踪控制方法在线验证 |
| 5.2.4 传统行驶模式下自适应轨迹跟踪控制及机动特性优化方法验证 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 本文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的主要科研成果 |
| 致谢 |
（5）基于车联网基本安全消息集的行车风险感知与预警研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 车辆运动状态跟踪方法 |
| 1.3.2 驾驶行为/行车状态判别方法 |
| 1.3.3 车辆碰撞风险辨识与预测方法 |
| 1.4 研究内容与技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线 |
| 第二章 车联网理论标准体系及测试环境 |
| 2.1 引言 |
| 2.2 车联网理论及标准 |
| 2.2.1 车联网理论体系架构 |
| 2.2.2 车联网关键技术 |
| 2.2.3 车联网网联化分级标准 |
| 2.3 车联网行车安全类数据协议 |
| 2.3.1 SAEJ2735-2016协议 |
| 2.3.2 T/CSAE53-2017协议 |
| 2.4 基于车联网的实车测试环境 |
| 2.4.1 实车测试试验背景 |
| 2.4.2 行车状态数据采集平台 |
| 2.5 本章小结 |
| 第三章 基于V2I数据融合的BSM行车运动信息采集 |
| 3.1 引言 |
| 3.2 问题的提出 |
| 3.2.1 问题描述 |
| 3.2.2 BSM行车运动状态信息的准确采集 |
| 3.3 网联环境下的行车运动状态采集优化模型 |
| 3.3.1 交互式多模型 |
| 3.3.2 车辆运动状态跟踪滤波 |
| 3.3.3 改进型车辆运动学建模 |
| 3.4 方法验证及分析 |
| 3.4.1 数据预处理 |
| 3.4.2 结果分析 |
| 3.5 本章小结 |
| 第四章 基于车联网BSM的潜在风险行车状态感知 |
| 4.1 引言 |
| 4.2 问题的提出 |
| 4.2.1 问题描述 |
| 4.2.2 典型潜在风险行车状态场景描述 |
| 4.3 基于粗糙集与混合遗传算法优化支持向量机的行车状态判别模型 |
| 4.3.1 基于粗糙集的模型输入确定 |
| 4.3.2 支持向量机原理 |
| 4.3.3 基于混合遗传算法优化支持向量机判别行车状态 |
| 4.4 方法验证及分析 |
| 4.4.1 数据处理 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第五章 基于车联网BSM的潜在前向碰撞风险预警 |
| 5.1 引言 |
| 5.2 问题的提出 |
| 5.2.1 问题描述 |
| 5.2.2 典型潜在前碰撞风险行车场景描述 |
| 5.2.3 基于车联网BSM的潜在前向碰撞风险预测问题的处理框架 |
| 5.3 基于多维状态LSTM与 ROC曲线的潜在前向碰撞风险预警 |
| 5.3.1 LSTM模型原理与构建 |
| 5.3.2 车辆前碰撞行为的多维行车状态时间序列建模 |
| 5.3.3 基于ROC曲线与约登指数的潜在前向碰撞风险判断 |
| 5.4 方法验证及分析 |
| 5.4.1 样本选取 |
| 5.4.2 LSTM预测结果 |
| 5.4.3 ROC曲线结果评估 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究工作展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（6）无人轮式车辆越野路面全局路径规划与轨迹跟踪（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 面向自动驾驶的全局越野地图生成方法 |
| 1.2.1 土地监督分类方法 |
| 1.2.2 环境建模方法 |
| 1.3 路径规划方法 |
| 1.3.1 图搜索法 |
| 1.3.2 随机采样法 |
| 1.3.3 智能优化算法 |
| 1.4 轨迹跟踪方法 |
| 1.4.1 经典控制理论 |
| 1.4.2 现代控制理论 |
| 1.4.3 智能控制理论 |
| 1.5 本文主要研究内容 |
| 第2章 越野路面环境建模 |
| 2.1 越野道路特点对路径规划的影响 |
| 2.2 越野栅格地图定义 |
| 2.3 高程信息处理方法 |
| 2.3.1 DEM分类及应用 |
| 2.3.2 高程信息处理方法 |
| 2.4 地面属性处理方法 |
| 2.4.1 地表属性定义 |
| 2.4.2 地面属性信息处理方法 |
| 2.4.3 BP神经网络设计 |
| 2.4.4 网络训练与结果分析 |
| 2.4.5 地面属性信息结果 |
| 2.5 本章小结 |
| 第3章 越野地图路径规划 |
| 3.1 基于改进A*算法的越野地图全局路径规划 |
| 3.1.1 A*算法基本原理及特点 |
| 3.1.2 改进A*算法 |
| 3.1.3 避障机制改进 |
| 3.2 基于改进蚁群算法的越野地图全局路径规划 |
| 3.2.1 蚁群算法基本原理及特点 |
| 3.2.2 栅格地图蚁群算法应用 |
| 3.2.3 改进蚁群算法 |
| 3.3 基于HCAA*算法的越野地图局部路径规划 |
| 3.3.1 局部越野栅格地图建立 |
| 3.3.2 HCAA*算法Morphin应用 |
| 3.3.3 HCAA*算法A*应用 |
| 3.3.4 HCAA*算法改进 |
| 3.3.5 局部路径速度设定 |
| 3.4 路径规划算法仿真结果验证 |
| 3.4.1 验证地图两种全局路径规划算法对比 |
| 3.4.2 实验地图两种全局路径规划算法对比 |
| 3.4.3 实验地图局部路径规划算法结果 |
| 3.5 本章小结 |
| 第4章 越野路面轨迹跟踪 |
| 4.1 预瞄控制模型框架介绍 |
| 4.2 基于最优预瞄理论的侧向轨迹跟随控制 |
| 4.2.1 车辆侧向动力学模型 |
| 4.2.2 基于最优预瞄理论的侧向前馈控制 |
| 4.2.3 预瞄点搜索及侧向误差计算方法 |
| 4.2.4 基于航向角偏差反馈控制 |
| 4.3 基于PID的纵向速度控制 |
| 4.3.1 车辆纵向动力学模型 |
| 4.3.2 基于PID理论的速度控制 |
| 4.4 基于最优预瞄模型控制算法的仿真验证 |
| 4.4.1 工况1:定曲率工况跟随仿真 |
| 4.4.2 工况2:双移线工况跟随仿真 |
| 4.5 本章小结 |
| 第5章 仿真实验与分析 |
| 5.1 Carsim与 Simulink仿真环境建模 |
| 5.1.1 Carsim轮式车辆及通行环境建模 |
| 5.1.2 Simulink预瞄控制模型建模 |
| 5.2 局部越野地图路径规划 |
| 5.3 越野地图轨迹跟随仿真 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（7）基于激光雷达的智能汽车近程环境感知应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的背景与提出 |
| 1.2 课题相关研究现状 |
| 1.2.1 智能汽车的发展研究现状 |
| 1.2.2 激光雷达在智能汽车环境感知中的应用研究现状 |
| 1.3 本文主要研究内容与章节安排 |
| 第2章 道路边界感知技术研究 |
| 2.1 激光雷达外部参数标定方法介绍 |
| 2.1.1 数据获取 |
| 2.1.2 外参标定 |
| 2.2 智能汽车全局位姿的融合估计方法研究 |
| 2.2.1 激光雷达定位 |
| 2.2.2 LiDAR与 GPS/INS融合的全局位姿估计 |
| 2.3 道路边界检测的模型拟合方法研究 |
| 2.3.1 道路边界检测算法概述 |
| 2.3.2 模型拟合的道路边界检测方法 |
| 2.4 本章小结 |
| 第3章 道路障碍物感知技术研究 |
| 3.1 原始点云数据预处理 |
| 3.1.1 点云滤波处理方法介绍 |
| 3.1.2 路面区域的平面拟合方法研究 |
| 3.2 障碍物目标检测 |
| 3.2.1 聚类算法分析 |
| 3.2.2 障碍物检测的点云密度聚类方法研究 |
| 3.3 障碍物运动状态估计 |
| 3.3.1 数据关联 |
| 3.3.2 基于CS模型的状态估计方法研究 |
| 3.4 本章小结 |
| 第4章 实验与验证 |
| 4.1 实验平台及环境 |
| 4.1.1 硬件平台搭建 |
| 4.1.2 软件环境 |
| 4.2 实验验证及分析 |
| 4.2.1 道路边界感知结果 |
| 4.2.2 障碍物感知结果 |
| 4.3 本章小结 |
| 第5章 全文总结和研究展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
（8）四轮转向汽车操纵稳定性优化设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 汽车转向系统发展现状 |
| 1.3 四轮转向系统概述 |
| 1.4 四轮转向汽车操纵稳定性控制研究现状分析 |
| 1.4.1 国外研究现状 |
| 1.4.2 国内研究现状 |
| 1.5 本文研究思路及主要内容 |
| 第2章 四轮转向汽车动力学模型建立及角传动比设计 |
| 2.1 四轮转向汽车动力学模型建立 |
| 2.1.1 坐标系建立 |
| 2.1.2 四轮转向汽车二自由度车辆动力学模型建立 |
| 2.2 MATLAB/Simulink与 CarSim联合仿真平台搭建 |
| 2.2.1 整车动力学模型建立 |
| 2.2.2 MATLAB/Simulink和 CarSim参数信息交互环境搭建 |
| 2.3 四轮转向汽车角传动比设计 |
| 2.3.1 四轮转向汽车前馈比例控制角传动比设计 |
| 2.3.2 四轮转向汽车横摆角速度反馈控制角传动比设计 |
| 2.3.3 四轮转向汽车综合控制角传动比设计 |
| 2.4 四轮转向汽车角传动比转向特性仿真分析 |
| 2.4.1 前轮转角阶跃输入仿真分析 |
| 2.4.2 前轮转角正弦输入仿真分析 |
| 2.5 本章小结 |
| 第3章 四轮转向汽车稳定性控制研究 |
| 3.1 四轮转向汽车稳定性控制系统分析 |
| 3.2 模型预测控制理论分析 |
| 3.2.1 模型预测控制基本原理 |
| 3.2.2 模型预测控制的基本特点 |
| 3.2.3 模型预测控制的发展趋势分析 |
| 3.3 基于MPC的四轮转向汽车稳定性控制器设计 |
| 3.3.1 控制的目标及要求 |
| 3.3.2 控制系统的预测模型 |
| 3.3.3 控制问题的优化求解 |
| 3.4 基于模糊PID控制的四轮转向汽车稳定性控制器设计 |
| 3.4.1 模糊控制理论分析 |
| 3.4.2 PID控制理论分析 |
| 3.4.3 模糊PID控制器设计 |
| 3.5 仿真分析 |
| 3.5.1 高附着路面下的仿真分析 |
| 3.5.2 低附着路面下的仿真分析 |
| 3.6 本章小结 |
| 第4章 四轮转向汽车路径跟踪稳定性控制研究 |
| 4.1 路径跟踪二自由度车辆模型建立 |
| 4.2 控制系统需求分析 |
| 4.3 四轮转向汽车路径跟踪稳定性控制系统结构 |
| 4.4 基于MPC的四轮转向汽车路径跟踪稳定性控制器设计 |
| 4.4.1 控制系统的预测模型 |
| 4.4.2 控制问题的优化求解 |
| 4.5 仿真分析 |
| 4.5.1 参考路径的设计 |
| 4.5.2 高附着路面下路径跟踪稳定性控制仿真分析 |
| 4.5.3 低附着路面下路径跟踪稳定性控制仿真分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（9）基于激光雷达的低速无人物流车的环境感知算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 背景及选题意义 |
| 1.1.1 无人车环境感知技术 |
| 1.1.2 低速无人物流车研究现状 |
| 1.1.2.1 国外现状 |
| 1.1.2.2 国内现状 |
| 1.2 激光雷达环境感知算法研究现状 |
| 1.2.1 道路检测算法的研究现状 |
| 1.2.2 障碍物聚类算法的研究现状 |
| 1.2.3 障碍物目标跟踪的研究现状 |
| 1.3 本文主要研究内容 |
| 2 低速无人物流车的环境感知系统架构 |
| 2.1 激光雷达原理和工作方式 |
| 2.1.1 激光雷达原理 |
| 2.1.2 单线激光雷达性能 |
| 2.2 环境信息采集系统 |
| 2.2.1 激光雷达的点云采集 |
| 2.2.2 基于Labview+DLL的环境信息采集系统 |
| 2.3 本章总结 |
| 3 低速无人物流车的道路可行驶区域检测算法 |
| 3.1 道路模型的建立 |
| 3.1.1 校园道路的特点 |
| 3.1.2 雷达多圈点云数据叠加 |
| 3.2 道路边界的确定 |
| 3.2.1 道路的连续性特征 |
| 3.2.2 道路边界检测算法 |
| 3.3 道路边界的拟合 |
| 3.4 本章小结 |
| 4 低速无人物流车的障碍物聚类分析与跟踪算法 |
| 4.1 障碍物数据预处理 |
| 4.1.1 感兴趣区域设定 |
| 4.1.2 激光的反射率 |
| 4.1.3 坐标系标定 |
| 4.2 障碍物数据聚类分析 |
| 4.2.1 DBSCAN聚类算法 |
| 4.2.2 进的动态自适应阈值的DBSCAN聚类算法 |
| 4.3 障碍物数据关联 |
| 4.3.1 跟踪门的建立 |
| 4.3.2 数据关联算法介绍 |
| 4.3.3 基于多参数的最近邻算法的数据关联 |
| 4.4 障碍物目标跟踪 |
| 4.4.1 常见运动模型 |
| 4.4.2 卡尔曼滤波理论 |
| 4.4.3 目标跟踪管理 |
| 4.5 本章小结 |
| 5 低速无人物流车的环境感知算法实验验证 |
| 5.1 实验设计 |
| 5.1.1 实验目的 |
| 5.1.2 实验内容 |
| 5.2 算法实验验证与实验结果分析 |
| 5.2.1 道路检测实验 |
| 5.2.2 障碍物聚类实验 |
| 5.2.3 障碍物跟踪实验 |
| 5.3 本章小结 |
| 6 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 个人简历,在学期间发表的学术论文及取得的研究成果 |
（10）危险交通场景下的智能汽车控制策略研究 ——主动闪避、主动减速与主动撞击（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 智能汽车的发展 |
| 1.1.2 车联网技术的发展 |
| 1.2 智能汽车自动驾驶系统 |
| 1.3 智能汽车主动安全技术 |
| 1.3.1 稳定性控制 |
| 1.3.2 防碰撞控制 |
| 1.4 本文主要研究内容 |
| 1.4.1 课题提出 |
| 1.4.2 研究内容 |
| 第2章 基于模型预测控制及PID的智能汽车纵向运动控制器 |
| 2.1 引言 |
| 2.2 汽车纵向动力学模型 |
| 2.3 基于模型预测控制算法的运动控制器 |
| 2.3.1 位置-速度跟踪控制器 |
| 2.3.2 速度跟踪控制器 |
| 2.4 基于PID算法的运动控制器 |
| 2.4.1 位置-速度跟踪控制器 |
| 2.4.2 速度跟踪控制器 |
| 2.5 仿真分析 |
| 2.6 本章小结 |
| 第3章 多Agent系统蜂拥运动控制策略下的单车道追尾碰撞闪避控制系统 |
| 3.1 引言 |
| 3.2 单车道追尾事故分析 |
| 3.3 基于多Agent系统蜂拥运动控制的追尾碰撞闪避控制系统 |
| 3.3.1 多Agent系统蜂拥运动控制理论 |
| 3.3.2 用于蜂拥运动控制的车辆纵向动力学模型 |
| 3.3.3 采用单层蜂拥运动控制的单车追尾闪避轨迹规划 |
| 3.3.4 采用双层蜂拥运动控制的多车追尾闪避轨迹规划 |
| 3.4 追尾碰撞闪避仿真分析 |
| 3.4.1 单车追尾碰撞闪避工况 |
| 3.4.2 多车追尾碰撞闪避工况 |
| 3.5 本章小结 |
| 第4章 考虑紧急倒车及轨迹优化的单车道正面碰撞闪避控制系统 |
| 4.1 引言 |
| 4.2 单车道正面碰撞分析 |
| 4.3 正面碰撞闪避控制系统结构 |
| 4.4 正面碰撞决策判断 |
| 4.5 考虑紧急倒车的轨迹规划 |
| 4.5.1 紧急倒车轨迹规划 |
| 4.5.2 协同倒车轨迹规划 |
| 4.5.3 优化协同倒车轨迹规划 |
| 4.6 正面碰撞闪避仿真分析 |
| 4.6.1 单车正面碰撞闪避工况 |
| 4.6.2 多车正面碰撞闪避工况 |
| 4.6.3 考虑轨迹优化的多车正面碰撞闪避工况 |
| 4.7 本章小结 |
| 第5章 考虑路面附着系数估计的变曲率弯道速度规划 |
| 5.1 引言 |
| 5.2 阶跃路面附着系数弯道速度规划问题描述 |
| 5.3 速度规划算法结构 |
| 5.4 考虑主动力矩注入的路面附着系数估计 |
| 5.4.1 轮胎力及车轮有效半径估计 |
| 5.4.2 轮胎侧偏角及滑移率计算 |
| 5.4.3 路面附着系数滚动优化计算 |
| 5.4.4 锯齿波自适应力矩注入 |
| 5.5 变曲率弯道速度优化 |
| 5.5.1 基于路径长度的决策变量 |
| 5.5.2 变曲率弯道速度优化约束分析与设计 |
| 5.5.3 速度优化目标函数 |
| 5.5.4 速度优化问题与求解计算 |
| 5.6 速度规划仿真分析 |
| 5.7 本章小结 |
| 第6章 空旷环境下智能汽车非线性主动撞击控制器 |
| 6.1 引言 |
| 6.2 智能汽车主动撞击问题描述 |
| 6.3 主动撞击分析与建模 |
| 6.3.1 平面运动车辆动力学模型 |
| 6.3.2 主动撞击动力学模型 |
| 6.4 基于非线性模型预测控制的控制器设计 |
| 6.4.1 模型线性化 |
| 6.4.2 模型预测控制器设计 |
| 6.5 主动撞击仿真分析 |
| 6.5.1 直线运动工况 |
| 6.5.2 曲线运动工况 |
| 6.6 本章小结 |
| 第7章 微缩模型汽车正面碰撞闪避试验 |
| 7.1 引言 |
| 7.2 微缩模型汽车搭建 |
| 7.2.1 四轮驱动底盘结构设计 |
| 7.2.2 控制系统设计 |
| 7.3 正面碰撞闪避试验 |
| 7.4 本章小结 |
| 第8章 总结与展望 |
| 8.1 研究工作总结 |
| 8.2 未来工作展望 |
| 参考文献 |
| 学术成果 |
| 致谢 |
四、路面机动目标的融合跟踪（论文参考文献）
- [1]多轴应急救援车辆主动悬架系统的控制策略研究[D]. 杜苗苗. 吉林大学, 2021(01)
- [2]儿童友好视角下街道空间设计研究 ——以西安市长安南路为例[D]. 冯家齐. 西安建筑科技大学, 2021(01)
- [3]基于雷达与PTZ摄像机网络的协同侦察研究[D]. 向世涛. 电子科技大学, 2021(01)
- [4]全线控电动汽车不同行驶模式的轨迹跟踪控制研究[D]. 张冰. 吉林大学, 2020
- [5]基于车联网基本安全消息集的行车风险感知与预警研究[D]. 喻恺. 华东交通大学, 2020
- [6]无人轮式车辆越野路面全局路径规划与轨迹跟踪[D]. 孙玉泽. 吉林大学, 2020(08)
- [7]基于激光雷达的智能汽车近程环境感知应用研究[D]. 冯广增. 吉林大学, 2020(08)
- [8]四轮转向汽车操纵稳定性优化设计研究[D]. 商小强. 长春工业大学, 2020
- [9]基于激光雷达的低速无人物流车的环境感知算法研究[D]. 曾凡. 重庆理工大学, 2020(08)
- [10]危险交通场景下的智能汽车控制策略研究 ——主动闪避、主动减速与主动撞击[D]. 边辰通. 东南大学, 2020