【摘 要】
：
车辆动态行为的不确定性会造成跟随车辆控制的不确定性.传统的车辆跟随控制方法只是针对车辆的单一行为动态的不确定性进行建模,无法遍历车辆所有可能的控制输入,因而,既无法
【机 构】
：
山东理工大学交通与车辆工程学院,山东淄博255000
论文部分内容阅读
车辆动态行为的不确定性会造成跟随车辆控制的不确定性.传统的车辆跟随控制方法只是针对车辆的单一行为动态的不确定性进行建模,无法遍历车辆所有可能的控制输入,因而,既无法一次性提供跟随策略下完整的可行控制方案,也不足以在理论上保证对策略安全检测的可信性.为此,提出车辆跟随控制策略的状态可达集建模及验证方法.该方法将控制策略转换为能用可达集计算和表征的多级安全判定事件,利用随机可达集的状态遍历特征描述车辆控制输入的不确定性,通过对可达集交集的判断,辨识所有初始条件对应的危险与安全控制行为,为驾驶员提供完整的可选择控制方案;然后利用马尔科夫链逼近可达集,近似表达车辆行为的不确定性,依据驾驶员行为习惯统计验证策略的安全性,实现对控制策略的有效建模分析.实验结果表明,所提出的建模及验证方法不仅可以完备地表征车辆不确定行为,提供交通情形中跟随策略相应的完整控制方案,也可实现对策略安全性的精确验证.
其他文献
宽度学习系统(broad learning system,BLS)作为深度神经网络的替代框架,具有快速自适应模型结构选择和在线增量学习能力,被认为是知识发现和数据工程领域中一种极具前途的技术.传统的BLS主要应用于数据分布均衡且误分类代价相同的模式分类任务,但大多数实际应用的数据是非均衡分布的,如网络入侵监测、医疗诊断、信用卡欺诈检测等.基于此,提出一种基于数据分布特性的代价敏感BLS(data distribution-based cost-sensitiveBLS,DDbCs-BLS),解决数据分布不
由于人脸表情类内变化和类间干扰因素的存在,人脸表情识别仍面临着巨大挑战.提出一种基于性别条件约束随机森林的深度人脸表情识别方法,解决人脸表情识别中噪声、性别等变化和干扰问题.首先,采用深度多示例学习方法提取鲁棒性人脸特征,解决人脸光照、遮挡和低分辨率等图像变化问题;其次,采用性别条件随机森林分类方法进行人脸表情分类器设计,解决人脸性别因素干扰问题.在公开的CK+、BU-3DEF、LFW人脸表情数据
卫星舱布局是卫星总体设计的重要组成部分,其研究的是仪器设备在卫星舱内的最佳摆放方式.从空间的角度出发,卫星舱布局的一个设计方案就是不同的仪器设备在容器内占据着不同的空间,当仪器设备所占空间发生变化时,就会形成新的设计方案.因此,卫星舱布局可以看成是将容器空间合理地分配给仪器设备(分配特性),并达到某种最优指标(优化特性).在借鉴蚁群劳动分工任务分配实现卫星舱布局空间分配的基础上,进一步融合卫星舱布局的优化特性,提出一种蚁群劳动分工优化算法.在具体的实现过程中,为基本蚁群劳动分工算法设计启发式占位动作、自适
研究信息非对称下考虑制造商回收行为的闭环供应链协调问题,其中回收率随时间动态变化,制造商的再造品成本为私有信息.通过构建分散决策模型,得到制造商与零售商的最优均衡解,并引入批发价格契约以促使制造商传递真实的成本信息.运用伊藤过程刻画回收率的随机演化过程,通过数值仿真分析信息隐匿度和回收率等参数对供应链的影响.研究表明:回收率在较短时间内能够达到稳定值,并受不确定因素影响在稳定值上下波动.外部激励比外部约束措施更能提升回收率.信息隐匿会降低制造商的回收率和公开利润以及零售商利润,批发价格契约的引入可有效提高
受损路网抢修是灾害应急响应中的一个非常重要的基础环节,主要研究如何对道路抢修队进行有效调度,以快速恢复受灾路网的交通能力,为后续顺利展开应急救援工作提供有效的保证.已有方法在路网受损严重的情形下往往难以给出有效的调度策略.为此,在已有工作的基础上,简化路网模型和决策模型,并基于动作集裁减和Q学习设计一种面向严重受损路网的抢修队调度算法.在该算法中,抢修队只能从当前可达的未修复受损路段集合中选择下一个动作,以确保Q学习的连续性.仿真实验结果表明,在节点数和受损率都较大的严重受损路网环境中,所提算法可以保证所
针对多目标柔性作业车间绿色调度问题(MO-FJGSP),建立优化目标为最大完工时间、机器总负荷和能耗最小的多目标数学模型,并设计一种基于Pareto最优解的自适应多目标Jaya算法(SAMO-Jaya)对该问题进行优化求解.算法采用两级实数编码方式实现工序排序与机器分配的编码表示,并设计一种转换机制实现将Jaya连续解空间映射至FJSP离散解空间;然后设计一种混沌序列与均匀分布相结合的混合策略以提高初始种群的质量与全局分散性;此外,在Jaya算法中嵌入自适应调整种群规模的方法以提高算法求解速度.通过10个
研究了数据丢包和量化约束下的随机不确定系统分布式状态估计问题.将丢包现象描述为随机Bernoulli序列,采用预测补偿机制对数据丢包进行补偿,将量化引入的误差转化为观测方程
基于低秩矩阵恢复(low-rank matrix recovery, LRMR)的显著性目标检测模型将图像特征分解为与背景关联的低秩分量和与显著性目标相关联的稀疏分量,并从稀疏分量中获得显著性目标.现有的显著性检测方法很少考虑低秩分量与稀疏分量之间的相互关系,导致检测的显著性目标零散或不完整.为此,提出基于低秩矩阵恢复的显著性目标检测与细化方法来规避该限制.首先,所提方法采用?_1范数稀疏约束和拉
考虑消费者存在缺货容忍行为,研究变质品的联合订购和信用期决策问题.假设延迟订购消费者面对缺货等待时存在一个容忍期限(即在该容忍期限内零售商无需支付缺货成本),同时考虑市场需求受商业信用期的影响,库存系统允许缺货且短缺量部分延迟订购.以零售商的平均利润最大化为目标,分两种情形构建变质品的订购和信用期决策模型.从理论上证明最优解的存在性和唯一性,给出相关定理结论,并在此基础上设计一个寻找最优解的两阶段迭代算法.最后通过数值算例展示了模型和算法的应用,并完成主要参数的灵敏度分析.研究结果表明:消费者的缺货容忍行
不同工况下轴承退化数据分布不一致导致深度学习等方法对剩余寿命预测效果有限,而已有迁移学习预测方法未能充分挖掘不同工况退化序列的内在趋势性,为此,提出一种基于深度时序特征迁移的轴承剩余寿命预测方法.首先,提出一种深度时序特征融合的健康指标构建模型,利用时间卷积网络挖掘退化趋势的内在时序特征,得到源域多轴承的健康指标;然后,提出一种最小化序列相似度的领域自适应算法,利用源域健康指标作为退化趋势元信息,选取目标域与源域之间的公共敏感特征;最后,采用支持向量机构建预测模型.在IEEE PHM Challenge