掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創(chuàng)新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
智能車輛主動安全與控制技術 版權信息
- ISBN：9787030580566
- 條形碼：9787030580566 ; 978-7-03-058056-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
智能車輛主動安全與控制技術 內容簡介
車輛系統動力學與控制技術是汽車工程領域近些年形成的一個新的研究方向。這方面的專著較少，尤其是涉及整車多個子系統作用的整車動力學建模、集成控制策略等方面。本書目的是要為相關人員提供這方面的理論基礎研究和應用實例。本書分為八章，分別是車輛系統動力學建模基礎、輪胎動力學、車輛縱向動力學及控制、車輛垂向動力學及控制、車輛橫向動力學及控制、系統耦合機理分析及整車動力學模型、集中式集成控制、分層式協調控制等。
智能車輛主動安全與控制技術 目錄
目錄
前言
第1章 緒論 1
1.1 概述 1
1.2 智能車輛的發(fā)展現狀 3
1.3 智能車輛的主動安全技術 9
1.3.1 智能車輛的幾個發(fā)展階段 9
1.3.2 自主導航關鍵技術 10
1.4 智能車輛系統動力學與控制技術 16
參考文獻 17
第2章 智能車輛的體系結構 20
2.1 兩種基本的體系結構 20
2.1.1 分層遞階式體系結構 20
2.1.2 包容式體系結構 21
2.2 其他幾種典型的體系結構 21
2.2.1 三層結構 22
2.2.2 自組織結構 22
2.2.3 分布式結構 22
2.2.4 進化控制結構 23
2.2.5 社會機器人結構 24
2.3 智能車輛的集散決策混合式體系結構 24
2.3.1 系統的分散決策效果 25
2.3.2 集中決策與分散決策 25
2.3.3 道路環(huán)境下的決策體系結構 28
2.4 仿真研究 29
2.4.1 運動學模型 29
2.4.2 功能模型 30
2.4.3 時間延遲分析 32
2.4.4 仿真結果分析 33
2.5 基于行為的智能車輛體系結構 36
2.5.1 體系結構框架 36
2.5.2 行為的優(yōu)先級 37
2.5.3 黑板模型 38
2.5.4 智能車輛各行為設計和仿真 39
2.6 智能車輛多智能體系統的體系結構 42
2.6.1 智能體的基本概念 42
2.6.2 多智能體系統的設計思想 44
2.6.3 基于多智能體系統的智能車輛控制 45
參考文獻 52
第3章 基于機器視覺的智能車輛導航 54
3.1 車道識別系統設計 54
3.1.1 車道識別算法流程 54
3.1.2 車道線預提取 55
3.1.3 車道線跟蹤 65
3.2 基于邊緣點投影的車道線快速識別 72
3.2.1 快速識別和跟蹤算法流程 72
3.2.2 圖像預處理 74
3.2.3 車道線跟蹤 80
3.2.4 實車實驗 82
3.3 基于機器視覺的前方車輛距離檢測 83
3.3.1 前方車輛距離檢測計算流程 84
3.3.2 機器學習 84
3.3.3 車輛位置的確定 86
3.3.4 前方車輛距離的計算 88
3.3.5 基于毫米波雷達與機器視覺的前方車輛檢測 89
3.4 基于自適應閾值的矢量域直方圖法路徑規(guī)劃 95
3.4.1 改進的矢量域直方圖法路徑規(guī)劃 96
3.4.2 路徑規(guī)劃仿真結果分析 100
參考文獻 103
第4章 智能車輛的跟蹤控制 105
4.1 智能車輛的橫向運動自適應預瞄方法 105
4.1.1 系統結構 105
4.1.2 車輛-道路模型 106
4.1.3 閉環(huán)控制系統設計及特性分析 108
4.2 基于人機共享和分層控制的車道偏離輔助系統 112
4.2.1 控制系統結構設計 112
4.2.2 控制器設計 113
4.2.3 仿真計算與分析 118
4.2.4 駕駛員在環(huán)實驗 123
4.3 基于深度神經網絡的車道偏離預警 125
4.3.1 深度學習方法 126
4.3.2 人-車-路閉環(huán)系統隨機模擬 127
4.3.3 仿真計算與分析 130
4.4 基于期望橫擺角速度的智能車輛橫向運動控制 134
4.4.1 控制系統設計 134
4.4.2 路徑規(guī)劃 134
4.4.3 期望橫擺角速度生成 136
4.4.4 期望橫擺角速度跟蹤控制 137
4.5 一類基于軌跡預測的駕駛員方向控制模型 142
4.5.1 基于軌跡預測的駕駛員模型 142
4.5.2 仿真計算與分析 149
4.5.3 硬件在環(huán)實驗 154
4.6 智能車輛橫向運動安全決策方法 156
4.6.1 駕駛員應急轉向時的車輛運動 156
4.6.2 車輛橫向運動安全邊界設計 158
4.6.3 橫向運動安全決策 162
4.6.4 仿真分析 163
4.7 基于道路勢場法的車道偏離輔助控制 164
4.7.1 道路勢場的構建 164
4.7.2 路徑跟蹤控制策略 166
4.7.3 仿真計算與分析 167
4.8 基于自抗擾控制的自動泊車路徑跟蹤 169
4.8.1 自動泊車系統的運動學模型 169
4.8.2 基于非時間參考的路徑跟蹤 170
4.8.3 自抗擾轉角跟蹤控制器 172
4.8.4 系統設計 174
4.8.5 仿真計算與分析 174
4.9 基于GA和LS-SVM的智能車輛路徑跟蹤控制 177
4.9.1 *小二乘支持向量機 177
4.9.2 基于GA和LS-SVM的滑模變結構控制 179
4.9.3 仿真計算與分析 180
4.10基于轉向盤轉角安全邊界的車道偏離共享控制 182
4.10.1 轉向盤轉角安全邊界 183
4.10.2 駕駛員意圖轉向盤轉角估計 184
4.10.3 輔助決策策略 185
4.10.4 控制律設計 186
4.10.5 仿真計算與分析 190
參考文獻 197
第5章 智能車輛的運動穩(wěn)定性與控制 200
5.1 基于LPV/H∞控制的EPS研究 200
5.1.1 EPS系統的LPV/H∞控制器設計 200
5.1.2 仿真計算與分析 204
5.2 基于直接橫擺力矩的車輛穩(wěn)定性控制 205
5.2.1 基于非線性狀態(tài)觀測器的車速估計 206
5.2.2 基于非線性H∞輸出反饋控制的ESP研究 207
5.2.3 仿真計算與分析 210
5.3 基于功能分配和多目標模糊決策的EPS/ESP協調控制 213
5.3.1 協調控制器設計 213
5.3.2 仿真計算與分析 219
5.4 基于功能分配和回正力矩補償的EPS/ESP協調控制 221
5.4.1 協調控制器設計 221
5.4.2 仿真計算與分析 226
5.4.3 硬件在環(huán)仿真實驗 229
5.5 基于車輛行駛安全邊界的EPS/ESP協調控制策略 232
5.5.1 車輛行駛安全邊界 232
5.5.2 協調控制器設計 235
5.5.3 仿真計算與分析 240
5.5.4 實驗驗證 241
5.6 車輛橫向運動混沌分析及滑模變結構控制 243
5.6.1 非線性系統模型 243
5.6.2 車輛橫向運動混沌分析與數值仿真 245
5.6.3 自適應趨近滑模變結構控制 250
5.6.4 仿真計算與分析 253
5.7 差動助力轉向系統穩(wěn)定性可拓協調控制 255
5.7.1 動力學模型的建立 256
5.7.2 基于橫擺力矩可拓協調的控制系統設計 257
5.7.3 仿真計算與分析 264
參考文獻 267
第6章 智能車輛的懸架系統模型降階與控制 269
6.1 懸架系統模型降階 269
6.1.1 *優(yōu)Hankel范數降階 269
6.1.2 其他降階方法比較 273
6.1.3 仿真計算與分析 275
6.2 基于頻率加權互質分解的控制器降階 279
6.3 主動懸架系統的主動容錯控制 283
6.3.1 基于傳感器信號重構的主動懸架主動容錯控制 284
6.3.2 基于控制律重組的主動懸架主動容錯控制 293
6.3.3 基于故障補償的主動懸架系統容錯控制 300
6.4 磁流變半主動懸架系統控制研究 308
6.4.1 含時滯的磁流變半主動懸架離散系統建模 308
6.4.2 磁流變半主動懸架時滯依賴H2/H∞控制系統設計 309
6.4.3 仿真計算與分析 313
6.4.4 實驗驗證 316
6.5 主動懸架系統H∞可拓控制 318
6.5.1 H∞可拓控制器設計 318
6.5.2 仿真計算與分析 319
6.5.3 H∞可拓控制器值域博弈與模糊整定 322
6.5.4 仿真計算與分析 324
參考文獻 325
第7章 智能車輛技術展望 328
參考文獻 339
前言
第1章 緒論 1
1.1 概述 1
1.2 智能車輛的發(fā)展現狀 3
1.3 智能車輛的主動安全技術 9
1.3.1 智能車輛的幾個發(fā)展階段 9
1.3.2 自主導航關鍵技術 10
1.4 智能車輛系統動力學與控制技術 16
參考文獻 17
第2章 智能車輛的體系結構 20
2.1 兩種基本的體系結構 20
2.1.1 分層遞階式體系結構 20
2.1.2 包容式體系結構 21
2.2 其他幾種典型的體系結構 21
2.2.1 三層結構 22
2.2.2 自組織結構 22
2.2.3 分布式結構 22
2.2.4 進化控制結構 23
2.2.5 社會機器人結構 24
2.3 智能車輛的集散決策混合式體系結構 24
2.3.1 系統的分散決策效果 25
2.3.2 集中決策與分散決策 25
2.3.3 道路環(huán)境下的決策體系結構 28
2.4 仿真研究 29
2.4.1 運動學模型 29
2.4.2 功能模型 30
2.4.3 時間延遲分析 32
2.4.4 仿真結果分析 33
2.5 基于行為的智能車輛體系結構 36
2.5.1 體系結構框架 36
2.5.2 行為的優(yōu)先級 37
2.5.3 黑板模型 38
2.5.4 智能車輛各行為設計和仿真 39
2.6 智能車輛多智能體系統的體系結構 42
2.6.1 智能體的基本概念 42
2.6.2 多智能體系統的設計思想 44
2.6.3 基于多智能體系統的智能車輛控制 45
參考文獻 52
第3章 基于機器視覺的智能車輛導航 54
3.1 車道識別系統設計 54
3.1.1 車道識別算法流程 54
3.1.2 車道線預提取 55
3.1.3 車道線跟蹤 65
3.2 基于邊緣點投影的車道線快速識別 72
3.2.1 快速識別和跟蹤算法流程 72
3.2.2 圖像預處理 74
3.2.3 車道線跟蹤 80
3.2.4 實車實驗 82
3.3 基于機器視覺的前方車輛距離檢測 83
3.3.1 前方車輛距離檢測計算流程 84
3.3.2 機器學習 84
3.3.3 車輛位置的確定 86
3.3.4 前方車輛距離的計算 88
3.3.5 基于毫米波雷達與機器視覺的前方車輛檢測 89
3.4 基于自適應閾值的矢量域直方圖法路徑規(guī)劃 95
3.4.1 改進的矢量域直方圖法路徑規(guī)劃 96
3.4.2 路徑規(guī)劃仿真結果分析 100
參考文獻 103
第4章 智能車輛的跟蹤控制 105
4.1 智能車輛的橫向運動自適應預瞄方法 105
4.1.1 系統結構 105
4.1.2 車輛-道路模型 106
4.1.3 閉環(huán)控制系統設計及特性分析 108
4.2 基于人機共享和分層控制的車道偏離輔助系統 112
4.2.1 控制系統結構設計 112
4.2.2 控制器設計 113
4.2.3 仿真計算與分析 118
4.2.4 駕駛員在環(huán)實驗 123
4.3 基于深度神經網絡的車道偏離預警 125
4.3.1 深度學習方法 126
4.3.2 人-車-路閉環(huán)系統隨機模擬 127
4.3.3 仿真計算與分析 130
4.4 基于期望橫擺角速度的智能車輛橫向運動控制 134
4.4.1 控制系統設計 134
4.4.2 路徑規(guī)劃 134
4.4.3 期望橫擺角速度生成 136
4.4.4 期望橫擺角速度跟蹤控制 137
4.5 一類基于軌跡預測的駕駛員方向控制模型 142
4.5.1 基于軌跡預測的駕駛員模型 142
4.5.2 仿真計算與分析 149
4.5.3 硬件在環(huán)實驗 154
4.6 智能車輛橫向運動安全決策方法 156
4.6.1 駕駛員應急轉向時的車輛運動 156
4.6.2 車輛橫向運動安全邊界設計 158
4.6.3 橫向運動安全決策 162
4.6.4 仿真分析 163
4.7 基于道路勢場法的車道偏離輔助控制 164
4.7.1 道路勢場的構建 164
4.7.2 路徑跟蹤控制策略 166
4.7.3 仿真計算與分析 167
4.8 基于自抗擾控制的自動泊車路徑跟蹤 169
4.8.1 自動泊車系統的運動學模型 169
4.8.2 基于非時間參考的路徑跟蹤 170
4.8.3 自抗擾轉角跟蹤控制器 172
4.8.4 系統設計 174
4.8.5 仿真計算與分析 174
4.9 基于GA和LS-SVM的智能車輛路徑跟蹤控制 177
4.9.1 *小二乘支持向量機 177
4.9.2 基于GA和LS-SVM的滑模變結構控制 179
4.9.3 仿真計算與分析 180
4.10基于轉向盤轉角安全邊界的車道偏離共享控制 182
4.10.1 轉向盤轉角安全邊界 183
4.10.2 駕駛員意圖轉向盤轉角估計 184
4.10.3 輔助決策策略 185
4.10.4 控制律設計 186
4.10.5 仿真計算與分析 190
參考文獻 197
第5章 智能車輛的運動穩(wěn)定性與控制 200
5.1 基于LPV/H∞控制的EPS研究 200
5.1.1 EPS系統的LPV/H∞控制器設計 200
5.1.2 仿真計算與分析 204
5.2 基于直接橫擺力矩的車輛穩(wěn)定性控制 205
5.2.1 基于非線性狀態(tài)觀測器的車速估計 206
5.2.2 基于非線性H∞輸出反饋控制的ESP研究 207
5.2.3 仿真計算與分析 210
5.3 基于功能分配和多目標模糊決策的EPS/ESP協調控制 213
5.3.1 協調控制器設計 213
5.3.2 仿真計算與分析 219
5.4 基于功能分配和回正力矩補償的EPS/ESP協調控制 221
5.4.1 協調控制器設計 221
5.4.2 仿真計算與分析 226
5.4.3 硬件在環(huán)仿真實驗 229
5.5 基于車輛行駛安全邊界的EPS/ESP協調控制策略 232
5.5.1 車輛行駛安全邊界 232
5.5.2 協調控制器設計 235
5.5.3 仿真計算與分析 240
5.5.4 實驗驗證 241
5.6 車輛橫向運動混沌分析及滑模變結構控制 243
5.6.1 非線性系統模型 243
5.6.2 車輛橫向運動混沌分析與數值仿真 245
5.6.3 自適應趨近滑模變結構控制 250
5.6.4 仿真計算與分析 253
5.7 差動助力轉向系統穩(wěn)定性可拓協調控制 255
5.7.1 動力學模型的建立 256
5.7.2 基于橫擺力矩可拓協調的控制系統設計 257
5.7.3 仿真計算與分析 264
參考文獻 267
第6章 智能車輛的懸架系統模型降階與控制 269
6.1 懸架系統模型降階 269
6.1.1 *優(yōu)Hankel范數降階 269
6.1.2 其他降階方法比較 273
6.1.3 仿真計算與分析 275
6.2 基于頻率加權互質分解的控制器降階 279
6.3 主動懸架系統的主動容錯控制 283
6.3.1 基于傳感器信號重構的主動懸架主動容錯控制 284
6.3.2 基于控制律重組的主動懸架主動容錯控制 293
6.3.3 基于故障補償的主動懸架系統容錯控制 300
6.4 磁流變半主動懸架系統控制研究 308
6.4.1 含時滯的磁流變半主動懸架離散系統建模 308
6.4.2 磁流變半主動懸架時滯依賴H2/H∞控制系統設計 309
6.4.3 仿真計算與分析 313
6.4.4 實驗驗證 316
6.5 主動懸架系統H∞可拓控制 318
6.5.1 H∞可拓控制器設計 318
6.5.2 仿真計算與分析 319
6.5.3 H∞可拓控制器值域博弈與模糊整定 322
6.5.4 仿真計算與分析 324
參考文獻 325
第7章 智能車輛技術展望 328
參考文獻 339
展開全部
智能車輛主動安全與控制技術 節(jié)選
第1章緒論 1.1 概述 自1886年汽車問世以來，汽車工業(yè)經歷了100多年的快速發(fā)展。汽車自身也從*初的代步和運輸工具，成為人們生活和人類文明的一部分。汽車的技術發(fā)展水平及其普及程度，是衡量一個國家或地區(qū)社會物質生活發(fā)展水平及現代化程度的重要標志。伴隨著科學技術的突飛猛進和經濟社會的迅猛發(fā)展，人們生活水平逐步提高，汽車也逐漸走入廣大普通百姓家庭，極大地方便人們的出行和生活。近年來，汽車的產銷量和保有量呈現出逐年增加的趨勢。據統計，截至2016年6月底，全國機動車輛保有量達2.85億輛，其中汽車1.84億輛；機動車駕駛員達3.42億人，其中汽車駕駛員2.96億人。預計到2025年，全球在用車數量將超過14億輛。隨著汽車的普及和保有量的日益增長，在享受汽車給我們的出行和生活帶來便利的同時，它也給社會的發(fā)展帶來了道路交通安全、交通擁擠、環(huán)境污染、能源浪費等方面的問題，所造成的各類損失難以計算。日益頻繁的交通堵塞和交通事故，嚴重影響了人們的日常生活和工作效率，甚至危害到人們的生命安全。大量汽車排放的尾氣會加劇溫室效應，污染環(huán)境，進而損害人們的身體健康。因此，發(fā)展安全、環(huán)保、節(jié)能、智能化的汽車成為當今汽車的發(fā)展趨勢。尤其是隨著公路路網的發(fā)展以及汽車行駛速度的提高，交通事故的發(fā)生呈逐漸上升趨勢。統計資料表明，90%以上的交通事故都是由人為因素造成的，駕駛員不嚴格遵守交通規(guī)則、反應不及時以及錯誤操作是發(fā)生道路交通事故的主要原因，而這些也往往會帶來交通堵塞。 如何利用各種先進技術有效地改進汽車的安全性能、提高環(huán)保與節(jié)能性能、減少道路交通事故、提高交通系統效率，已經成為各國政府和研究機構共同關注的社會問題和科學技術發(fā)展所面臨的重要課題之一。為解決上述問題，世界各地已經投入大量的人力、物力開展智能交通系統（intelligent transportation system，ITS）的研究。智能交通的概念*早由美國智能交通學會提出，并在世界各國大力推廣。智能交通系統的核心理念是從系統的觀點出發(fā)，將道路系統和汽車系統綜合起來考慮以解決相關交通問題，也就是將先進的信息技術、通信技術、自動控制技術、計算機處理技術以及人工智能等有效地綜合運用于交通管理體系和汽車系統而建立起來的一種大范圍、實時、高效、準確的先進運輸系統，其主要目的是提高道路交通安全性、減少交通事故、提升交通系統的通行能力和效率、節(jié)約能源等。智能交通現已走過了20多年，當前的環(huán)境和技術都發(fā)生了巨大變化，智能交通的語境也發(fā)生了變化。現在的智能交通系統在基于移動互聯、大數據的情況下，提出了新的技術要求，包括車輛管理系統、交通管理系統、人員管理系統、協同智能交通系統等。當前交通領域的一些研究和發(fā)展的熱點，如城市交通安全、節(jié)能減排、基于移動互聯下的智能交通系統等科技創(chuàng)新，都對汽車產生了重大的變化。當前，輔助駕駛員駕駛汽車或替代駕駛員自動駕駛汽車的系統，即常稱的智能車輛（intelligent vehicle，IV），已成為智能交通系統的一個重要組成部分。智能車輛可以通過先進的車載傳感系統、信息處理與決策系統以及執(zhí)行系統等對駕駛員、道路環(huán)境、車輛自身狀態(tài)等進行實時監(jiān)控，部分或者完全代替駕駛員完成駕駛操作，從而減輕駕駛員的勞動強度，提高交通安全性及通行效率、節(jié)約能源等。 在發(fā)展用于智能交通領域的智能車輛的同時，各國也都在大力發(fā)展用于工業(yè)生產、軍事及航天探測等方面的自動引導車和無人駕駛車輛。綜上所述，智能車輛的研究在提高道路交通安全和道路通行能力、工業(yè)生產、軍事以及航天探測方面具有重大意義。 智能車輛是一個集環(huán)境信息感知、智能規(guī)劃決策、輔助駕駛及自主駕駛等多種功能于一體的綜合系統，它集中運用了計算機科學、現代傳感、信號處理、人工智能、通信及自動控制等技術。典型的智能車輛組成結構及控制框圖如圖1-1所示。 圖1-1 典型的智能車輛組成結構及控制框圖 研究開發(fā)智能車輛技術有助于減輕駕駛員的勞動強度、提高其行駛安全性、減少道路交通事故和提高交通系統通行效率。隨著科技進步和經濟發(fā)展，機動車保有量的迅速增加，非專業(yè)駕駛員的增多，道路交通事故的發(fā)生更加頻繁，已經嚴重影響人們的出行和生命財產安全。駕駛員注意力不集中是導致交通事故頻發(fā)的重要原因，而智能車輛可以利用各種先進技術，在危險發(fā)生前，提醒駕駛員做出必要的回避動作或者在緊急狀況下，如駕駛員無法做出反應時，自主控制車輛完成規(guī)避危險任務，從而避免交通事故的發(fā)生。例如，車道偏離報警及自動校正系統、自適應巡航系統、避障路徑規(guī)劃與控制系統、自動跟隨駕駛系統、自動泊車系統都可以大大減輕駕駛員的勞動強度和疲勞程度，提高駕駛舒適性。發(fā)展智能車輛還可以優(yōu)化使用交通設施、提高機動性、縮短旅行時間和減小能源消耗等，提高道路交通運輸效率。 智能車輛技術不僅在智能交通、輔助駕駛等方面有著廣泛的應用前景。在工業(yè)上，可以應用在自動倉庫、港口、碼頭、車間等物流作業(yè)部門的自動引導車上，提高貨物搬運效率，降低生產成本；同時它還可以用在人類無法工作的環(huán)境中代替人類完成惡劣、有毒環(huán)境下貨物的搬運、設備的檢測等任務，從而避免某些有害物質對人體造成的傷害。在軍事上，智能車輛可以按設計者意圖在戰(zhàn)場上自動行駛，代替人類完成巡邏、偵察、排雷及對有毒物品的采樣，迅速準確地搜集相關信息，從而提高軍事任務執(zhí)行的效率，有效地避免軍事人員傷亡；在智能武器系統的開發(fā)上，智能車輛可作為其安裝平臺，能夠實現自動搜索和攻擊目標，提高攻擊力和安全性。可見，智能車輛在軍事領域也有著重要的意義。在航空航天科學研究方面，空間自主移動機器人是其中重要的組成部分。因此，智能車輛還可用在外星球探索和勘探上，對人類探測外星球、開發(fā)和利用外星球起到巨大的推動作用。 智能車輛一般具備三個特點：①對周圍環(huán)境進行準確感知；②進行智能化的路徑規(guī)劃；③擁有輔助駕駛功能。智能車輛是典型的高新技術集合體。作為一個新型的交叉學科領域，智能車輛技術的研究涉及機械制造、信息感知、人工智能、自動控制、電子及通信技術等多個學科的理論與技術，集成了所涉及學科研究的*新成果，其發(fā)展必將推動相關學科和技術的迅猛發(fā)展。 綜上所述，智能車輛在工業(yè)、軍事、民用、科學等領域都具有廣闊的發(fā)展空間和應用前景，國內外眾多的科研院所、企業(yè)，正投入大量的人力、物力開展智能車輛中關鍵技術的研發(fā)。因此，研究開發(fā)智能車輛技術具有重要的科學理論意義和實際應用價值。 1.2 智能車輛的發(fā)展現狀 人類社會的不斷進步、相關科學技術的快速發(fā)展以及來自人們對工業(yè)生產自動化、交通運輸安全和軍事方面的迫切需求，有力地促進與推動了智能車輛的產生與發(fā)展。1954年，美國Barret Electronics公司研制出了**臺自動引導車系統（automated guided vehicle system，AGVS），它是一個運行在固定線路上的自動運輸平臺，具有無人駕駛車輛的基本特征，宣示著智能車輛的誕生。到目前為止，智能車輛經歷多個發(fā)展階段，取得了相當豐富的成果。縱觀國內外智能車輛的發(fā)展，對其研究過程大體可分為四個階段［1］：1950～1970年為智能車輛研究的萌芽階段；1970～1990年為智能車輛研究的起步階段；1990～2000年為智能車輛技術的大發(fā)展階段；2000年至今為智能車輛技術實用化的快速推進階段。 在智能車輛研究的萌芽階段，研究者采用電纜或磁誘導方式來實現車輛的自動控制。此時的自動駕駛系統主要是依據鋪設在道路上的制導電纜或磁誘導設備信息來對其進行橫向行駛控制，從而實現車輛在預定車道內自動行駛。由于研究場所多為室內環(huán)境，其應用存在一定的局限性。除了Barret Electronics公司外，美國的RCA（美國無線電公司）、GM（通用汽車）公司、OSU（俄亥俄州立大學），英國道路交通研究所，德國西門子公司以及日本機械技術研究所等機構也都開展過相關方面的研究［2，3］。 在智能車輛研究的起步階段，隨著計算機及機器視覺技術的發(fā)展，智能車輛研究的焦點是基于計算機視覺引導的智能車輛系統，其研究應用場所也由室內逐漸轉到戶外。日本機械技術研究所在1978年進行了世界上首次基于機器視覺的自主車輛駕駛系統道路實驗，速度達30km/h。20世紀80年代末期，日產汽車公司與富士通株式會社聯合開發(fā)了PVS（personal vehicle system）自動駕駛車輛，它具有主動避開靜止障礙物及夜間、雨天等惡劣天氣條件下自動駕駛的功能。美國馬里蘭大學等研制了ALV（autonomous land vehicle）軍用無人偵察越野車，美國卡內基梅隆大學（Carnegie Mellon University，CMU）研制了配備包括攝像頭、激光和雷達等多種傳感器的Navlab自主駕駛車。與此同時，德國慕尼黑聯邦國防大學開發(fā)了基于視覺信息的VaMoRs自動駕駛車，其行駛速度達90km/h。此外，自20世紀80年代開始，還有許多汽車企業(yè)、大學及相關研究所也對智能車輛系統及其相關技術開展了廣泛而深入的研究，甚至開發(fā)出樣車［4］。 在智能車輛技術的大發(fā)展階段，世界主要發(fā)達國家都展開了相關研究。20世紀90年代初期，智能交通系統概念的提出對智能車輛的研究起到了很大的推動作用，相關研究進入更為專業(yè)、系統的階段。美國、日本、德國、法國、意大利等國家都高度重視并投入了大量的人力、物力用于智能車輛的研究，智能車輛技術也取得了突破性進展。 以美國加利福尼亞大學伯克利分校為中心，以AVCSS（Advanced Vehicle Control and Safety Systems）為重點研究項目的車輛自動駕駛系統［5］是加利福尼亞州ITS項目中以增加道路容量、減小道路堵塞為目的的PATH項目的一部分，主要包括車輛橫向控制和車距保持的車隊列縱向行駛控制。美國國防部以軍事應用（如危險地段軍事偵察等）為目的先后研制了DEMO I、DEMO II和DEMO III系列軍用智能車輛［6，7］。其中*先進的DEMO III智能車輛集成了多種子系統，包括CCD（charge-coupled device）立體視覺系統、激光深度成像儀、全球定位系統(GPS)、慣性導航系統以及駕駛機器人驅動系統［7］，該車輛可以在各種不利環(huán)境（如雨天、路面有污垢等）、各種光照條件（如白天、黑夜和陰影）下實現自主駕駛。日本由于交通問題突出，政府更加重視智能交通系統的發(fā)展。20世紀90年代，日本運輸省主導的ASV（先進安全車輛）項目和通產省主導的SSVS（Super Smart Vehicle System）項目都包含了自主駕駛系統的開發(fā)。從1986年開始，以歐洲汽車廠家為中心的Prometheus項目歷時8年，其中的自動駕駛系統廣泛采用了計算機視覺及雷達技術，研究了智能車輛自主導航和安全輔助駕駛，主要包括微處理器和通信方式等基礎研究以及障礙物檢測和防撞系統等應用研究。德國慕尼黑聯邦國防大學（Universtitat der Bundestwehr Munchen，UBM）智能車輛研究組與德國奔馳（Benz）汽車公司合作，致力于自主導航車輛研究，先后研制成功VaMoRs和VaMoRs-P兩種實驗車。法國帕斯卡大學與法國雪鐵龍汽車公司合作開發(fā)的Peugeot智能車輛在不同的路面狀況下成功進行多次驗證，證明了該車控制系統的有效性，*高車速達130km/h［4］。美國斯坦福(Stanford)大學很早就開始研究智能車輛技術，并成立了人工智能實驗室。其中Sebastian Thrun教授領導的科研團隊一直致力于智能車的研究，并于2005年設計出了自主研發(fā)的智能車——史坦利號(Stanley)，該車輛通過攝像頭、雷達傳感器等識別其他車輛，并根據衛(wèi)星信息進行車輛導航，實現了車輛的自主駕駛。他們設計的智能車在第二屆Grand Challenge大賽中奪冠，如圖1-2(a)所示。卡內基梅隆大學與美國通用汽車公司早在2003年就開始合作，并在無人
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
姑媽的寶刀
- >
隨園食單
- >
伊索寓言-世界文學名著典藏-全譯本
- >
中國歷史的瞬間
- >
小考拉的故事-套裝共3冊
- >
我與地壇
- >
回憶愛瑪儂
本類暢銷
