检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合跳点引导的无人机随机搜索避撞决策方法

航空学报 2020年第8期41卷 319-331页

作者：李安醍李诚龙武丁杰卫鹏中国民用航空飞行学院空中交通管理学院广汉618307 乔治·华盛顿大学机械与航空航天工程学院华盛顿特区20052

针对无人机在城市空域环境和密集交通流下的避撞决策问题,提出马尔科夫决策过程(MDP)和蒙特卡洛树搜索(MCTS)算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限,容易陷入局部最优,导致在含有静... 详细信息

针对无人机在城市空域环境和密集交通流下的避撞决策问题,提出马尔科夫决策过程(MDP)和蒙特卡洛树搜索(MCTS)算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限,容易陷入局部最优,导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势,建立离散路径点引导无人机并改进奖励函数来权衡飞行路线,在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真,其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中,改进后的算法相对于原始的蒙特卡洛树搜索算法,其冲突概率降低了36%并且飞行时间缩短47.8%。

关键词：城市空中交通无人机避撞决策路径规划蒙特卡洛树搜索(MCTS)

基于深度强化学习的城市场景无人机避撞决策研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度强化学习的城市场景无人机避撞决策研究

作者：张顶立中国民用航空飞行学院

学位级别：硕士

近年来,轻小型无人机在城市空域中的应用数量和任务种类不断提升扩宽,在各种无人机服务为人们带来便利同时,也给城市空域带来了管理压力,无人机的自动化管控和运行成为颇具前景的研究方向。无人机在飞行过程中对外部环境的感知和避撞决... 详细信息

近年来,轻小型无人机在城市空域中的应用数量和任务种类不断提升扩宽,在各种无人机服务为人们带来便利同时,也给城市空域带来了管理压力,无人机的自动化管控和运行成为颇具前景的研究方向。无人机在飞行过程中对外部环境的感知和避撞决策是实现其自主运行的基础技术前提,也是当前研究的热点,传统的避障算法往往依赖于通过先验的地理信息和数据库提前进行路径规划,或者需要精细建模和迭代计算,在复杂动态的城市低空空域中对多个目标进行避撞较难实现。相比传统的避障算法,深度强化学习算法（Deep Reinforcement Learning,DRL）因其不需要精细建模、训练完成后计算实时性高的特点,在许多行业得到了广泛的应用。因此,将深度强化学习算法引入到无人机自主避撞决策中,通过智能体和仿真环境的不断交互和训练,最终实现无人机在复杂动态未知环境中的自主避撞决策。首先,对城市超低空空域无人机的运行背景进行了详细讨论,为了同时满足无人机在空域中的运行需求和风险限制,对空域进行了结构划分;从通信、导航、监视等低空空域基础设施的支持和运行管控两个方面对城市超低空空域运行概念进行了简要阐述,并提出了实现路线和方案建议。在此基础上,明确了无人机在城市空域内运行时应具备针对非合作目标的探测和避撞能力。针对这一问题,将避撞场景建模为马尔可夫决策过程（Markov Decision Process,MDP）,将避撞范围扇区化并作为状态空间的一部分来固定神经网络输入向量维度;对奖励函数进行分场景、稀疏奖励和连续奖励相结合的改进以提高算法在面对不同场景时的策略稳定。针对原始D3QN算法（Dueling Double DQN）中探索不足等缺点,引入贪婪探索策略、间隔更新策略和多步奖励学习进行改进,提出了D3QN-IM算法。最后,对所提出的算法进行仿真训练、测试和分析。基于python和pytorch搭建了仿真训练环境,并使用pygame对训练测试环境进行可视化。设计了正常训练环境条件、流量扩展条件、噪声干扰条件、场景尺度变化条件和有固定障碍物场景条件对算法进行了测试,针对深度强化学习算法在有固定障碍物场景中出现被障碍物遮挡导致反复寻路的问题,引入了具有全局最优路径规划能力的跳点搜索算法（Jump Point Search,JPS）对DRL算法进行改进。测试结果表明,改进后的算法D3QN-IM相比D3QN在标准训练场景中达标率有所提高,平均飞行时间缩短了66.52%,平均飞行路程缩短了40.03%,最大安全容量提高了5.5倍;在有固定障碍物的场景中,D3QN-IM-JPS相比D3QN-JPS平均飞行时长缩短了30.5%,在所有扩展测试场景中的有效性、泛化性和鲁棒性都更高。

关键词：无人机深度强化学习避撞决策城市低空空域 D3QN算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车联网环境下车辆主动避撞决策方法

湖北汽车工业学院学报 2023年第1期37卷 24-28,33页

作者：操翰文马英魁张宇陈宇峰湖北汽车工业学院电气与信息工程学院湖北十堰442002

结合驾驶员避撞行为特征和车联网信息获取优势,设计了车辆主动避撞决策。通过分析车辆制动过程得到临界制动距离,利用自车不同制动强度建立车辆纵向分级制动模型。在制动过程中加入不满累积度作为产生车辆换道意图的依据。基于Python和S... 详细信息

结合驾驶员避撞行为特征和车联网信息获取优势,设计了车辆主动避撞决策。通过分析车辆制动过程得到临界制动距离,利用自车不同制动强度建立车辆纵向分级制动模型。在制动过程中加入不满累积度作为产生车辆换道意图的依据。基于Python和SUMO搭建了联合仿真平台,进行仿真验证。结果表明:在高速行驶环境中,与ITTC制动模型相比,文中方法能减少车辆制动跟随时间和换道次数,做出合理换道判断。

关键词：车联网避撞决策最小安全距离模型不满累积度 SUMO

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

前车切入场景下智能驾驶仿真控制

前车切入场景下智能驾驶仿真控制

作者：谢旺重庆理工大学

学位级别：硕士

突发的前车切入是车辆在行驶过程中常见的具有典型性、突发性和危险性的道路交通场景,自车往往在短时间内无法做出正确操作从而导致交通事故的发生。因此,研究前车切入这类交通场景是非常有必要的。如何全面、高效地进行仿真场景泛化是... 详细信息

突发的前车切入是车辆在行驶过程中常见的具有典型性、突发性和危险性的道路交通场景,自车往往在短时间内无法做出正确操作从而导致交通事故的发生。因此,研究前车切入这类交通场景是非常有必要的。如何全面、高效地进行仿真场景泛化是智能驾驶开发、测试和验证的一项重要研究内容。本文基于自然驾驶场景数据,构建了前车切入场景的泛化方法、避撞决策、路径规划和纵横向避撞控制。首先,基于自然驾驶场景数据研究前车切入场景泛化方法。基于实车采集的自然驾驶场景数据,以前车切入时刻的碰撞时间作为场景风险程度的评估参数,通过皮尔逊相关性分析将原始数据的八个场景要素降维成三个关键场景要素,然后基于重要性采样的方法泛化生成测试场景库。其次,研究了前车切入场景下的智能驾驶避撞决策和路径规划。在避撞决策方面,首先分别建立了前车切入场景下的纵向制动临界距离模型与转向换道临界距离模型,然后基于这两个临界距离模型确定了智能驾驶纵横向避撞控制切换的避撞决策。在换道路径规划方面,基于一元五次多项式规划了车辆的换道轨迹。再次,研究了前车切入场景下车辆的纵横向避撞控制系统。纵横向避撞控制系统均由上、下两层控制器构成,其中,确定纵向避撞控制系统的上层控制器为有限状态机计算得到期望减速度,下层控制器为PID控制算法计算得到制动主缸压力,实现车辆纵向制动控制;确定横向避撞控制系统的上层控制器为一元五次多项式的路径规划,下层控制器为基于LQR控制算法实现路径跟踪控制,从而实现车辆转向避撞控制。最后,通过PreScan、CarSim和Simulink建立了联合仿真平台,参考i-VISTA前车切入测试场景中的车速范围,选取由第二章泛化生成的四例危险切入场景对本文构建的避撞系统进行仿真测试,最终验证了本文构建的前车切入场景泛化方法、避撞决策、路径规划和纵横向避撞控制的有效性。

关键词：前车切入场景泛化避撞决策路径规划纵横向避撞控制

基于马尔可夫决策过程的城市空域飞行避撞研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于马尔可夫决策过程的城市空域飞行避撞研究

作者：李傥沈阳航空航天大学

学位级别：硕士

为解决城市交通中日益严重的交通拥堵现象,全球各大城市都在积极探索城市空中交通(UAM)系统的建立和完善,随着城市低空空域逐渐放开,城市空域用户不断增加,保证电推进垂直起降航空器(e VTOL)等无人驾驶载人航空器的安全高效运行将成为... 详细信息

为解决城市交通中日益严重的交通拥堵现象,全球各大城市都在积极探索城市空中交通(UAM)系统的建立和完善,随着城市低空空域逐渐放开,城市空域用户不断增加,保证电推进垂直起降航空器(e VTOL)等无人驾驶载人航空器的安全高效运行将成为重中之重。因此,有必要对城市空域中无人驾驶载人航空器的飞行避撞问题进行研究,保证航空器避免潜在碰撞的同时能够尽快抵达目的地。传统的避撞决策方法多采用人工势场法、动态窗口法等规划类方法,在地图未知的复杂场景下有一定局限性。随着强化学习的不断发展,航空器智能体可以直接与环境交互,对复杂环境进行特征提取从而进行实时的避撞决策。本文通过分析对比多旋翼无人机及其他类似载具的避撞研究,将e VTOL的避撞问题看作强化学习问题,对城市空域的飞行避撞进行研究,主要工作成果如下:。(1)提出了一种改进蒙特卡洛树搜索算法(MCTS),针对MCTS算法在较大环境空间搜索效率较低,模型训练时间过长的问题,引入神经网络对UCT算法中的UCB值进行优化计算,通过剪枝操作剪除初次搜索中潜力值较低节点的子枝。根据改进MCTS算法对马尔可夫决策过程(MDP)进行设计,随后在基于Python语言搭建的仿真训练环境下进行仿真训练,确定改进算法中关键参数的取值后,在最优取值下设置两个场景进行训练,比较在不同场景下改进算法与原算法的性能差异。实验结果表明,改进MCTS算法在避撞性能和轨迹长度两个目标方面均优于原算法。(2)提出了一种改进深度确定性策略梯度(DDPG)算法,通过优先经验回放和调整超参数的方法对原始算法进行优化以提高训练效率,将航空器的动作空间从离散空间扩展到连续空间。对MDP过程进行重新设计后在仿真环境下进行训练,训练结果表明使用改进DDPG算法进行训练的模型具有较好的收敛性能,碰撞概率比原始DDPG算法训练的模型更低,航空器的航迹长度也比原始算法更短,证明改进算法有较好的有效性和鲁棒性。同时针对真实空域的情况,开展泛化场景下的测试实验,结果表明,训练后的模型在数量泛化场景、复杂环境场景下仍能保持较好的避撞效果。

关键词：马尔可夫决策过程城市空域避撞决策 MCTS算法 DDPG算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

考虑转向的汽车主动避撞控制系统研究

汽车技术 2019年第7期 1-7页

作者：阴培蒋拯民叶茂赵帅周博林长安大学西安710064 中国汽车技术研究中心有限公司数据资源中心天津300300

为挖掘智能车避撞潜力,基于五次多项式构建含侧向加速度约束的避撞参考路径,基于预瞄转向几何理论实现车辆转向控制,利用线性二次型调节器(LQR)得到期望纵向加速度,在避撞结构基础上,基于碰撞时间(TTC)和跟车时距(THW)预判行车风险,以... 详细信息

为挖掘智能车避撞潜力,基于五次多项式构建含侧向加速度约束的避撞参考路径,基于预瞄转向几何理论实现车辆转向控制,利用线性二次型调节器(LQR)得到期望纵向加速度,在避撞结构基础上,基于碰撞时间(TTC)和跟车时距(THW)预判行车风险,以最大加速度和平均加速度评价主动避撞的乘坐舒适性,以最大横向位置误差和航向角误差评价转向控制路径跟踪精度。不同工况下仿真结果表明,该方法转向稳定性和路径跟踪精度较高,且兼顾了避撞安全性和乘坐舒适性。

关键词：智能车辆避撞决策避撞控制转向避撞制动避撞