学位论文 > 优秀研究生学位论文题录展示

基于磁道钉导航的车道保持系统信息融合与控制技术研究

作　者: 吴超仲
导　师: 严新平
学　校: 武汉理工大学
专　业: 载运工具运用工程
关键词: 磁道钉信息融合智能控制自动公路系统智能运输系统
分类号: U495
类　型: 博士论文
年　份: 2002年
下　载: 369次
引　用: 7次
阅　读: 论文下载

内容摘要

自动公路系统(Automated Highway System，简称AHS)是智能运输系统(Intelligent Transport System，简称ITS)领域中技术难度最大的系统。该系统包括车辆自动导航和控制、交通管理自动化以及事故处理自动化。这是智能运输系统的最终目标，即实现人、车、路高度一体化。自动公路系统的关键技术之一是车道保持系统，它是在道路导航设施和车载传感器等基础设施上，实现车辆自动行驶在期望的车道上。从车辆获取道路信息的方式来分类，自动驾驶有视觉导航和磁信号导航。视觉导航容易受天气、地面环境影响，不利于推广，而磁信号导航具有不受天气影响、可靠性高等优点，可以弥补视觉导航的不足，两者的联合使用可以提高安全性和可靠性，真正实现路-车一体化。磁性道钉导航是磁信号导航方式的一种，由于它具有成本低、易维护等优点，近几年成为国际研究的热点。国内在自动驾驶方面的研究主要集中在视觉导航方式上，以磁道钉方式导航的车道保持系统的研究除了本课题组外国内还没有见到相关报道。本文以国家智能运输系统研究中心的自动公路系统试验车和专用的磁道钉道路为工作平台，在大量的现场实验基础上，针对基于磁道钉导航的车辆车道保持技术中的若干问题展开研究，运用神经网络、模糊逻辑、遗传算法等方法在多传感器信息融合、控制模型等方面进行了系统的研究，主要完成了以下几方面的工作： (1)对车道保持系统硬件平台进行了设计，论述了导航设施——磁道钉的设计过程和车载工控机、步进电机等的选择。着重讨论了磁传感器的设计过程，并从信号的幅值、信号的信噪比、同时性和对称性等方面对传感器进行了测试，证明了设计的磁传感器获取道路磁场信息是可以用于自动控制的，后面建立控制模型奠定了基础。 (2)通过分析信息融合技术的研究现状，针对自行设计的传感器获取的信武汉理工大学博士学位论文息源的特点，提出了三种信息融合方法，分别建立了数学模型。尤其对神经网络方法进行了深入的研究，建立了神经网络结构，确定了学习算法，并且通过专门的实验获取训练数据，得到了收敛的网络权值。最后，用实验比较了三种模型的优劣，确定神经网络信息融合方法比较接近实际。信息融合模型的建立，实际上是汽车横向位置的定位，为后面进行控制模型的研究奠定了基础。 (3)设计了基于磁道钉导航的模糊控制器，对遗传算法进行了研究，提出了变区域遗传算法，通过实例验证了该算法的有效性，并用于搜索模糊控制器中的参数，取得了较好的效果。现场实验结果表明，该模糊控制器可以实现自动控制，但控制精度有待于完善。 (4)从理论上探讨了磁道钉编码的意义，提出了磁道钉编码系统结构，并针对本次试验设计了磁道钉编码系统，现场试验结果表明，磁道钉编码系统是可靠的、实用的。 (5)在模糊控制的基础上，提出了模糊神经网络控制器，并用本文提出的变区域多层遗传算法与BP相结合进行网络学习，在理论上证明了遗传学习算法的收敛性。经过模型闭环系统训练，得到模糊神经网络控制器。用简化的二轮模型对本章设计的模糊神经网络控制器进行仿真，仿真结果表明，本文设计的模糊神经网络控制器比普通的模糊控制器在性能上有所改善，提高了控制模型的性能。 (6)在讨论了学习控制研究方法和水平的基础上，分析了自动公路系统中控制模型引入学习，尤其是在线学习的重要性和必要性。并设计了车道保持系统在线学习控制结构模型，为下一步实现真正的在线学习控制提供了理论基础。

全文目录

摘要(中英文)  3-11
第1章绪论  11-24
  1.1 研究背景及意义  11-12
  1.2 自动公路系统概论  12-16
    1.2.1 自动公路系统概念  12-14
      1.2.1.1 国外自动公路系统的定义  12-14
      1.2.1.2 我国ITS标准体系框架中自动公路系统的定义  14
    1.2.2 自动公路系统发展现状  14-16
  1.3 自动公路系统关键技术  16-22
    1.3.1 视觉信息的实时处理技术  16
    1.3.2 基于多传感器的信息融合技术  16-17
    1.3.3 定位、导航与控制技术  17-22
      1.3.3.1 视觉导航  17-18
      1.3.3.2 GPS导航  18
      1.3.3.3 磁信号导航  18-22
  1.4 课题的来源和背景  22
  1.5 论文的主要研究工作  22-24
第2章车道保持系统结构设计  24-39
  2.1 概述  24-26
  2.2 道路导航装置-磁道钉的设计  26-27
    2.2.1 磁道钉磁能级实验  26
    2.2.2 磁道钉的外形设计  26-27
  2.3 车载系统设计  27-38
    2.3.1 车载传感器系统的研制  28-34
      2.3.1.1 车载传感器的工作原理  28-30
      2.3.1.2 车载传感器的设计与安装  30-31
      2.3.1.3 磁传感器性能测试  31-34
    2.3.2 工控机和步进电机的选择  34
    2.3.3 方向盘控制伺服机构  34-37
    2.3.4 车载系统电路图  37-38
  2.4 本章小结  38-39
第3章车道保持系统信息融合技术与应用  39-60
  3.1 概述  39-40
  3.2 信息融合技术研究现状  40-41
    3.2.1 融合算法  40
    3.2.2 信息融合技术在车道保持系统中的应用现状  40-41
  3.3 车道保持系统信息源特点分析  41-43
  3.4 排序式信息融合方法的应用  43-45
    3.4.1 序列算法  43
    3.4.2 阵列算法  43-44
    3.4.3 序列算法与阵列算法的数学描述  44-45
  3.5 基于神经网络的多传感器信息融合模型  45-57
    3.5.1 车道保持系统应用神经网络的可行性  46-47
    3.5.2 神经网络结构和多层前向网络反向传播(BP)算法  47-48
    3.5.3 基于神经网络的系统辨识  48-49
    3.5.4 基于神经网络的信息融合模型的设计  49-54
    3.5.5 BP网络学习率的自适应调整  54-55
    3.5.6 网络训练  55-57
  3.6 实验结果与分析  57-59
  3.7 本章小结  59-60
第4章车道保持控制模型研究  60-89
  4.1 概述  60-62
    4.1.1 PID控制方法  60-61
    4.1.2 模糊控制方法  61
    4.1.3 神经网络控制方法  61
    4.1.4 预描控制  61-62
  4.2 车道保持控制系统特点分析  62-65
    4.2.1 车辆横向闭环控制  63-64
    4.2.2 影响控制的相关因素  64-65
  4.3 模糊控制器的设计  65-77
    4.3.1 结构设计  65-67
    4.3.2 遗传算法确定变量等级参数  67-73
      4.3.2.1 变区域多层遗传算法的基本思想  68-70
      4.3.2.2 算法分析  70-72
      4.3.2.3 遗传编码  72
      4.3.2.4 适应度函数的确定  72
      4.3.2.5 遗传参数的选取  72-73
    4.3.3 模糊控制的实现  73-75
    4.3.4 模糊控制的稳定性分析  75-77
  4.4 弯道模糊控制器设计  77-78
    4.4.1 车辆弯道运行特性分析  77-78
    4.4.2 弯道模糊规则的确定  78
  4.5 转换开关--磁道钉编码  78-83
    4.5.1 磁道钉编码的重要意义  78-79
    4.5.2 磁道钉编码原理  79-82
    4.5.3 磁道钉编码信息结构设计  82-83
  4.6 现场实验结果分析  83-88
  4.7 本章小结  88-89
第5章车道保持模糊神经网络控制研究  89-110
  5.1 概述  89
  5.2 汽车运动模型研究  89-93
  5.3 车道保持系统模糊神经网络控制器设计与应用  93-105
    5.3.1 模糊神经网络控制器基本结构  93-94
    5.3.2 模糊神经网络控制器结构设计  94-95
    5.3.3 基于遗传算法与BP相结合的网络训练  95-98
      5.3.3.1 编码  97
      5.3.3.2 适应度函数的确定  97
      5.3.3.3 遗传算子  97-98
    5.3.4 网络学习算法收敛性分析  98-100
    5.3.5 权值训练的实现  100-102
    5.3.6 控制效果仿真分析  102-105
  5.4 模糊神经网络控制器结构与参数的优化  105-107
    5.4.1 采用自组织竞争神经网络优化结构参数  105-106
    5.4.2 仿真结果分析  106-107
  5.5 车速对控制器的影响分析  107-109
  5.6 本章小结  109-110
第6章车道保持系统在线学习控制研究  110-121
  6.1 概述  110-113
    6.1.1 学习控制研究现状  110-112
    6.1.2 本系统引入在线学习控制的意义  112-113
  6.2 模糊学习控制研究  113-118
    6.2.1 车道保持系统模糊学习控制器的设计  113-116
    6.2.2 仿真结果  116-118
  6.3 在线学习控制研究  118-120
    6.3.1 在线学习系统的一般结构  118
    6.3.2 自动公路车道保持系统的在线学习控制结构模型  118-120
  6.4 本章小结  120-121
第7章结论与展望  121-125
  7.1 论文总结  121-122
  7.2 研究结论  122
  7.3 工作展望  122-125
参考文献  125-134
致谢  134-135
攻读博士学位期间完成的相关论文与参加的课题  135-136

基于磁道钉导航的车道保持系统信息融合与控制技术研究

内容摘要

全文目录

相似论文