重載車(chē)輛狀態(tài)辨識(shí)與控制

目錄
“交通安全科學(xué)與技術(shù)學(xué)術(shù)著作叢書(shū)”
序
前言
第1章重載車(chē)輛狀態(tài)觀測(cè)方法導(dǎo)論1
1.1概述1
1.2研究現(xiàn)狀2
1.2.1質(zhì)心位置估計(jì)2
1.2.2側(cè)翻/側(cè)滑狀態(tài)估計(jì)方法3
1.2.3基于路側(cè)的車(chē)輛狀態(tài)估計(jì)方法5
1.2.4基于車(chē)聯(lián)網(wǎng)數(shù)據(jù)的駕駛行為辨識(shí)方法6
1.2.5車(chē)輛隊(duì)列控制方法7
1.3本書(shū)涉及的重載車(chē)輛狀態(tài)辨識(shí)與控制方法9
參考文獻(xiàn)12
第2章基于車(chē)輛動(dòng)力學(xué)的重載車(chē)輛狀態(tài)參數(shù)辨識(shí)19
2.1貨運(yùn)車(chē)輛質(zhì)量和道路坡度估計(jì)19
2.2貨運(yùn)車(chē)輛仿真模型分析20
2.2.1勻速行駛時(shí)的貨運(yùn)車(chē)輛和車(chē)輪的準(zhǔn)靜態(tài)模型20
2.2.2加速行駛時(shí)的貨運(yùn)車(chē)輛縱向動(dòng)力學(xué)模型21
2.2.3加速度計(jì)傳感器的運(yùn)動(dòng)學(xué)模型22
2.3質(zhì)量和道路坡度濾波器設(shè)計(jì)22
2.4勻速階段的質(zhì)量估計(jì)算法設(shè)計(jì)23
2.5基于容積卡爾曼濾波的質(zhì)量和道路坡度估計(jì)24
2.6基于自適應(yīng)交互多模型的道路坡度估計(jì)融合26
2.7貨運(yùn)車(chē)輛質(zhì)量和道路坡度估計(jì)實(shí)例28
2.7.1勻速階段的貨運(yùn)車(chē)輛質(zhì)量估計(jì)算法28
2.7.2加速階段的多模型道路坡度融合估計(jì)算法30
2.7.3誤差結(jié)果分析32
2.8貨運(yùn)車(chē)輛質(zhì)心位置估計(jì)方法33
2.8.1構(gòu)建質(zhì)心位置估計(jì)模型33
2.8.2H.容積卡爾曼濾波器的設(shè)計(jì)35
2.8.3與EKF相結(jié)合的雙卡爾曼濾波質(zhì)心位置估計(jì)過(guò)程38
2.9本章小結(jié)41
參考文獻(xiàn)41
第3章基于機(jī)器視覺(jué)的車(chē)輛運(yùn)動(dòng)狀態(tài)識(shí)別方法43
3.1基于機(jī)器視覺(jué)的車(chē)輛識(shí)別方法43
3.1.1RCNN系列模型44
3.1.2SSD模型48
3.1.3YOLO系列模型50
3.1.4基于圖像深度學(xué)習(xí)的車(chē)輛目標(biāo)識(shí)別實(shí)例52
3.2貨運(yùn)車(chē)輛貨載狀態(tài)估計(jì)方法55
3.2.1研究背景55
3.2.2貨運(yùn)車(chē)輛貨載狀態(tài)識(shí)別方法56
3.2.3基于YOLOv3算法的貨運(yùn)車(chē)輛貨載狀態(tài)識(shí)別實(shí)例57
3.3高空視角下車(chē)輛識(shí)別與軌跡跟蹤方法61
3.3.1研究背景61
3.3.2高空視角下車(chē)輛識(shí)別與跟蹤方法64
3.3.3高空視角下車(chē)輛識(shí)別與軌跡跟蹤方法實(shí)例67
3.4本章小結(jié)70
參考文獻(xiàn)71
第4章基于自然駕駛數(shù)據(jù)的駕駛員行為畫(huà)像方法74
4.1基于特征值聚類(lèi)的駕駛風(fēng)格分類(lèi)方法74
4.1.1特征指標(biāo)提取74
4.1.2K-medoids算法76
4.1.3基于特征值聚類(lèi)的駕駛風(fēng)格分類(lèi)方法分析實(shí)例76
4.2基于支持向量機(jī)的駕駛風(fēng)格識(shí)別方法研究80
4.2.1支持向量機(jī)理論80
4.2.2數(shù)據(jù)初始化82
4.2.3SVM算法驗(yàn)證實(shí)例83
4.3基于BP神經(jīng)網(wǎng)絡(luò)的風(fēng)險(xiǎn)行為識(shí)別方法研究84
4.3.1BP神經(jīng)網(wǎng)絡(luò)84
4.3.2基于BP神經(jīng)網(wǎng)路的駕駛行為研究方法實(shí)例86
4.4基于安全加速度與速度變化關(guān)系的駕駛行為研究方法89
4.4.1臨界安全加速與速度的函數(shù)關(guān)系89
4.4.2基于安全加速度與速度變化關(guān)系的風(fēng)險(xiǎn)識(shí)別模型90
4.4.3駕駛風(fēng)險(xiǎn)定量評(píng)價(jià)90
4.4.4基于安全加速度與速度變化關(guān)系的駕駛行為研究方法實(shí)例91
4.5基于車(chē)輛個(gè)性化行為模式圖的駕駛行為研究方法93
4.5.1數(shù)據(jù)標(biāo)準(zhǔn)化94
4.5.2數(shù)據(jù)分級(jí)與編碼95
4.5.3典型駕駛行為模式提取97
4.5.4駕駛行為個(gè)性化模式圖生成98
4.5.5個(gè)性化駕駛行為風(fēng)險(xiǎn)建模99
4.6基于個(gè)性化行為模式圖的駕駛行為研究實(shí)例101
4.6.1數(shù)據(jù)來(lái)源101
4.6.2駕駛?cè)藗€(gè)性駕駛行為特征與風(fēng)險(xiǎn)分析101
4.6.3駕駛風(fēng)險(xiǎn)的定量評(píng)價(jià)113
4.6.4道路條件對(duì)個(gè)性化駕駛行為模式影響分析116
4.6.5道路行政等級(jí)對(duì)駕駛行為模式影響探究118
4.7本章小結(jié)121
參考文獻(xiàn)121
第5章重載車(chē)輛橫向穩(wěn)定性控制方法124
5.1基于橫向載荷轉(zhuǎn)移率的非絆倒型側(cè)翻指標(biāo)124
5.2基于橫向載荷轉(zhuǎn)移率的絆倒-非絆倒型側(cè)翻指標(biāo)130
5.3車(chē)路耦合環(huán)境下的側(cè)翻/側(cè)滑動(dòng)力學(xué)模型可靠性估計(jì)134
5.3.1車(chē)路環(huán)境耦合動(dòng)力學(xué)模型134
5.3.2車(chē)輛極限狀態(tài)方程137
5.4側(cè)翻概率預(yù)測(cè)模型138
5.4.1Haofer-Lind可靠度指標(biāo)139
5.4.2基于FORM的概率預(yù)測(cè)模型141
5.4.3基于SORM的概率預(yù)測(cè)模型142
5.4.4*立非正態(tài)隨機(jī)變量側(cè)翻概率計(jì)算方法144
5.4.5相關(guān)隨機(jī)變量側(cè)翻概率計(jì)算方法146
5.5基于MPC的車(chē)輛防側(cè)翻控制方法156
5.5.1預(yù)測(cè)模型157
5.5.2約束優(yōu)化求解159
5.5.3差速制動(dòng)控制策略160
5.5.4差速制動(dòng)控制策略162
5.6本章小結(jié)170
參考文獻(xiàn)171
第6章重載車(chē)輛縱向列隊(duì)控制方法172
6.1自適應(yīng)巡航控制系統(tǒng)172
6.1.1ACC系統(tǒng)車(chē)輛跟隨特性173
6.1.2ACC系統(tǒng)控制架構(gòu)173
6.1.3車(chē)輛安全距離模型174
6.2協(xié)同式自適應(yīng)巡航控制系統(tǒng)的架構(gòu)175
6.2.1感知層175
6.2.2通信層176
6.2.3定位層177
6.2.4規(guī)劃層177
6.2.5控制層178
6.3通信拓?fù)浣Y(jié)構(gòu)178
6.3.1通信拓?fù)浣Y(jié)構(gòu)的圖論描述179
6.3.2四種典型通信拓?fù)浣Y(jié)構(gòu)的圖論描述181
6.4延時(shí)環(huán)境下CACC協(xié)同控制器設(shè)計(jì)182
6.4.1基于一致性的車(chē)輛隊(duì)列模型182
6.4.2通信延時(shí)下的弦穩(wěn)定性分析184
6.4.3實(shí)驗(yàn)分析185
6.5異構(gòu)動(dòng)力學(xué)CACC協(xié)同控制器設(shè)計(jì)187
6.5.1前饋多源信息的異構(gòu)動(dòng)力學(xué)列隊(duì)閉環(huán)耦合系統(tǒng)設(shè)計(jì)187
6.5.2異構(gòu)動(dòng)力學(xué)CACC系統(tǒng)弦穩(wěn)定性分析189
6.5.3實(shí)驗(yàn)分析193
6.6本章小結(jié)198
參考文獻(xiàn)198