原文传递
无人驾驶机器人车辆智能换挡策略研究
| 论文题名： | 无人驾驶机器人车辆智能换挡策略研究 |
| 关键词： | 无人驾驶机器人车辆;智能换挡;纵向动力学模型;梯度强化学习;行驶状态辨识 |
| 摘要： | 无人驾驶机器人车辆是实现车辆自动驾驶的一种新方式，不同于线控自动驾驶车辆。其最大特点是无需对车辆进行任何改装，可以安装在多种不同类型的驾驶室内，适用于日常行驶、车辆性能测试、军警领域等。本文在课题组对驾驶机器人的研究基础上，研究了驾驶机器人车辆的智能换挡策略。 首先，介绍了驾驶机器人车辆基础结构，并建立了驾驶机器人车辆纵向动力学模型。然后，研究了考虑负载波动的驾驶机器人动力学特性。建立了考虑负载波动的驾驶机器人动力传递模型，包括了动力传递虚拟样机和负载波动模型。在换挡机械手的负载波动模型中，建立了神经网络挂挡负载、阻尼系统选挡负载、高斯脉冲二次冲击及高斯白噪声行驶颠簸模型。 然后，研究了驾驶机器人车辆换挡驾驶行为。对比了人工与机器驾驶油门离合换挡驾驶行为，以及换挡机械手机械解耦与协调控制的区别。在此基础上，建立了人工驾驶油门离合换挡驾驶行为模型，以及基于深度确定性策略梯度强化学习（DDPG）与自抗扰控制器（ADRC）的换挡机械手协调控制方法。 最后，建立了考虑车辆行驶状态的驾驶机器人车辆智能换挡策略。建立了基于自动编码器（AE）与高斯混合模型（GMM）的车辆行驶状态辨识模型，通过AE对车辆行驶数据进行通用特征提取，然后通过GMM进行聚类。然后，建立了基于深度Q网络强化学习（DQN）的换挡策略，建立了驾驶机器人车辆换挡策略的马尔科夫模型，并对不同行驶状态下的换挡策略进行求解。通过仿真对比试验数据证明了模型的有效性。 |
| 作者： | 周楠 |
| 专业： | 车辆工程 |
| 导师： | 陈刚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2019 |
检索历史
应用推荐
