【摘 要】
：
作为矿区的主要生产要素,露天矿卡车运输对安全有很强的需求,运输“无人化”可减少运维成本,对危险、恶劣的工作环境有一定适应能力。但露天矿区地质构造特殊路面状况复杂,弯路、岔路多且道路稳定性差,在扬尘、大雾、雨雪等恶劣环境中,无人驾驶矿车感知力有限、受限,可能会出现撞车、冲出路面等事故。因此,实现极端路况下安全可信的路车协同融合控制是无人驾驶矿车运输研究中的挑战。露天矿区交叉口是运输中安全事故高发区域
论文部分内容阅读
作为矿区的主要生产要素,露天矿卡车运输对安全有很强的需求,运输“无人化”可减少运维成本,对危险、恶劣的工作环境有一定适应能力。但露天矿区地质构造特殊路面状况复杂,弯路、岔路多且道路稳定性差,在扬尘、大雾、雨雪等恶劣环境中,无人驾驶矿车感知力有限、受限,可能会出现撞车、冲出路面等事故。因此,实现极端路况下安全可信的路车协同融合控制是无人驾驶矿车运输研究中的挑战。露天矿区交叉口是运输中安全事故高发区域,矿区道路为半结构化道路,缺少车道线、箭头等指示标识,且没有红绿灯和交通标志,属于无信号交叉口。为保证行车安全,首先需要对安全通行规则的进行定义。利用规则约束无人驾驶矿车行驶过程,辅助车辆安全通过交叉口区域。目前关于无人车在无信号交叉口下行为决策研究多专注于城市交通场景,对露天矿区无人驾驶矿车行驶研究则集中于路径规划、路径避障或路权分配等,鲜有对无人驾驶矿车行为决策的研究。因此,现有研究对露天矿区环境下无人驾驶矿车安全通行交叉口行为决策问题而言存在以下不足:（1）露天矿区无人驾驶矿车受环境约束的安全距离模型缺失。露天矿区环境对无人驾驶矿车行驶安全影响因素较多,现有安全距离模型相关参数不合理,安全的约束条件不完备,难以适应露天矿区环境的应用要求。（2）现有决策方法难以满足环境变化时的安全需求。随着车辆行进,无人驾驶矿车行驶安全约束发生变化,现有决策方法难以根据行驶安全约束变化及时合理的调整和应对,做出的决策存在违反当前行驶安全约束的风险,导致通行效率低下,甚至发生车辆冲撞事故。针对上述问题,本文从实际露天矿区环境出发,分析矿区极端环境特征、露天矿区交叉口交通特征对行车安全的影响。找寻环境与最大加减速度的制约关系,并求解当前环境下最大加减速度约束因子。对露天矿区道路交叉口可能发生的追尾冲突和交叉冲突,分别建立带约束的安全距离模型。将无人驾驶矿车通行决策问题看作马尔科夫决策问题,当车辆状态更新时,依据带约束的安全距离模型,将无人驾驶矿车决策分为独立与联合两种状态,并约束矿车行为动作集。通过Q-learning求解出决策问题模型训练收敛后的Q表,即可看作通过训练后获得的行为规则库,从而,实现露天矿区交叉口无人驾驶矿车安全通行的辅助决策。本文完成的主要工作内容如下:1)建立带有环境约束的安全距离模型。与城市道路不同,露天矿区运输作业环境特殊,在制定安全规则时需要考虑极限环境对行车安全的影响。本文在已有露天矿区行驶约束的基础上,分析环境对无人驾驶矿车行驶安全的影响,设计加速度约束因子模糊推理系统,求解不同情况下的无人驾驶矿车最大加减速度约束因子。分析露天矿区道路交叉口无人驾驶矿车间的交互过程及交叉口冲突情况,对露天矿区道路交叉口存在的追尾冲突、交叉冲突,引入最大加减速度约束因子,建立带有环境约束的安全距离模型。2)从保证行驶安全和提高运输效率的角度出发,在构建行驶安全约束规则的基础上,提出了露天矿区无人驾驶矿车的辅助决策方法（Uncrewed Mining Trucks Aid Decision-Making,UMT-ADM）。无人驾驶矿车在露天矿区交叉口通行决策问题被看作马尔科夫决策问题,采用强化学习的方法对决策问题求解,在求解过程中,依据带有环境约束的安全距离模型,对无人驾驶矿车状态进行分类,并由此约束无人驾驶矿车行为。训练收敛得到的Q表即可看作通过训练后的行为规则库,从而,实现露天矿区交叉口无人驾驶矿车安全通行的辅助决策。3)搭建仿真实验平台,完成加速度约束因子、带约束的安全距离模型及通行辅助决策方法的验证。利用Pre Scan 8.5.0 GUI搭建露天矿区仿真环境,在MATLAB&Simulink下进行系统建模与仿真分析,验证最大加减速度约束因子模糊推理系统及带有环境约束的安全距离模型有效。在MATLAB中进行决策算法的程序实现。通过对比不同决策范围、车流量下系统收到的平均回报及单车延误时间,验证决策算法在保证行驶安全和提高运输效率的有效性。
其他文献
针对高速公路场景中无人驾驶车的换道决策问题,提出一种基于竞争结构的双深度Q网络（DDQN）的无人车换道决策模型.在深度Q网络的基础上,将无人车动作的选择和评估分别用不同的神经网络来实现,并将Q网络分为仅与状态S相关的价值函数和同时与状态S和动作A相关的优势函数两部分,使得Dueling DDQN模型可以更好地理解外部的状态环境.使用训练模型在不同复杂程度的道路环境中进行测试,同时与DQN和DDQN
地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题，采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路，从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究，设计协同作战态势威胁算法，状态与动作空间，奖励函数，势力范围函数，在此基础上设计协同作战编队构型策略生成及打击路径动态优化子模型，
无人驾驶的全面实现是一个循序渐进的过程，其间不可避免地会出现多形态的交通主体混行的情况。本文考虑了无信号路口处无人驾驶车辆与行人混行下的过街行为，引入了行人过路信任、无人驾驶车冲突损失溢出和行人过路信号交流等概念。从演化博弈的视角构建了双方冲突博弈矩阵，建立了双方交互演化的动力学模型，并分析得到了双方过街行为的演化稳定策略。结果表明：行人和无人驾驶车的策略选择与行人对无人驾驶技术的信任程度和无人驾
突如其来的新冠肺炎疫情使得体育馆成了应对公共突发卫生事件、进行方舱医院适应性改造的后备力量。本文分析了多个已被改造为方舱医院的体育馆室内围合形态,以哈尔滨某体育馆比赛场地区域作为研究对象,在原有体育馆室内形态的基础上进行CFD风场模拟,根据武汉既有体育馆室内风环境改造原理提出两种改造方法,通过风场模拟,得出室内水平及垂直风场的分布结果,并与方舱医院病房区风环境要求做对比,分析得出既有体育馆改造为方
随着汽车保有量的增加,自动驾驶技术在解决道路安全等问题中起到了关键性的作用。针对自动驾驶中导航定位、路径规划、行为决策和车辆控制等关键技术,本文对自动驾驶中的决策部分展开研究。随着人工智能算法的迅速发展,通过深度学习算法、深度强化学习算法实现的自动驾驶端到端决策,成功简化了传统自动驾驶系统结构。本文将在真实驾驶数据集与虚拟驾驶环境中对基于端到端学习的自动驾驶决策算法进行实践、改进及验证。首先,现有
Ap4A是一类广泛存在于生物体内的5’,5"’-四磷酸连接的二腺苷化合物,在调节细胞凋亡、增殖和分化,DNA复制和损伤,应答热击逆境等多种生命活动中扮演“信号分子”的角色。E.coli热击诱导赖氨酰-tRNA合成酶（LysU）具有高效的Ap4A合成率（～80%）。LysU催化Ap4A合成可分为2步：首先,催化赖氨酸与ATP的α-磷酸形成赖氨酰-腺苷中间物,同时释放无机焦磷酸；接着第二个ATP的γ-
随着人工智能和机器学习的飞速发展,无人驾驶技术在全世界掀起了研究热潮。无人驾驶技术主要分为环境感知、行为决策和路径规划三大领域。其中,行为决策算法根据路况信息生成驾驶命令,指导无人车像熟练的驾驶员操作的汽车一样平稳行驶。因此,研究出决策精度高、实时性高的行为决策算法是非常有必要的。现有的行为决策算法可以分为两类,分别是数学建模方法和机器学习方法。然而无论哪一种形式的行为决策算法,都存在一定缺陷。数
科学技术不断促进着我国教学方式方法的进步,多媒体技术让课堂更加轻松充满活力。在小学数学中运用多媒体技术让传统的教学模式变得多样化,让教师有更多的创新途径,提高学生的创新能力,解决了众多传统教学课堂中难以解决的问题,不论是学生还是教师,有更多的时间和条件发挥主观能动性和主体作用。
国内民宿建设发展步入快车道,设计改造研究的着力点却具有一定片面性。风口之上,建筑师当有自己的责任与担当,讲求创新、接轨世界的同时更应当树立文化自信,在民宿设计理论研究和实践探索中当有发掘和弘扬本土地域文化意识。理念上明晰地域文化的精神内涵,实践中探寻合理利用与展现地域文化的方法和策略是建筑师迫在眉睫的任务。闽东作为极具鲜明地域文化特征,民宿发展又方兴未艾的地区,为此次研究提供了理想的阵地。因此,以
园林自起源之时就体现着自然和生态。抒发自然情怀，体现生态要素，反映造园者的思想，并作为一种理想化的形式存在于世界，更是人与自然之间沟通的一种纽带形式。世界各国都有造园的活动并且由于各自的文化、地域差异而产生不同类型的造园手法和风格[1]。本文旨在探究自然视角下的西方传统风景园林的设计，通过自然生态，气候适应性，地形营造方面对于西方传统园林的设计手法进行分析。