本站小編為你精心準(zhǔn)備了汽車智能避障仿真研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《計(jì)算機(jī)仿真雜志》2014年第六期

1汽車避障原理

汽車避障研究的目的是使得汽車能夠在未知環(huán)境中通過不斷學(xué)習(xí)前述環(huán)境中感知的知識，不斷增加自我學(xué)習(xí)的能力，增加學(xué)習(xí)方法的經(jīng)驗(yàn)改善而具備高度自主避障的能力。常用的汽車避障方法主要有模糊邏輯算法、環(huán)境地圖法和神經(jīng)網(wǎng)絡(luò)法和機(jī)器學(xué)習(xí)法。1)模糊邏輯法:模糊邏輯算法采用模糊邏輯控制的思想來實(shí)現(xiàn)汽車的自主避障控制，采用外界傳感器采集一定量的外界數(shù)據(jù)，在采集數(shù)據(jù)分析的基礎(chǔ)上，通過多個關(guān)鍵特征的提取，輸入到模糊邏輯控制單元，模糊邏輯控制單元綜合考慮多個輸入因素的特征分布，給出當(dāng)前的避障方法，控制汽車避障運(yùn)動。2)環(huán)境地圖法:環(huán)境地圖法事先將地圖信息植入到汽車存儲系統(tǒng)中，在汽車避障行駛的過程中，不斷采集外界信息，并且與地圖信息進(jìn)行實(shí)時的比對分析，通過分析結(jié)果控制汽車安全避障，但此種方法對于新的環(huán)境不具有適應(yīng)性，并且對地圖匹配和識別的要求很高，且避障的精度嚴(yán)重受限于圖像匹配的精度。3)神經(jīng)網(wǎng)絡(luò)法:神經(jīng)網(wǎng)絡(luò)法與模糊邏輯法的控制思想基本相同，采用神經(jīng)網(wǎng)絡(luò)融合系統(tǒng)的大量信息，然后綜合給出神經(jīng)網(wǎng)絡(luò)的輸出避障控制方法，實(shí)現(xiàn)避障。但是神經(jīng)網(wǎng)絡(luò)系統(tǒng)存在一定的不穩(wěn)定性，有時甚至出現(xiàn)發(fā)散的現(xiàn)象，作為安全要求性很高的汽車避障系統(tǒng)，是不允許這種不安全因素發(fā)生的。4)機(jī)器學(xué)習(xí)法:機(jī)器學(xué)習(xí)法是一種復(fù)雜環(huán)境中的知識獲取新途徑。機(jī)器學(xué)習(xí)法與已有的監(jiān)督學(xué)習(xí)法和無監(jiān)督學(xué)習(xí)法不同，通過增強(qiáng)學(xué)習(xí)可以利用與環(huán)境的交互而獲得的評價性反饋信號來實(shí)現(xiàn)避障算法優(yōu)化的性能，在避障中，是一種試錯學(xué)習(xí)的方式。但算法存在一定局限性，主要是因?yàn)樗惴◤?fù)雜度過高，無法實(shí)時應(yīng)用。綜上而言，當(dāng)前的汽車避障方法的弊端主要體現(xiàn)在算法模型的完整性不夠好，不能完整的構(gòu)建系統(tǒng)的避障模型，所以分析效果較差;另一方面，算法的穩(wěn)定性差，甚至不收斂，復(fù)雜度高，可行性差，這些因素嚴(yán)重限制了避障方法的應(yīng)用。

2復(fù)雜障點(diǎn)分布模型

復(fù)雜障點(diǎn)分布模型是一種對復(fù)雜障點(diǎn)的狀態(tài)和量度進(jìn)行標(biāo)定的模型建設(shè)方法，以純數(shù)學(xué)的方式建立模型，用于微分方程求解。復(fù)雜障點(diǎn)模型可以解釋為障點(diǎn)信號在分析平面內(nèi)繞原點(diǎn)旋轉(zhuǎn)任意角度后構(gòu)成的復(fù)雜障點(diǎn)模型域上的表示。其定義式如下。從上述定義可以發(fā)現(xiàn)，復(fù)雜障點(diǎn)模型的輸入可以看作是將輸入分解在復(fù)雜障點(diǎn)模型域的一組完備正交基上，通過改變旋轉(zhuǎn)角度α便可以得到不同的基，使復(fù)雜障點(diǎn)模型的信號在某個基上達(dá)到最佳的能量聚集特性，從而對復(fù)雜障點(diǎn)模型的檢測信號具有很好的作用。工程應(yīng)用中需要計(jì)算復(fù)雜障點(diǎn)模型的分?jǐn)?shù)階，目前已有不同的復(fù)雜障點(diǎn)模型快速算法，使得復(fù)雜障點(diǎn)模型可用于工程實(shí)踐中。本文采用直接將連續(xù)復(fù)雜障點(diǎn)模型離散化的方法來獲得離散復(fù)雜障點(diǎn)模型的核矩陣。此種方法在改變分?jǐn)?shù)階冪p時不需要重新計(jì)算整個過程，只需計(jì)算一個對角矩陣即可，較大的提高了實(shí)時計(jì)算的效率。而且與復(fù)雜障點(diǎn)模型有非常相近的輸出結(jié)果。復(fù)雜障點(diǎn)模型變換時，分?jǐn)?shù)階復(fù)雜障點(diǎn)模型變換的性質(zhì)則說明了信號改變引起其在分?jǐn)?shù)階復(fù)雜障點(diǎn)模型變換域的變換關(guān)系。設(shè)x(t)是一個復(fù)雜障點(diǎn)模型的抽象信號，Xp(u)表示x(t)在階數(shù)為p值的分?jǐn)?shù)階復(fù)雜障點(diǎn)模型變換，定義up軸為p階分?jǐn)?shù)階復(fù)雜障點(diǎn)模型域。up和up+1是正交的，而up+1和up－1是共線的且彼此反向。另up和up''''是任意兩個非正交的分?jǐn)?shù)階復(fù)雜障點(diǎn)模型變換域，復(fù)雜障點(diǎn)模型相關(guān)信號在它們之間表示為。

3基于復(fù)雜障點(diǎn)凝聚的汽車智能避障方法

汽車智能避障方法的復(fù)雜障點(diǎn)凝聚技術(shù)是指通過對多個汽車智能避障信號進(jìn)行提取，形成障點(diǎn)分析的原始數(shù)據(jù)，然后同時對多個障點(diǎn)信息進(jìn)行深度分析，提取出信號的有用信息和特征，最后融合輸出障點(diǎn)信息。一個汽車智能避障數(shù)據(jù)的障點(diǎn)信號形式為定義:。復(fù)雜障點(diǎn)分析的小波峰脊軌跡表明，對于復(fù)雜障點(diǎn)分析的障點(diǎn)信號，理論推導(dǎo)結(jié)果正確，對于復(fù)雜障點(diǎn)分析的信號，在靠近1的尺度附近，其小波峰脊具有與障點(diǎn)特性類似的直線軌跡特性，事實(shí)上，如果將障點(diǎn)信號的瞬分析率進(jìn)行級數(shù)展開，可以得到:通過上面基于復(fù)雜障點(diǎn)凝聚的汽車智能避障算法，可以很好的實(shí)現(xiàn)障點(diǎn)凝聚分析，從而大大改進(jìn)避障的效果。避障中，通過最近障點(diǎn)與其余所有障點(diǎn)數(shù)據(jù)的有效凝聚，可以很好的實(shí)現(xiàn)信息融合，從而最終給出最佳的避障方案。

4仿真與結(jié)果分析

為了測試基于復(fù)雜障點(diǎn)凝聚的汽車智能避障方法對于復(fù)雜障點(diǎn)環(huán)境下的避障性能，采用一組低復(fù)雜的多障點(diǎn)進(jìn)行實(shí)際的測試實(shí)驗(yàn)，原始障點(diǎn)分布如圖2所示。從圖2可以看出，原始障點(diǎn)散布在仿真平面的各個部分，雜亂無章，無法看出有效的避障路徑來實(shí)現(xiàn)避障，所以，面對上述實(shí)驗(yàn)環(huán)境，如果采用傳統(tǒng)的避障方法，則系統(tǒng)計(jì)算避障路徑的難度會非常大，因?yàn)橄到y(tǒng)障點(diǎn)數(shù)目的增多。

作者：王崇單位：齊齊哈爾大學(xué)計(jì)算機(jī)與控制工程學(xué)院