|






|
基于支持向量机的自动车辆控制器故障检测、识别和预测方法研究
论文作者:Liam Biddle,Saber Fallah
|
|
|
随着自动驾驶技术的不断发展,对复杂车辆控制器准确、高效的自动故障诊断和健康监测变得尤为关键。论文围绕多传感器系统中多种故障混合的现象,提出了一种故障检测、隔离和识别体系,实现对复杂系统的实时故障诊断。首先,搭建了由检测、隔离、识别和预测模块组成的FDII系统。重点研究了复杂多传感器系统中Drift Fault、Hardover Fault、Erratic Fault、Spike Fault和Stuck Fault5种故障。针对每个信号样本设计了特征提取算法,从而实现对故障信号的特征提取。随后,采用支持向量机(SVM)技术识别自主车辆控制系统的传感器故障,并通过为每个传感器配备独立的SVM实现对多传感器系统的故障定位。最后,通过MATLAB/CarMaker联合仿真验证该策略的检测、识别和预测性能。结果表明,检所提方法检测和识别准确率分别为94.94%和97.01%,预测准确率为75.35%。
|
|
关键词:故障检测 · 故障识别 · 故障预测 · 支持向量机
本文是英国萨里大学Saber Fallah团队开展的研究,引用词条如下:
Biddle, L., Fallah, S. A Novel Fault Detection, Identification and Prediction Approach for Autonomous Vehicle Controllers Using SVM. Automot. Innov. 4, 301–314 (2021)
|
|
阅读全文>>
|
|
|






|
基于Dueling Double Deep Q-Network算法的端到端自动驾驶
论文作者:Baiyu Peng, Qi Sun, Shengbo Eben Li, Dongsuk Kum, Yuming Yin, Junqing Wei, Tianyu Gu
|
|
|
提出了一种基于深度强化学习算法Dueling Double Deep Q-Network的端到端自动驾驶方法。不同于现有研究普遍只将摄像头图像作为神经网络输入,本文将易于获得的车辆运动信息和图像同时作为输入,设计对应的对偶神经网络结构,为车辆提供更多的信息,提高了训练速度和收敛性能。针对车道保持任务设计了对应的状态、动作空间及奖励函数。利用所提方法在The Open Racing Car Simulator (TORCS)仿真平台上训练,性能表现超越人类驾驶员。最后,为提高方法的可解释性,对训练得到的神经网络进行可视化,结果表明该网络主要通过观测车道线来驾驶车辆。
|
|
关键词:端到端自动驾驶 · 强化学习 · Dueling Q-Network · 神经网络
本文是清华大学李升波教授团队开展的研究,引用词条如下:
Peng, B., Sun, Q., Li, S.E. et al. End-to-End Autonomous Driving Through Dueling Double Deep Q-Network. Automot. Innov. 4, 328–337 (2021)
|
|
阅读全文>>
|
|
|






|
基于计算机图形学的行人三维姿态估计开发方法研究
论文作者:唐吉思,周青
|
|
|
本文介绍了一种融合参数化人体外几何模型与计算机图形学方法,合成拟真、具备姿态标注行人图像的技术路线,并基于该合成图像数据集初步探索了面向行人三维姿态估计的网络架构。文章证实该研究框架可以有效实现从姿态参数到行人图像,最终回到姿态参数的数据闭环,服务于姿态估计算法开发。未来通过与虚拟现实及动作捕捉技术联动,有望建立临碰撞险态场景下更加真实的多样化行人姿态数据集,为面向未来的一体化行人安全设计奠定基础,结合个性化行人人体有限元建模方法,推动主、被动行人安全技术的融合,进一步降低事故中行人损伤风险。
|
|
关键词:姿态估计 · 行人安全 · 计算机图形学 · 卷积神经网络
本文是清华大学周青教授团队开展的研究,引用词条如下:
Tang, J., Zhou, Q. A Computer Graphics-Based Framework for 3D Pose Estimation of Pedestrians. Automot. Innov. 4, 338–349 (2021)
|
|
阅读全文>>
|
|