|
《Automotive Innovation》是中国汽车工程学会主办，与施普林格联合出版并全球发行、反映汽车工程高学术水平和技术进展的国际性期刊。 本期《Automotive Innovation》通讯，内容包括两个方面： 1. 好文推荐：《Automotive Innovation》智能网联相关的3篇文章 2. China SAE近期动态： · ISC 2023征文开启 · FISITA世界出行技术大会暨展览将于2023年9月12-15日在巴塞罗那举行 · 《Automotive Innovation》2022年分领域虚拟专辑发布 |
    |
考虑通信丢包的车辆编队混合自适应触发控制 论文作者：Jiawei Wang, Fangwu Ma, Liang Wu, Guanpu Wu |
||
| 本文中考虑通信丢包的影响，提出一种新型混合自适应事件触发的车辆编队控制策略，以提升通信资源利用率和编队跟随性能。为了减小事件触发带来的干扰，利用参数空间法，得出了自适应巡航控制器满足内部稳定性、跟车精度和跟车稳定性的可行区域。随后，采用Bernoulli随机分布来描述丢包现象，并通过调整混合因子，协同阈值自适应触发策略和车距自适应策略。对6车编队进行了仿真，以验证所设计控制策略的有效性。结果显示，所提出的事件触发控制策略，在保证理想的车辆跟随性能前提下，节省了约78.76%的通信资源。而在频繁丢包的非理想通信环境中，混合自适应策略有效提高通信资源利用率、跟车稳定性、跟车精度和交通效率。 | |||
|
关键词：混合自适应巡航控制，事件触发方案，混合式自适应策略，丢包，参数空间方法 本文是吉林大学团队开展的研究，引用词条如下： Wang, J., Ma, F., Wu, L. et al.: Hybrid adaptive event-triggered platoon control with package dropout. Automot. Innov. 5(4), 347-358 (2022) |
|||
| 阅读全文>> | |||
 |
基于自车航迹推算的路面类型鲁棒识别方法 论文作者：Cheng Tian, Bo Leng, Xinchen Hou, Yuyao Huang, Wenrui Zhao, Da Jin, Lu Xiong, Junqiao Zhao |
||
| 路面类型直接影响车辆的驾驶性能。监测路面类型对交通机构和人类驾驶员来说都是至关重要的。然而，传统的识别方法主要基于动力学或基于图像，其效果容易受到道路激励的限制和外部环境的干扰。因此，本文中提出一种基于自车航迹推算的路面类型融合识别方法，以准确获得车辆前轮将经历的路面类型。首先，利用多任务学习的道路特征提取模型，同时提取可行驶区域和路面阴影两种路面特征。其次，通过ShuffleNet对优化后感兴趣区域的路面图像块进行路面状态分类。考虑到环境干扰，通过改进的Dempster-Shafer证据理论，实现了路面图像块分类结果和历史识别结果的决策级融合。最后，将基于运动学自行车模型的自车航迹推算模块融合到所提方法中，以提取前轮经历的路面类型。所提方法的性能在具有路面阴影和车道线分割的特定数据集上得到了验证。结果显示，所提方法可以实时准确地预测识别路面类型。 | |||
|
关键词：路面识别，自动驾驶车辆轨迹计算，多任务学习，Dempster-Shafer证据理论，自动驾驶车辆 本文是同济大学熊璐教授团队研究成果，引用词条如下： Tian, C., Leng, B., Hou, X. et al.: Robust identification of road surface condition based on ego-vehicle trajectory reckoning. Automot. Innov. 5(4), 376-387 (2022) |
|||
| 阅读全文>> | |||
 |
融合Actor-Critic强化学习的车辆系统近似最优滤波器设计 论文作者：Yuming Yin, Shengbo Eben Li, Kaiming Tang, Wenhan Cao, Wei Wu, Hongbo Li |
||
| 动态系统状态和参数的准确估计对车辆工程问题的识别、分析和控制至关重要，特别是在模型和测量不确定性较大的情况下。广泛使用的滤波/估计算法，如卡尔曼系列，如卡尔曼滤波、扩展卡尔曼滤波、无痕卡尔曼滤波和粒子滤波，通常旨在通过迭代更新每个时间步长的滤波增益来接近真实状态/参数分布。然而，这些滤波器的最优表现会由于初始条件不现实或模型误差较大而无法实现。本文在估计-控制二重性的基础上，考虑无限时间范围内的影响因素，提出了近似最优滤波器增益的方案。所提的近似最优滤波器（approximate optimal filter, AOF）问题随后通过批判性强化学习方法进行求解。AOF设计将传统的最小方差最优滤波问题转化为累计方差最小的最优控制问题，其中估计误差作为系统状态，无限期的滤波器增益作为控制输入。当保持初始车辆状态分布和策略结构的特点条件时，可证明估计-控制二重性成立。为了证明AOF的有效性，对车辆状态估计问题进行仿真，并与稳态卡尔曼滤波器进行比较。结果表明，不同折扣系数下得到的滤波策略可收敛至理论最优增益，误差在5%以内，车辆滑移角和偏航率的平均估计误差小于1.5×10-4。 | |||
|
关键词：车辆状态估计，卡尔曼算法，估计，控制二元性，强化学习 本文是清华大学李升波教授团队研究成果，引用词条如下： Yin, Y., Li, S.E., Tang, K. et al.: Approximate optimal filter design for vehicle system through Actor-Critic Reinforcement Learning. Automot. Innov. 5(4), 415-426 (2022) |
|||
| 阅读全文>> | |||
| ISC 2023征文开启 | |||
 FISITA世界智能安全大会（FISITA Intelligent Safety Conference, ISC 2023）将于2023年夏季在重庆举办。世界智能安全大会是由世界汽车工程师学会联合会（FISITA）与中国汽车工程学会联合打造的国际交流平台，聚焦自动驾驶安全。ISC 2023将邀请全球领先的高校、研究机构、整车/零部件/科技公司从事自动驾驶研究的知名学者、技术领袖、资深专家分享最新研究进展，内容涉及预期功能安全、信息安全、人因安全、安全测试评价、人工智能和智能防护。 投稿网址：www.fisita.com/isc 详细信息请点击 这里 。 |
|||
| FISITA世界出行技术大会暨展览将于2023年9月12-15日在巴塞罗那举行 | |||
 FISITA将于2023年9月12-15日在巴塞罗那举办首届FISITA世界出行技术大会暨展览，这将是世界上最大的汽车和交通出行盛会之一。会议为期四天，活动包括第39届FISITA世界大会，年度FISITA世界出行峰会，全球最大的制动技术盛会——EuroBrake，以及首届欧洲智能安全大会。FISITA将围绕专业领域的前沿话题提供最新信息，包括碳中和交通、数字化、行业变革、智能安全、国际供应链和下一代交通等。 更多内容请点击这里查看。 |
|||
| 《Automotive Innovation》2022年分领域虚拟专辑发布 | |||
 为更好地服务读者，方便科技工作者高效查阅信息，《Automotive Innovation》编辑部特将《Automotive Innovation》2022 年度的论文进行整理，形成“智能网联汽车”、“动力电池&燃料电池”、“电驱技术&能量管理” 3个分领域虚拟专辑，专辑内提供论文中文概要和视频解读，点击下方链接访问虚拟专辑： “智能网联汽车”虚拟专辑 “动力电池&燃料电池”虚拟专辑 “电驱技术&能量管理”虚拟专辑 |
|
Automotive Innovation 《Automotive Innovation》作为由国家新闻出版署批准的中国汽车行业首个英文科技期刊，也是中国汽车工程学会（China SAE）为行业打造的重要国际交流平台和窗口，旨在进一步推动国际合作与交流，加速中国汽车创新成果走向国际，提升中国在国际汽车界的话语权。 自创刊以来，期刊就以建设世界一流期刊为目标，邀请全球15个国家和地区极具影响力的汽车领域专家担任编委，并与著名出版集团施普林格（Springer Nature）合作，以国际高标准确保论文水平和出版质量。期刊每季度出版1期，读者已涉及72个国家和地区，目前最高单篇下载次数超过29,000次。期刊已被ESCI、EI、Scopus（CiteScore=5.0）等国际数据库收录。 期刊主要刊登汽车及出行领域范围内具有创新性的理论、方法研究,产品开发和工程技术应用等相关创新成果，涵盖智能网联汽车技术、新能源汽车技术、未来出行技术等领域。 主编 李骏，中国工程院院士，中国汽车工程学会理事长，清华大学教授 赵福全，世界汽车工程师学会联合会终身名誉主席，清华大学教授，汽车产业与技术战略研究院院长 创刊荣誉执行主编 马芳武 执行副主编 章新杰，吉林大学教授，汽车仿真与控制国家重点实验室副主任 |
||||
|
免费投稿及阅读 www.ChinaSAEJournal.com.cn www.springer.com/42154 联系方式： 中国汽车工程学会 陆丽俐女士 Tel: +86-10-50950101 Email: jai@sae-china.org 
|
|
|||
Sponsored by
|
Published by
|
|||