车辆事故原因分析及预防对策

车辆安全防事故工作,是部队行政管理教育的重点和难点。积极开展对预防车辆事故规律的研究,寻找车辆事故发生的原因,采取相应的对策,减少事故的发生,对提高部队战斗力有着重要意义。     

基于深度学习多网络融合的网联车辆驾驶行为预测

智能网联车在复杂道路场景中安全行驶需要对周围车辆驾驶意图和行驶轨迹的准确预测。将双向长短期记忆网络(Bi-directional Long Short-Term Memory)、卷积生成对抗网络(Deep Convolutional Generative Adversarial)和注意力机制(Attention Mechanism)相融合,提出一种基于BLSTM-DCG-ATT的网联车辆驾驶意图和行为预测模型。通过正反双向LSTM链路和注意力机制得到具有双重特征的数据,通过卷积生成对抗网络对特征数据进行卷积处理,迭代生成网联车辆及周围车辆的未来时刻变道意图和行驶信息。仿真结果表明：该模型能够在复杂路网、交通流密集的情况下,对网联车辆及其周围车辆的变道意图和行驶轨迹进行准确预测,预测精度达94%。     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

面向车辆通过性的地理因子分析与应用

全地形环境感知系统是研究车辆自主能力的重要部分,也是车辆安全行驶的绝对基础,而车辆的可通行区域分析则是环境感知系统中不可缺少的一步。本文分析了全地形环境下可能对装备车辆的地面通行性产生影响的众多地理环境因素,并结合多类型的地理环境因素,对包含地面坡度、植被、水系和建筑物等因素在内的,能够反映地面可通行性的车辆可通行区域以及装备车辆的可行驶区域进行规划。依托 ArcGIS平台和C++编程语言,对ArcGIS进行了二次开发,建立了一套针对全地形复杂环境下的路面可通行区域分析模型。该模型可以根据装备车辆的不同参数实现地理因子影响系数的设定,满足不同条件下车辆的可通行区域规划。     

美军战术车辆作战试验现状分析

以美军战术车辆为研究对象,介绍了美军战术车辆的基本概况,分析了美军战术车辆作战试验类型,系统研究了美军轻型、中型、重型战术车辆及防地雷反伏击车的作战试验现状和特点,提出了对我军开展战术车辆作战试验的启示。     

基于逐步后退法的车辆半侧液压主动悬挂最优控制设计与仿真

建立了充分考虑液压装置动力学特性的车辆半侧非线性主动悬挂模型,并提出了线性二次型最优控制与非线性逐步后退法相结合的内外环控制方案。首先根据目标需求在外环设计二次型指标下的最优控制器;然后在内环利用逐步后退法处理因液压装置引入的非线性项。仿真结果表明,使用该设计方案的主动悬挂可以获得比被动悬挂优越的车辆性能。