基于多傳感器數(shù)據(jù)融合的無(wú)人車行駛策略研究

《基于多傳感器數(shù)據(jù)融合的無(wú)人車行駛策略研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、密級(jí)無(wú)分類號(hào)ＴＴ３９１雜Ｘ’ＩＡＮＴＥＣＨＮＯＬＯＧＩＣＡＬＵＮＩＶＥＲＳＩＴＹ碩ｉ學(xué)位論文？胃ｓ基于多傳感器數(shù)據(jù)融合的無(wú)人車行駛策略硏究作者：豆菲菲指導(dǎo)教師：張荷芳副教授申請(qǐng)學(xué)位學(xué)科＇工程：系統(tǒng)２０巧年５月１０曰密級(jí)％Ａ巧號(hào)ＴＰ巧１Ｘ’ＩＡＮＴ巨ＣＨＮＯＬＯＧＩＣＡＬＵＮＩＶＥＲＳＩＴＹ碩±學(xué)位論文題目：基于多傳感器數(shù)據(jù)融合的無(wú)人車行駛策略研究作者：豆菲菲指導(dǎo)教師張巧芳副教授５中請(qǐng)學(xué)位學(xué)科ｉ系統(tǒng)工程２

2、０１５年５月１０日基于多傳感器數(shù)據(jù)融合的無(wú)人車行駛巧路研究學(xué)科：系統(tǒng)工程研究生簽字：舍壞和Ｉ指導(dǎo)教師簽字：錫摘要為了提高道路交通安全，現(xiàn)代的無(wú)人車系統(tǒng)中廣泛采用各類傳感器來(lái)獲得車輛行駛所一傳感器由于不能滿足實(shí)時(shí)需要的環(huán)境信息。面對(duì)逐漸復(fù)雜的實(shí)際環(huán)境，傳統(tǒng)的單、快速地提供具有高精度和窩可靠性的監(jiān)測(cè)與定位信息，同時(shí)又不具備自主性好、對(duì)環(huán)境變化的適應(yīng)能力強(qiáng)、抗干擾性強(qiáng)Ｗ及高性能價(jià)格比等要求，從而影響無(wú)人車行駛策略的制定。我們知道良好行駛策略的制定需要通過(guò)大量的環(huán)境信息對(duì)車輛關(guān)鍵部

3、位行駛狀態(tài)進(jìn)行監(jiān)測(cè)，進(jìn)而能夠更好地了解整個(gè)車輛的性能，并及時(shí)地制定出相應(yīng)的調(diào)整策略來(lái)提高車輛的可靠性和安全性。因此，本文從如何更加合理利用傳感器信息的角度出發(fā)對(duì)車輛運(yùn)行狀態(tài)進(jìn)行檢測(cè)，并在多傳感器信息融合技術(shù)下對(duì)無(wú)人車行駛策略進(jìn)行了相關(guān)的研究。首先，對(duì)無(wú)人車上基于環(huán)境信息采集系統(tǒng)中各個(gè)傳感器的位置進(jìn)行了設(shè)置；再次，由于環(huán)境信息的復(fù)雜多變，使一定程度的不確定性得傳感器獲得的信息帶有，本文在綜合考慮各類融合算法的基礎(chǔ)上，－采取將處理結(jié)果利用ＤＳ證據(jù)理論進(jìn)斤融合很好的處理了不確定性的問(wèn)題。最后

4、，針對(duì)Ｄ－Ｓ證據(jù)理論自身不確定性與不能處理高沖突的問(wèn)題，本文提出矩陣分析的理論修正了該問(wèn)題，我們就可分；通過(guò)上述所得的融合結(jié)果結(jié)合相應(yīng)的準(zhǔn)則析決策并制定無(wú)人車行駛策略。通過(guò)在實(shí)際道路中進(jìn)行的無(wú)人車行駛實(shí)驗(yàn)，得出本文提出的算法能準(zhǔn)確表示駕駛員的一不確定性先驗(yàn)知識(shí)，能夠保證在個(gè)或多個(gè)傳感器失效的情況下仍然具有良好的容錯(cuò)性。－：傳感器Ｓ證據(jù)理論關(guān)鍵詞：數(shù)據(jù)融合；駕駛行為；ＤＴｈｅｓｔｕｄｙｏｆｕｎｍａｎｎｅｄｖｅｈｉｃｌｅｓｒａｖｅｎ－ｔｌｉｇＳｔｒａ化ｇｙｂａｓｅｄｏｎｍｕ

5、ｌ村ｓｅｎｓｏｒｄａｔａｆｕｓｉｏｎＤｉｓｃｉｌｉｎｅ：ＳｓｔｅｍＥｎｉｎｅｅｒｉｎｐｙｇｇ＂ＳｔｕｄｅｎｔＳｉｇｎａｔｕｒｅ：０Ｊ）護(hù)護(hù)ＳｕｅｒｖｉｓｏｒＳｉｎａ化ｒｅ：ｐｇ之乂化ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒ１：０ｉｍｒｏｖｅｒｏａｄｓａｆｅｔｍｏｄｅｍｕｎｍａｎｎｅｄｖｅｈｉｃｌｅｓｓｔｅｍｉｓｗｉｄｅｌｕｓｅｖａｒｉｏｕｓｐｙ，ｙｙｔｙｐｅｓｏｆｓｅｎｓｏｒｓ化ｏｂｔａｉｎｅｎｖｉｒｏｎｍｅｎｔａｌｉｎｆｏｒｍａｔｉｏｎｉｒ

6、ｅｑｕｉｒｅｄｆｏｒｔｈｅｖｅｈｉｃｌｅ．Ｆａｃｅｄｗｉｔｈｉｎｃｒｅａｓｉｎｇｌｙｃｏｍｐｌｅｘｐｈｙｓｉｃａｌｅｎｖｉｒｏｎｍｅｎｔ，ｔｒａｄｉｔｉｏｎａｌｓｉｎｇｌｅｓｅｎｓｏｒｄｕｅ化ｎｏｔｍｅｅｔｔｈｅ－ｕｒｅａｌｔｉｍｅａｎｄｑｉｃｋｌｙｐｒｏｖｉｄｅａｈｉｇｈａｃｃｕｒａｃｙａｎｄｒｅｌｉａｂｉｌｉｔｙｏｆｔｈｅｍｏｎｉｔｏｒｉｎｇａｎｄｌｏｃａｔｉｏｎｔｔｒｅｎｈａｎｅａｎ－ｉｉｎｆｏｒｍａｔｉｏｎｎｏｒｈａｖｅｈｅａｕ

7、ｔｏｎｏｍａｎｄｓｏｎａｂｉｌｉｔｙｔｏａｄａｔｔｏｅｎｖｉｒｏｎｍｔａｌｃｔ，ｙ，ｇｐｇ，ｓ化ｏｎｉｎｔｅｒｆｅｒｅｎｃｅａｎｄｈｉｈｃｏｓｔｅｒｆｏｍｉａｎｃｅａｎｄｏｔｈｅｒｒｅｕｉｒｅｍｅｎｔｓｉｎｏｒｄｅｒｔｏｉｎｆｌｕｅｎｃｅｔｈｅｇｇｐｑｄｅｖｅｌｏｐｍｅｎｔｏｆｕｎｍａｎｎｅｄｖｅｈｉｃｌｅｄｒｉｖｉｎｇｓｔｒａｔｅｇｙ．Ｗｅａｌｌｋｎｏｗｔｈａｔｔｏｄｅｖｅｌｏｐｏｏｄｄｒｉｖｉｎｇｇｓｔｒａｔｅｇｉｅｓｎｅｅｄｔｏ

8、ｂｅｍｏｎｉｔｏｒｅｄｔｈｒｏｕｈａｌｏｔｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｉｎｆｏｒｍａｔｉｏｎｏｎｋｅｙａｒｔｓｏｆｔｈｅｇｐｖｅｈｉｃｌｅｄｒｉｖｉ打ｓｔａｔｅａ打ｄｔｈｕｓｂｅａｂｌｅ１：ｏｂｅｔｅｒｕｎｄｅｒｓｔａｎｄ化ｅｅｒｆｏｒｍａｎｃｅｏｆ化ｅｅｎｔｉｒｅｖｅｈｉｃｌｅｇ，ｐ，ａｎｄｄｅｖｅｌｏｐ