摘要:智能网联汽车是指搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与车、路、人、云等信息共享，实现“安全、高效、舒适、节能”行驶。虽然该产业呈现出全面发展的良好局面，但回溯到核心技术层面，该领域仍面临若干技术调整，包括单车感知决策、车路协同、人机共驾、以及各类信息安全威胁。在此背景下，进行智能网联汽车科技创新至关重要。

摘要:环境感知系统是无人驾驶技术中至关重要的一环，是整个无人车安全和稳定的前提。目前无 人驾驶领域内对于环境感知技术的研究主要集中在理想环境下的环境信息获取、语义信息高精度识别 以及多传感器的信息融合等，而未形成系统全面的攻击检测和防御体系。该研究利用感知系统中多传 感器感知信号在时域和空间域上的相关性，建立了多传感器之间的信息交叉数学模型，可有效检测到 被攻击的传感器，并基于矩阵补全方法对失真数据进行恢复。实验结果显示，该方法能够较好地检测 被攻击传感器，并恢复因攻击而缺失的目标信息。

摘要:为降低智能交通系统中车辆的能量消耗，该研究以智能网联汽车为研究对象，提出了一种车 辆速度优化控制方法。该方法以车辆的能量消耗模型为依据，综合考虑了其他车辆以及交通信号灯配 时对车速的影响。通过瞬时优化算法实时计算出经济车速，从而降低车辆的能量消耗并减少车辆的信 号灯等待时间。为验证其有效性，该研究提出了 3 种基准测试方法，并在 Vissim/Autonomie 联合仿真平 台上对几种方法进行了比较。结果显示，该方法分别实现了 14.32%、9.74% 和 73.72% 的能耗降低。

摘要:固体氧化物燃料电池(Solid-Oxide Fuel Cell，SOFC)因其能量转换效率高而备受关注，但其相 关技术非常复杂，技术成熟度比质子交换膜燃料电池、直接甲醇燃料电池等其他类型的燃料电池低。 SOFC 的微观结构是影响其性能的因素之一，为加速 SOFC 的商业化应用，需要对其复杂微观结构进 行有效优化。同时，SOFC 性能测试实验耗时长、费用高，而高可靠性的 SOFC 计算机模型可用来缩 短 SOFC 微观结构优化时间和降低研发成本。该研究根据阳极支撑 SOFC 结构变化对应的性能实验 数据，开发了一种基于人工神经网络的、根据结构特性来预测其性能的 SOFC 计算机模型。实验过程 利用部分数据对该人工神经网络进行训练，并利用另一部分数据对其进行验证。结果显示，所开发的 SOFC 模型能够准确地根据微观结构的变化呈现其性能变化，适合用于 SOFC 微观结构的优化。

摘要:现有无人车辆的驾驶策略过于依赖感知-控制映射过程的“正确性”，而忽视了人类驾驶汽车 时所遵循的驾驶逻辑。该研究基于深度确定性策略梯度算法，提出了一种具备类人驾驶行为的端到端 无人驾驶控制策略。通过施加规则约束对智能体连续行为的影响，建立了能够输出符合类人驾驶连续 有序行为的类人驾驶端到端控制网络，对策略输出采用了后验反馈方式，降低了控制策略的危险行为 输出率。针对训练过程中出现的稀疏灾难性事件，提出了一种更符合控制策略优化期望的连续奖励函 数，提高了算法训练的稳定性。不同仿真环境下的实验结果表明，改进后的奖励塑造方式在评价稀疏 灾难性事件时，对目标函数优化期望的近似程度提高了 85.57%，训练效率比传统深度确定性策略梯度 算法提高了 21%，任务成功率提高了 19%，任务执行效率提高了 15.45%，验证了该方法在控制效率和 平顺性方面具备明显优势，显著减少了碰撞事故。

摘要:覆盖模型通常用于评估空间网络站点规划及网络健壮性，而可视化的覆盖模型可以快速清 晰地传递信息，有助于用户理解和分析相关空间数据。该研究基于城市级停车场服务能力空间网络模 型，提出了一种可视的动态覆盖方法，其通过 ParkingRank 算法对各停车场的服务能力进行动态量化， 采用具有边界约束的改进加权 Voronoi 图，将各停车场的量化值映射到地理空间，实现了对整个城市 区域无缝且不重叠的覆盖。该模型最大的优点是每个停车场的覆盖范围可随其量化值的变化而动态调 整，实现了停车场网络模型的动态可视化，可为未来城市级停车管理与服务提供强大的决策支持。

摘要:激光同时定位与建图(Simultaneous Localization and Mapping，SLAM)技术在激光干扰或结 构高度相似的环境中，容易产生闭环误检。针对这一问题，该研究提出一种闭环粗匹配与地磁特征 筛选闭环检测算法。通过在闭环检测环节中加入地磁匹配算法，对候选闭环检测位姿节点集进一步 筛选，降低了传统激光闭环检测的误检现象，并对定位与建图环境中由于反射与透射干扰而引起的误 检测与建图失真进行修正。该研究采集了真实的激光点云与地磁信号数据集，并将所研究算法与传统 激光 SLAM 进行了对比。实验结果显示，该算法在匹配速度和准确率上都有明显提升，与 Google 的 Cartographer 算法相比，在闭环检测速度上提升了 31%，在 0.8 召回率的情况下闭环检测的误检率降低 了 23%，提升了 SLAM 技术在激光干扰条件下工作的稳定性。

摘要:道路几何信息是自动驾驶系统中重要的信息来源，也是后续路径规划的关键参考信息之一。 该研究针对城市内车道线遮挡及多路径效应导致的全球定位系统失效等问题，提出了一种基于前车信 息的道路几何估计方法。通过对当前车辆、前车以及道路之间关系的建模，获得了系统的运动模型和 观测模型。采用无损卡尔曼滤波框架对观测到的前车相对位置、相对速度、相对角度和本车角速度进 行滤波处理，估计出当前车道的曲率参数。在仿真软件 Car learning to Act(Carla)上的实验结果表明， 相比地图匹配方法，在无法获取车道线目标及精确定位信息的情况下，该方法道路几何精度得到了显 著提升。

摘要:该研究提出了一种基于多现场可编程门阵列异构平台的流水线技术优化方法。首先，基于二 分法思想对任务进行划分，使任务量尽可能均衡地部署在不同现场可编程门阵列单元中，从而提高板 级流水线均衡度；其次，针对板间传输延迟进行了流水线结构的优化，在板间延迟较大时，将板间延 迟作为流水线的一级可以提高平台吞吐率；最后，并行优化计算单元内部模块，并通过数据关系重 排、循环展开、循环流水线等手段充分利用现场可编程门阵列计算资源，提高吞吐率和能效比。采用 AlexNet 网络为例进行的验证结果显示，与优化之前的流水线结构相比，改进后的流水线结构吞吐率 提高了 215.6%，能效比提高了 105.5%，单次任务运行时间减少了 36.6%。

摘要:目前无人驾驶技术领域的研究重点主要集中在单车层面的感知、决策与控制，而缺少对多车 之间交互及博弈的研究，因此无法有效降低交通系统整体事故率并提升通行效率。该文提出一种基于 合作博弈理论的大规模自动驾驶策略涌现方法。通过建立面向网联汽车、多目标优化决策的合作博弈 演化平台，并构造了一种网格道路模型和车辆运动学模型，使得系统中各车辆之间以近邻博弈的方式 进行交互；同时系统采用分布式算法并具有间接交互的特点，最终模型计算复杂度与模拟车辆规模呈 线性关系。实验结果表明，最佳策略涌现后，事故率和平均速度均取得明显改善，其中事故率降低了 90%，模型计算速度提升了 30%。该方法可应用于包含数百万辆自动驾驶汽车的城市级智能交通规划 系统中。

摘要:现有永磁同步电机普遍存在算法复杂、电机参数辨识困难、电磁转矩难以通过数学模型来精 确估算等问题，从而导致电机控制精度以及驱动系统的整体性能下降。该研究设计了一种基于动态递 归反馈型神经网络的电机电磁转矩网络拓扑模型，使用 MATLAB/Simulink 将该神经网络封装成转矩观 测器，并用于电机转矩的精确估算。实验结果显示，与传统转矩和反向传播神经网络计算方式相比， 该研究所设计的转矩观测器具有更高的转矩计算精度，与反向传播神经网络算法相比具有更高的控制 精度与准确性。

摘要:

摘要:

摘要:

摘要:

摘要:

摘要:

摘要: