| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第13-33页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 无人驾驶地下铰接式车辆国内外技术现状 | 第14-27页 |
| 1.2.1 国外技术现状 | 第15-26页 |
| 1.2.2 国内相关技术现状 | 第26-27页 |
| 1.3 路径跟踪控制技术发展概况 | 第27-29页 |
| 1.4 速度决策技术发展概况 | 第29-30页 |
| 1.5 地形检测技术发展概况 | 第30-31页 |
| 1.6 课题技术路线和研究内容 | 第31-32页 |
| 1.6.1 技术路线 | 第31页 |
| 1.6.2 主要研究内容 | 第31-32页 |
| 1.7 本章小结 | 第32-33页 |
| 2 无人驾驶地下铰接式自卸车 | 第33-57页 |
| 2.1 无人驾驶地下铰接式自卸车系统组成 | 第33-34页 |
| 2.2 模型样机系统组成 | 第34-36页 |
| 2.3 动力系统 | 第36页 |
| 2.4 信息采集系统 | 第36-40页 |
| 2.4.1 传感器的选取及布置 | 第37-39页 |
| 2.4.2 激光雷达 | 第39页 |
| 2.4.3 里程计 | 第39-40页 |
| 2.4.4 转角传感器 | 第40页 |
| 2.4.5 惯性导航模块 | 第40页 |
| 2.5 通信系统 | 第40-49页 |
| 2.5.1 CAN总线通信 | 第41-47页 |
| 2.5.2 基于UDP协议的以太网通信 | 第47-49页 |
| 2.6 控制系统 | 第49-56页 |
| 2.6.1 控制系统设计 | 第49-50页 |
| 2.6.2 控制系统软件设计 | 第50-56页 |
| 2.7 本章小结 | 第56-57页 |
| 3 整车模型分析 | 第57-71页 |
| 3.1 转向运动学模型 | 第57-59页 |
| 3.2 运动轨迹描述 | 第59-61页 |
| 3.3 轨迹偏差方程 | 第61-62页 |
| 3.4 车辆动力学模型 | 第62-63页 |
| 3.5 整车垂向受迫振动响应模型 | 第63-65页 |
| 3.6 控制模型系统辨识 | 第65-70页 |
| 3.6.1 系统辨识方法与原理 | 第65-67页 |
| 3.6.2 转向控制模型系统辨识 | 第67-68页 |
| 3.6.3 速度控制模型系统辨识 | 第68-70页 |
| 3.7 本章小结 | 第70-71页 |
| 4 基于强化学习的路径跟踪方向控制 | 第71-92页 |
| 4.1 无人驾驶自主导航技术 | 第71-73页 |
| 4.1.1 反应式导航技术 | 第71-72页 |
| 4.1.2 反应式导航控制策略 | 第72-73页 |
| 4.2 基于强化学习的自适应PID路径跟踪方向控制器设计 | 第73-83页 |
| 4.2.1 PID控制算法 | 第73-75页 |
| 4.2.2 时域差值学习算法 | 第75-76页 |
| 4.2.3 CMAC神经网络 | 第76-77页 |
| 4.2.4 Actor-Critic学习 | 第77-78页 |
| 4.2.5 强化学习自适应PID控制器 | 第78-82页 |
| 4.2.6 路径跟踪方向控制器设计 | 第82-83页 |
| 4.3 硬件在环仿真 | 第83-91页 |
| 4.3.1 硬件在环仿真平台 | 第83-85页 |
| 4.3.2 仿真设计 | 第85页 |
| 4.3.3 仿真结果分析 | 第85-91页 |
| 4.4 本章小结 | 第91-92页 |
| 5 基于监督学习的路径跟踪速度控制 | 第92-106页 |
| 5.1 基于驾驶员预瞄的速度控制策略 | 第92-93页 |
| 5.2 基于监督学习的模糊神经网络路径跟踪方向控制器设计 | 第93-102页 |
| 5.2.1 模糊控制算法 | 第93-95页 |
| 5.2.2 自适应神经网络模糊推理系统 | 第95-97页 |
| 5.2.3 ANFIS结构 | 第97-100页 |
| 5.2.4 ANFIS学习算法 | 第100-101页 |
| 5.2.5 路径跟踪速度控制器设计 | 第101-102页 |
| 5.3 仿真实验 | 第102-105页 |
| 5.3.1 实验设计 | 第102-103页 |
| 5.3.2 实验结果分析 | 第103-105页 |
| 5.4 本章小结 | 第105-106页 |
| 6 基于监督学习的速度决策算法 | 第106-112页 |
| 6.1 速度决策算法 | 第106-107页 |
| 6.2 监督学习算法 | 第107-109页 |
| 6.2.1 坐标下降法 | 第107页 |
| 6.2.2 优化目标 | 第107-108页 |
| 6.2.3 参数学习 | 第108-109页 |
| 6.3 硬件在环仿真 | 第109-111页 |
| 6.3.1 仿真设计 | 第109页 |
| 6.3.2 仿真结果分析 | 第109-111页 |
| 6.4 本章小结 | 第111-112页 |
| 7 基于自监督学习的地形分类和速度预测 | 第112-128页 |
| 7.1 三维点云数据采集 | 第112-113页 |
| 7.2 地形分类与速度预测 | 第113-115页 |
| 7.3 训练样本标定 | 第115-122页 |
| 7.3.1 原始数据滤波 | 第115-116页 |
| 7.3.2 地形粗糙度系数计算 | 第116页 |
| 7.3.3 数据融合姿态解算 | 第116-118页 |
| 7.3.4 雷达点云位置信息解算 | 第118-122页 |
| 7.4 自监督学习算法 | 第122-124页 |
| 7.4.1 接收者操作特征曲线 | 第122-123页 |
| 7.4.2 优化目标 | 第123页 |
| 7.4.3 参数迭代 | 第123-124页 |
| 7.5 模型样机实验 | 第124-127页 |
| 7.5.1 实验设计 | 第124-125页 |
| 7.5.2 实验结果分析 | 第125-127页 |
| 7.6 本章小结 | 第127-128页 |
| 8 道路实验研究 | 第128-137页 |
| 8.1 路径跟踪控制实验 | 第128-133页 |
| 8.1.1 实验设计 | 第128-129页 |
| 8.1.2 实验结果分析 | 第129-133页 |
| 8.2 速度决策控制实验 | 第133-136页 |
| 8.2.1 实验设计 | 第133-134页 |
| 8.2.2 实验结果分析 | 第134-136页 |
| 8.3 本章小结 | 第136-137页 |
| 9 结论 | 第137-141页 |
| 9.1 全文总结 | 第137-138页 |
| 9.2 创新点 | 第138页 |
| 9.3 研究展望 | 第138-141页 |
| 参考文献 | 第141-149页 |
| 作者简历及在学研究成果 | 第149-153页 |
| 学位论文数据集 | 第153页 |