导读:本文包含了轨迹预测论文开题报告文献综述及选题提纲参考文献,主要关键词:轨迹预测,交叉路口,转弯车辆,贝塞尔曲线
轨迹预测论文文献综述
谢枫,李永乐,苏致远,白睿,徐友春[1](2019)在《一种城市交叉路口转弯车辆轨迹预测方法》一文中研究指出针对城市道路交叉路口智能车周围转弯车辆的轨迹预测问题,提出一种基于叁阶贝塞尔曲线和运动模型的转弯车辆轨迹预测方法。首先,在智能车位于道路交叉口附近时,结合感知模块输出的障碍物信息和高精度地图信息对智能车周围车辆进行行为识别。然后,对行为识别结果为转弯状态的车辆,利用高精度地图中的拓扑关系,结合车辆状态信息选取目标点;在选定目标点之后,使用叁阶贝塞尔曲线预测车辆未来4 s内的轨迹,同时结合车辆状态信息,应用恒定转率和加速度模型(CTRA model)预测车辆未来4 s内的轨迹。最后,使用权重函数加权得到最终的预测轨迹。实车实验结果表明,道路交叉口处转弯车辆4 s内的轨迹预测平均误差为2.34 m,较CTRA模型预测误差减小了3.86 m,单个转弯车辆轨迹预测平均耗时为0.14 ms,验证了本文所提方法的有效性、准确性以及实时性。(本文来源于《军事交通学院学报》期刊2019年11期)
杨佳宁,黄向生,李宗翰,荣灿,刘道伟[2](2019)在《基于双层栈式长短期记忆的电网时空轨迹预测》一文中研究指出随着广域量测技术的发展,提前辨识暂态稳定性并采取预防控制措施对电力系统的安全和稳定有着重要意义,而对电力系统的时空轨迹预测则是其中的关键。传统的无系统模型电网时空轨迹预测方法虽然不依赖于系统模型,计算速度较快,但是在预测过程中并没有考虑到电网的空间拓扑关系,另外,在现代复杂电网的大数据环境下,其预测精度相比于采用深度学习的方法仍有待提高。因此,提出了基于双层栈式长短期记忆和近邻节点拓扑关系的电网时空轨迹预测模型。它采用栈式长短期记忆的神经网络结构,并将所预测发电机节点的近邻一阶节点和二阶节点特征引入到了模型中。实验数据表明,支持向量回归法、循环神经网络方法、单层长短期记忆神经网络方法、基于双层栈式长短期记忆的电网时空轨迹预测方法在测试集上的预测均方根误差逐渐递减,预测精度逐渐增加,而在一阶节点和二阶节点分别引入电网时空轨迹预测的情况下,随着引入邻近节点的增加,预测精度也逐渐增加。相比于传统的电网时空轨迹预测方法,基于双层栈式长短期记忆和近邻节点拓扑关系的电网时空轨迹预测模型能更好地表征暂态场景下电网时空轨迹的变化,更精确地实现电网时空轨迹的预测。(本文来源于《计算机科学》期刊2019年S2期)
程亚华,周婷娜,赵英,李虹,伍新春[3](2019)在《小学低年级儿童阅读流畅性的发展轨迹及其对阅读理解的预测作用》一文中研究指出对149名小学一年级儿童的阅读流畅性进行历时叁年五次的追踪测试,采用潜变量增长模型探索了儿童阅读流畅性的发展轨迹,并在控制相关变量后,考察了阅读流畅性的起始水平和发展速度对阅读理解的预测作用。结果发现:(1)小学低年级儿童字词阅读流畅性呈非线性发展,其中一年级快速发展,二、叁年级时进一步发展,但发展速度变缓,起始水平低的儿童其后发展速度快,表现出补偿模式;句子阅读流畅性呈线性发展,儿童个体之间的差异随时间逐渐增大,表现出马太效应;(2)控制一般认知能力、家庭社会经济地位及相关语言认知技能后,字词阅读流畅性的起始水平和发展速度均可预测儿童叁年级时阅读理解水平,而句子阅读流畅性的起始水平不能预测,但发展速度有显着预测作用。结果说明字词阅读流畅性和句子阅读流畅性有不同的发展轨迹和发展模式,在小学低年级阶段,相比句子阅读流畅性,儿童字词阅读流畅性的起始水平对阅读理解有预测作用,且两者的发展速度均对阅读理解有预测作用。(本文来源于《心理发展与教育》期刊2019年06期)
康杰,贾凯,邹风山,邸霈[4](2019)在《基于协作机器人仿真环境的关节轨迹预测方法》一文中研究指出安全在人机协作过程中是至关重要的,必须实时掌握人的行为信息,并进行准确高效的预测。基于Linux和ROS系统搭建仿真环境,通过Xtion PRO LIVE深度相机采集多组人体关节的空间位置信息,然后通过无监督学习方法对采集到的坐标点进行聚类和预测,实时更新预测模型,并基于minimum-jerk对特殊异常轨迹进行预测。为了充分保证人的安全,主要研究手部和肘部运动轨迹的预测方法。最终实验结果证明,所提出的分层轨迹预测框架可以很好地描述人体运动轨迹,并实时做出准确的预测,不仅保证了人体安全,而且对于提高生产效率具有重要意义。(本文来源于《科学技术与工程》期刊2019年31期)
邹凯,蔡英凤,陈龙,孙晓强[5](2019)在《基于增量线性模型预测控制的无人车轨迹跟踪方法》一文中研究指出针对现有无人车轨迹跟踪研究中将轮胎侧偏角假设在线性区域的不足,提出一种基于增量线性时变模型预测控制的轨迹跟踪方法。在每个控制周期内进行轮胎魔术公式的线性化处理,建立时变轮胎模型,并结合车辆二自由度模型,获得了车辆时变模型,设计增量线性时变模型预测控制器(ILTVMPC),完成了轨迹跟踪,在二次规划求解过程中加入包括控制量和控制增量等约束。利用MATLAB/Simulink平台将该方法与非线性模型预测控制进行仿真对比,结果表明:基于时变轮胎模型的ILTVMPC,不仅在跟踪精度和稳定性上有优异表现,而且计算实时性得到较大幅度提升。(本文来源于《2019中国汽车工程学会年会论文集(1)》期刊2019-10-22)
梅满,朱大奇,甘文洋,蒋骁迪[6](2019)在《基于模型预测控制的水下机器人轨迹跟踪》一文中研究指出针对水下机器人二维水下环境中的轨迹跟踪问题,通过分析与建立水下机器人二维运动学模型,提出了一种新型的轨迹跟踪控制方法,即模型预测控制。该算法是在误差模型的线性化描述的基础上引入模型预测控制方法,将最小化目标函数的优化问题转换为二次规划问题的求解,使得水下机器人在满足控制约束的条件下有效地完成轨迹跟踪并克服速度跳变问题。通过与反步控制方法的仿真实验对比,证明所提及的模型预测控制算法能够更有效的实现二维水下机器人的轨迹跟踪控制。(本文来源于《控制工程》期刊2019年10期)
王童,石绪亮,蒋敏,许舒玲,祁海颖[7](2019)在《倒班实习护士抑郁情绪的发展轨迹及预测因素》一文中研究指出目的:本研究旨在探讨倒班实习护士抑郁情绪发展轨迹的群体异质性及其影响因素。方法:本研究的数据来源于倒班实习护士睡眠障碍的追踪研究,数据采集分别在倒班工作前一周(T1)、倒班工作后第3个月(T2)、第6个月(T3)和倒班工作结束两周(T4)。本研究使用抑郁筛查量表(PHQ-9)、领悟社会支持量表(PSSS)、应对策略量表(CSI)以及自编一般人口学变量调查表对725名倒班护士(年龄:17.82±1.52)进行手机在线调查。数据分析使用混合增长模型(GMM)和多元逻辑回归。结果:(1)GMM模型拟合结果显示抑郁情绪的发展轨迹可以分为叁个亚群组:无抑郁组(84.1%)、抑郁持续组(8.5%)、抑郁迟发组(7.4%)。(2)在控制了与抑郁相关的人口学变量后,多元Logistic回归的结果表明:以无抑郁组作为参照,较高的消极应对得分(OR=1.15,95%CI=1.04-1.27;OR=1.02,95%CI=0.91-1.14)是倒班后出现抑郁情绪的重要风险性因子;较高的社会支持得分(OR=0.96,95%CI=0.93-0.99;OR=0.95,95%CI=0.91-0.98)则是倒班后出现抑郁情绪的重要保护性因子。结论:倒班实习护士抑郁情绪的发展轨迹有显着的群体异质性;消极应对方式是抑郁发展轨迹的风险因子,较高的社会支持是抑郁发展轨迹的保护性因子。本研究结果对倒班工作者抑郁情绪发展的预防及干预具有重要意义。因此,针对影响抑郁轨迹发展的因素进行预防和干预将会有效提高倒班实习护士的心理健康水平。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19)
[8](2019)在《小学高年级儿童能力观发展轨迹及其预测因素:父母能力观的作用》一文中研究指出能力观对于儿童成长发展(如学业成就、人际关系、情绪等)具有独特的作用,但是鲜有研究采用纵向数据来考察儿童能力观的发展轨迹;此外,尽管研究表明能力观可能并不存在代际传递,但并不能否定父母能力观对儿童能力观的发展变化的影响。本研究选取北京市926名四年级小学生及其父母为被试,采用历时两年的四次追踪研究,通过潜变量增长曲线模型来考察儿童的能力观随时间的发展变化趋势及其个体差异,并且探讨了父母能力观的预测作用。结果表明:(1)随着年龄的增长,小学高年级儿童成长型能力观呈现出上升趋势,并且初始水平和上升趋势均存在显着的个体差异;(2)母亲的能力观能够显着正向预测儿童能力观的初始水平,但不能预测儿童能力观的发展轨迹;父亲能力观对儿童能力观初始水平没有影响,但是可以显着预测儿童能力观的上升趋势,即父亲的能力观越趋向于成长型能力观,儿童能力观上升速率越快。(本文来源于《第二十二届全国心理学学术会议摘要集》期刊2019-10-19)
孙平,孙桐,孙尧[9](2019)在《考虑人机作用力的康复训练机器人各运动轴最优轨迹跟踪预测控制》一文中研究指出针对人机作用力影响康复训练机器人的跟踪性能问题,提出了一种新颖的观测器设计方法,目的是利用系统的位置输出估计人机作用力.同时,为了抑制人机作用力并避免运动中产生较大的跟踪误差而影响康复者安全,设计了非线性控制器,并得到了机器人各运动轴系统模型.进一步,结合预测控制同时约束了系统轨迹跟踪误差和速度跟踪误差,并实现了各运动轴的最优轨迹跟踪.通过仿真结果对比分析和实验研究,表明文中提出人机作用力观测和控制器设计方法的有效性和优越性.(本文来源于《北京理工大学学报》期刊2019年10期)
邹凯,蔡英凤,陈龙,孙晓强[10](2019)在《基于增量线性模型预测控制的无人车轨迹跟踪方法》一文中研究指出针对现有无人车轨迹跟踪研究中假设轮胎侧偏角始终处于线性区域的不足,提出了一种基于增量线性时变模型预测控制的轨迹跟踪方法。在每个控制周期内进行轮胎魔术公式的线性化处理,建立时变轮胎模型,并结合车辆二自由度模型,获得了车辆时变模型,设计增量线性时变模型预测控制器(ILTVMPC),完成了轨迹跟踪,在二次规划求解过程中加入包括控制量和控制增量等约束。利用MATLAB/Simulink平台将该方法与非线性模型预测控制进行仿真对比,结果表明:基于时变轮胎模型的ILTVMPC,不仅在跟踪精度和稳定性上有优异表现,而且计算实时性得到较大幅度提升。(本文来源于《汽车技术》期刊2019年10期)
轨迹预测论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
随着广域量测技术的发展,提前辨识暂态稳定性并采取预防控制措施对电力系统的安全和稳定有着重要意义,而对电力系统的时空轨迹预测则是其中的关键。传统的无系统模型电网时空轨迹预测方法虽然不依赖于系统模型,计算速度较快,但是在预测过程中并没有考虑到电网的空间拓扑关系,另外,在现代复杂电网的大数据环境下,其预测精度相比于采用深度学习的方法仍有待提高。因此,提出了基于双层栈式长短期记忆和近邻节点拓扑关系的电网时空轨迹预测模型。它采用栈式长短期记忆的神经网络结构,并将所预测发电机节点的近邻一阶节点和二阶节点特征引入到了模型中。实验数据表明,支持向量回归法、循环神经网络方法、单层长短期记忆神经网络方法、基于双层栈式长短期记忆的电网时空轨迹预测方法在测试集上的预测均方根误差逐渐递减,预测精度逐渐增加,而在一阶节点和二阶节点分别引入电网时空轨迹预测的情况下,随着引入邻近节点的增加,预测精度也逐渐增加。相比于传统的电网时空轨迹预测方法,基于双层栈式长短期记忆和近邻节点拓扑关系的电网时空轨迹预测模型能更好地表征暂态场景下电网时空轨迹的变化,更精确地实现电网时空轨迹的预测。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
轨迹预测论文参考文献
[1].谢枫,李永乐,苏致远,白睿,徐友春.一种城市交叉路口转弯车辆轨迹预测方法[J].军事交通学院学报.2019
[2].杨佳宁,黄向生,李宗翰,荣灿,刘道伟.基于双层栈式长短期记忆的电网时空轨迹预测[J].计算机科学.2019
[3].程亚华,周婷娜,赵英,李虹,伍新春.小学低年级儿童阅读流畅性的发展轨迹及其对阅读理解的预测作用[J].心理发展与教育.2019
[4].康杰,贾凯,邹风山,邸霈.基于协作机器人仿真环境的关节轨迹预测方法[J].科学技术与工程.2019
[5].邹凯,蔡英凤,陈龙,孙晓强.基于增量线性模型预测控制的无人车轨迹跟踪方法[C].2019中国汽车工程学会年会论文集(1).2019
[6].梅满,朱大奇,甘文洋,蒋骁迪.基于模型预测控制的水下机器人轨迹跟踪[J].控制工程.2019
[7].王童,石绪亮,蒋敏,许舒玲,祁海颖.倒班实习护士抑郁情绪的发展轨迹及预测因素[C].第二十二届全国心理学学术会议摘要集.2019
[8]..小学高年级儿童能力观发展轨迹及其预测因素:父母能力观的作用[C].第二十二届全国心理学学术会议摘要集.2019
[9].孙平,孙桐,孙尧.考虑人机作用力的康复训练机器人各运动轴最优轨迹跟踪预测控制[J].北京理工大学学报.2019
[10].邹凯,蔡英凤,陈龙,孙晓强.基于增量线性模型预测控制的无人车轨迹跟踪方法[J].汽车技术.2019