當(dāng)今社會發(fā)展迅速,民用汽車擁有量不斷增加,熟練的駕駛技術(shù)成為現(xiàn)代人的必備技能。為了提升駕校培訓(xùn)效率,人們開始重視機(jī)器人教練的開發(fā)與使用。然而,現(xiàn)有機(jī)器人教練的教學(xué)規(guī)則是固定不變的,無法像真人駕校教練一樣根據(jù)學(xué)員的特性進(jìn)行教學(xué)創(chuàng)新與因材施教,使得機(jī)器人教練難以達(dá)到真人教練的教學(xué)效果。想要用機(jī)器人教練實(shí)現(xiàn)因材施教的功能,主要面臨兩個(gè)問題:一是難以對學(xué)員建立準(zhǔn)確的數(shù)學(xué)描述模型,這是因?yàn)樵隈{駛培訓(xùn)過程中,學(xué)員特性變化大,且學(xué)員的操作具有隨機(jī)性;二是在學(xué)員特性不確定的情況下,難以建立駕校教練決策模型。針對以上兩個(gè)問題,本文對駕駛培訓(xùn)過程進(jìn)行了分析:將學(xué)員練車的過程分解為學(xué)員前饋、學(xué)員反饋、教練反饋三部分,分別討論了三者對駕駛軌跡的影響;對駕校教練的教學(xué)過程進(jìn)行了分析,比較了真人駕校教練與自動駕駛的區(qū)別,并討論了機(jī)器人教練的優(yōu)勢與不足。以上述分析為基礎(chǔ),引入元胞自動機(jī)和強(qiáng)化學(xué)習(xí)算法,得到如下創(chuàng)新成果:(1)針對學(xué)員特性變化大、操作具有隨機(jī)性的問題,本文以倒車入庫為場景,將學(xué)員與車輛看作整體,設(shè)計(jì)了一種學(xué)員與車整體的元胞自動機(jī)模型。利用六邊形網(wǎng)格劃分元胞空間,離散化元胞的運(yùn)動方向,確定元胞的狀態(tài)和鄰...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第1章 引言
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 駕駛培訓(xùn)
        1.2.2 元胞自動機(jī)
        1.2.3 強(qiáng)化學(xué)習(xí)
    1.3 本文研究內(nèi)容及章節(jié)安排
第2章 駕駛培訓(xùn)過程分析
    2.1 引言
    2.2 駕校學(xué)員
    2.3 駕校教練
        2.3.1 真人教練
        2.3.2 機(jī)器人教練
    2.4 本章小結(jié)
第3章 駕校學(xué)員與車元胞自動機(jī)模型
    3.1 引言
    3.2 元胞自動機(jī)基本概念介紹
    3.3 基于元胞自動機(jī)的駕校學(xué)員與車模型
        3.3.1 元胞空間
        3.3.2 元胞狀態(tài)
        3.3.3 元胞鄰居
        3.3.4 元胞演化規(guī)則
    3.4 仿真結(jié)果與分析
        3.4.1 無教練教學(xué)的仿真
        3.4.2 有教練教學(xué)的仿真
        3.4.3 與真人練車數(shù)據(jù)對比
    3.5 本章小結(jié)
第4章 駕校教練強(qiáng)化學(xué)習(xí)決策模型
    4.1 引言
    4.2 強(qiáng)化學(xué)習(xí)算法
        4.2.1 基本概念
        4.2.2 策略探索
        4.2.3 常見算法
    4.3 基于強(qiáng)化學(xué)習(xí)的駕校教練決策模型
        4.3.1 駕校教練決策模型的馬爾可夫決策過程分析
        4.3.2 基于策略迭代算法訓(xùn)練駕校教練決策模型
        4.3.3 基于Q-learning算法訓(xùn)練駕校教練決策模型
    4.4 駕校教練強(qiáng)化學(xué)習(xí)決策模型仿真實(shí)驗(yàn)與分析
        4.4.1 基于策略迭代算法訓(xùn)練的駕校教練決策模型仿真
        4.4.2 基于Q-learning算法訓(xùn)練的駕校教練決策模型仿真
        4.4.3 仿真結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
研究成果



本文編號：3780836