skip to Main Content
تکنیک‌های مقاوم در برابر خطا: پیش‌بینی خطی برای نگهداری سیستم های خودمختار

تکنیک‌های مقاوم در برابر خطا: پیش‌بینی خطی برای نگهداری سیستم های خودمختار

عنوان انگلیسی: Kinematics-based Fault-tolerant Techniques: Lane P
سال نشر: ۲۰۱۸
نویسنده: Chang Mook Kang,Seung-Hi Lee,Seok-Cheol Kee,Chung Choo Chung
تعداد صفحه فارسی: ۱۷ – تعداد صفحه انگلیسی: ۱۰
دانشگاه: Department of Electrical EngineeringHanyang UniversitySeoulKorea , Agency for Defense DevelopmentDaejeonKorea , Dept. of Electrical EngineeringHanyang UniversitySeoulKorea , etc
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه اقتصادی

چکیده

چکیده: در این مقاله، ما استفاده از روش‌های تحمل خطا را برای یک سیستم نگهداری مسیر مستقل (LKS)تحت نقص حسگر دید دوربین را پیشنهاد می‌کنیم.هنگامی که خروجی سنسور تصویر به دلیل نقص و یا شرایط محیطی در دسترس نباشد، برای سیستم نگهداری مسیر مستقل لازم است قبل از اینکه راننده کنترل کنترل را بر عهده گیرد، ثبات خود را حفظ کند.ما روشی را برای کنترل مقاوم در برابر خطا با استفاده از مدل حرکت وسایل نقلیه سینماتیک جانبی پیشنهاد می‌کنیم. طرح برآورد خطی مبتنی بر مدل حرکت جنبشی، احتمال خرابی سنسور بینایی دوربین را که در حضور داده های غیر قابل اطمینان یا غیر قابل دسترس از سنسور بینایی دیده می شود را مطرح می کند.برای حفظ عملکرد سیستم نگهداری مسیر مستقل خطی، لنزباید عملکرد خود را در حضورنقص های حسگر حفظ کند.الگوریتم توسعه ‌یافته از طریق نتایج شبیه‌سازی کامپیوتری با نرم افزارهای کارسیم و متلب اعتبارسنجی شده است.ما همچنین نتایج آزمایشی را با یک وسیله تست مجهز به یک اتوباکس از dSPACE در نظر گرفتیم.

Abstract

In this paper, we propose the use of fault-tolerant techniques for an autonomous lane keeping system (LKS) under sensor failure of the camera vision sensor. When the output of the vision sensor is not available to the LKS due to malfunction and/or environmental conditions, it is necessary for the lateral control system to maintain its stability before the driver takes over control authority. We propose a method for fault-tolerant control using the lateral kinematic vehicle motion model. The kinematic motion model-based lane estimation scheme covers possible camera vision sensor failure that occurs in the presence of unreliable or unavailable data from the vision sensor due to complex shadowing, incomplete lane marks, and lighting changes. The proposed lane estimation method enables the LKS to maintain its performance in the presence of sensor failures. The developed algorithm was validated via computational simulation results with CarSim and MATLAB/Simulink. We also included experiment
۱۵۰,۰۰۰ ریال – خرید
امتیاز شما:
(No Ratings Yet)
Back To Top