路徑跟蹤仿真的案例
自動駕駛4WS車輛路徑跟蹤最優控制算法仿真
5 仿真結果
綜上所述，整個算法流程如圖3所示。
圖3 算法聯合仿真流程圖
將參考軌跡輸入到模型預測算法中，基于車輛狀態構建目標函數，解算目標函數后，由“預測-跟蹤 ”的流程輸出每一步的最優前輪轉角控制量。然后將前輪轉角、y 軸速度和橫擺角速度輸入到權系數LQR算法中得到最優的后輪轉向角，將得到的前、后輪轉角一同輸入到二自由度車輛模型中得到車輛狀態反饋量，從而形成路徑跟蹤閉環控制。
為了驗證算法效果，采用雙移線工況進行路徑跟蹤仿真，路面附著系數μ取 0.8，模型預測的預測周期取 0.05，預測步長取 20，控制步長取 5，松弛因子取 10，權重系數取 1000。
分別在 30km/h 、60km/h 、110km/h 車速下進行仿真，路徑跟蹤效果如圖所示，從圖中可以看出，在 60km/h 以內的路 徑跟蹤效果基本沒有變化，對速度的魯棒性很好，而在高車速 110km/h 工況下，在轉彎處跟蹤路徑出現了些許波動，出現此現象的原因是模型線性化的累積誤差，使預測路徑偏離。綜合三種工況下的仿真結果可以得出此算法的路徑跟蹤效果良好，且對速度有較強的魯棒性。
結合圖 5-7 , 可以看到車輛在不同工況下的動態響應，隨著車速增大，控制增量也在增大，但始終保持在約束范圍內，滿足高速下自動駕駛車輛操縱穩定性的要求。
展開 基于線性變參數系統的四輪轉向自主地面車輛路徑跟蹤控制及實驗驗證
5 仿真分析
為了評估所設計控制器的路徑跟蹤性能，通過CarSim-Simulink平臺使用高度準確的整車模型進行聯合仿真。4WS AGV路徑跟蹤仿真框圖如圖5所示。仿真中4WS AGV的結構參數如表1所示。在車輛測試，雙車道變換（DLC）是最常見和最典型的動作之一。它可以很好地評估車輛的橫向動力性能。對于自動駕駛汽車，DLC 機動也是一個至關重要的動作。該測試不僅可以驗證控制器的路徑跟蹤性能，還可以評估車輛的操縱穩定性。因此，選擇DLC作為條件。
圖5 4WS AGV仿真框圖
A.不同的路面摩擦系數
在本仿真案例中，4WS AGV以不同的路面摩擦系數進行DLC機動，旨在驗證所設計控制器的路徑跟蹤能力。此外，它還可以評估該路徑跟蹤控制器對不同路況的魯棒性。4WS AGV的縱向速度設定為15m/s，道路摩擦系數設定為0.25，0.5和0.85來模擬不同路面條件，即結冰路面、濕路面和干路面。
圖6 不同摩擦系數路面下的路徑跟蹤結果
表2 不同摩擦系數路面下的路徑跟蹤誤差
圖7 不同摩擦系數路面下的橫向位置誤差
圖8 不同摩擦系數路面下的偏航角誤差
不同摩擦系數路面的路徑跟蹤結果如圖6所示。可以發現，即使在冰面上，路徑跟蹤誤差也很小。詳細分析了跟蹤誤差。橫向位置誤差和偏航角誤差如圖7和圖8所示。此外，表2中列出了最大值和均方值（RMS）。可以看出，結冰道路上橫向位置誤差的最大值和RMS值為0.0711m和0.0272m。偏航角誤差值的最大值和RMS為0.5021。和0.1231。。
展開 Adams Car整車路徑跟蹤參數設置
基于學習的自動駕駛汽車路徑跟蹤模型預測控制
成本函數
改進的自動駕駛汽車路徑跟蹤控制器應適應準確和安全的路徑跟蹤，同時生成控制動作，提供對人更自然的運動。此處考慮了參數成本函數，并使用基于特征的學習技術來找到產生與人類駕駛員相似特征的參數的最佳值。對于人工演示或控制器生成的每個軌跡，以下特征用于設計參數成本函數。
a）車道中心距離：該特征表示車輛與車道中心的偏差，可以表示為
其中t為時間，χc(t)=[X, Y]是t時刻車輛在道路上的位置，p(t)=[Xref, Yref]是車道中心距離車輛位置最近的道路點，N是軌跡中的樣本數。
b）與路徑的偏離角：車輛橫擺角與路徑角的偏離由該特征表示。
其中，χψ為車輛航向角，pψ為路徑角度。
c）橫向速度：另一個需要與人工演示進行比較的特征是車輛的橫向速度，它表示為
d）偏航率：對于路徑跟蹤任務，偏航率是影響乘客舒適度的重要特征。此特征可以由下式計算得到
e）橫向加速度：對乘客舒適度有顯著影響的最重要特征之一是車輛的橫向加速度。該特征計算為
最后，利用這些特征，路徑跟蹤任務的成本函數表示為
其中，θ為是需要從人工演示中學習的參數或權重向量，以便使用 MPC 生成的運動與人工演示中的特征相匹配。
C. 逆最優控制
在一般最優控制問題中，目標是找到基于某些特定準則的控制動作或策略。這些準則通常使用提供選擇動作的成本的成本函數來表達。然而，設計一個合適的成本函數很困難，而且通常需要大量的時間進行調整。在 IOC 方法中，目標是基于用戶演示找到合適的成本函數，而不是找到最優策略。
展開 
基于四輪轉向和直接橫擺力矩控制的路徑跟蹤集成底盤控制算法設計
換言之，當 4WS和DYC中的一個不能有效工作時，另一種控制算法可以工作以防止車輛偏離其目標路徑甚至失去控制。
圖13 使用底盤集成控制算法的單車道變換仿真結果
圖14 不同控制器下單車道變換仿真結果
曲線行駛
在曲線機動中，將設計的合成控制器的路徑跟蹤性能與控制器的路徑跟蹤性能進行比較。控制器的設計過程是作者之前的工作，在Hang et al.[44]所示。在該仿真條件下，縱向速度和道路摩擦系數分別設置為20m/s和0.28，仿真時間設置為10s。目標路徑分為三部分，在前3秒內，目標路徑的曲率為零。3~7s，目標路徑的曲率保持恒定值0.0067，即曲線半徑為150m。然后，目標路徑的曲率歸零。仿真結果如圖15所示。從圖 15(a) 中可以看出，由于優化方法相對保守，因此合成控制器與控制器相比具有更好的路徑跟蹤性能。此外，圖15(b)和(c)顯示了路徑跟蹤過程中兩個控制器的橫向位置誤差和橫擺角誤差。不難發現合成控制器具有較小的橫向位置和橫擺角的跟蹤誤差。為了充分評估兩個控制器的性能，車輛的初始位置與目標路徑有0.1m的橫向偏移。仿真結果表明，兩種控制器均具有較強的抗模型不確定性魯棒穩定性。橫向速度的仿真結果如圖15(d)所示，從中可以看出合成控制器可以使車輛獲得更好的操縱穩定性。
圖15 曲線行駛的仿真結果
雙車道變換
雙車道變換旨在評估使用4WS+DYC的路徑跟蹤控制算法的魯棒性能。隨著縱向速度的變化，模擬了三種不同的路況。路面摩擦系數分別設置為0.28、0.5和0.85。值得一提的是，=0.28，縱向速度如圖16（a）所示，是一種相對極限的工況，傳統的AFS控制器無法保持穩定，車輛失控。前后轉向角和外部橫擺力矩分別如圖16(b)-(d)所示。
展開 新冠病毒氣溶膠傳播路徑的仿真模擬
小于5微米的氣溶膠通過空氣傳播
通過計算流體力學（CFD）軟件Fluent和人群運動軟件STEPS（Simulation of Transient Evacuation and Pedestrian Movements）的聯合仿真模擬，可以對軌道交通內COVID-19病毒攜帶者打噴嚏時產生的一系列連鎖反應進行針對性的研究，如氣溶膠的運動、擴散、濃度分布以及感染人群等等。
解決方案
氣溶膠屬于多相流流體力學范疇，在空氣中的運動與擴散屬于離散流體流動，受空氣湍流、環境熱輻射以及顆粒間作用力影響。
本式例采用離散顆粒群軌跡模型DPM模擬噴嚏氣溶膠與空氣的相間耦合流動，采用k-ω SST模型模擬空氣的湍流運動，以Coupled方法進行壓力-速度耦合計算，最后與STEPS聯合仿真，構建軌道交通內生物源性氣溶膠擴散及感染人群的數值模擬解決方案。
具體操作
假設噴嚏氣溶膠為球形顆粒，直徑1.5-8.5微米，密度1100kg/m3，溫度310K，質量流率1 x e-10 kg/s，空氣密度為1.2kg/m3，主要受到重力、拖曳力和布朗力的作用。
仿真結果
■ 噴嚏氣溶膠自噴射后，向各個方向擴散，其傳播距離、擴散范圍與噴射速度成正比關系，速度越大，傳播距離越遠，擴散范圍越大。
■ 從顆粒物質量濃度圖可以看出氣溶膠顆粒污染物從人的口腔飛出后，在人的口腔附近有較小的密集分布，在人體前1.0m處基本向前下方運動，而氣溶膠顆粒隨氣流運動。
仿真意義
CFD/DPM與STEPS的聯合仿真能夠直觀的顯示病毒氣溶膠在人群中的擴散路徑。
展開 高保真仿真地圖生成：UE+Blender協同編輯的實現路徑
圖12：高保真光追相機仿真示例
七、結語
至此，我們完成了從非結構化道路需求分析，到OpenDRIVE邏輯構建，再到UE與Blender聯合編輯，最終回歸aiSim仿真運行的完整技術路徑闡述。
回顧這一系列文章，我們可以看到aiSim所提供的并非單一的工具，而是一條貫穿“標準數據→邏輯地圖→高保真模型→閉環仿真”的技術通道。在這個通道中，嚴謹的道路邏輯與自由的藝術創造力得以結合，為智能駕駛測試構建出既符合物理規律又充滿挑戰的虛擬驗證環境。通過在仿真中充分暴露并解決復雜路況下的潛在問題，最終的目標是讓每一次真實道路上的行駛，都能獲得更多的“平穩”與“安全”。
展開 目前仿真工程師有前途嗎？職業發展路徑是怎樣的？
一般設計過程
然而現在所有的機械設計都離不開建模仿真，小到杯子落摔試驗，大到飛機高空撞鳥力學仿真，高鐵軌道的顫震分析等等，這些我們無法通過實際的試驗得到想要的結果，通過進行仿真試驗獲取數據也有著越來越重要的作用了，已經在行業內得到廣泛認可，也有越來越多的行業在使用仿真模擬了。
就拿汽車行業來說吧，CAE技術在汽車領域的應用就是幫助企業打造更加具有安全性、經濟性、實用性、美觀性的產品。更加定性的講就是提升研發設計效率，縮短研發周期，降低研發成本，提升產品性能,“兩升兩降”。
可以毫不夸張地說，好的車企研發中心必然包含數量眾多的虛擬仿真領域的工程師，而沒有這塊投入和人才儲備的研發團隊不可能成為車企可以長遠可持續依靠的力量。目前，部分汽車CAE分析內容的基本流程以及同實驗相關的開展互補的技術路線如圖1號和圖2所示。
圖1 CAE分析流程
圖2 CAE分析與相關試驗開展流程
仿真分析為什么這么重要？
a）安全
安全是汽車研發設計中非常關鍵的一環，無論是燃油汽車還是其它新能源汽車都避不開安全這個話題。
汽車安全包含的內容非常之廣泛，通常可以概括為主動安全與被動安全兩塊。而無論是主動、被動安全領域都有CAE技術的身影。主動安全領域更多的是涉及電子和軟件控制模塊，對控制模型的建立和程序的測試；而在被動安全領域則涉及到汽車碰撞、約束系統的設計開發、車身的性能優化、材料性能研究等等，這些方面均需要利用CAE技術進行仿真建模，不僅重要而且投入巨大。
展開 基于optistruct載荷傳遞路徑（TPA）仿真分析 ￥60
各傳遞路徑對響應點的路徑貢獻量
各傳遞路徑對響應點傳函的貢獻量
各傳遞路徑對響應點接附點作用力的貢獻量
各傳遞路徑對響應點接附點的剛度的貢獻量
查看其路徑貢獻可以看出，1130488T3、1142725T3和1130953T3為主要貢獻路徑。若假設將1130488T3貢獻去除50%，在28Hz下的聲學響應下降明顯。
本案例模型見收費內容部分，凡購買本案例的朋友，結合附件中的模型及相關操作說明在仿真操作上還有什么疑問可互相交流。
展開 設計仿真 | MSC Nastran 新增功能：一步法傳遞路徑分析及后處理
01
功能介紹
在NVH（噪聲、振動和聲音粗糙度）研究中，傳遞路徑分析（TPA）是一種的實驗和基于仿真的成熟技術被用于評估和排序結構或聲固耦合系統中不同結構傳輸路徑引起的噪聲和振動貢獻。傳遞路徑分析（TPA）涉及三個要素：
01
系統的振源（主動振動部件），如發動機、齒輪傳動或動力系統，或車輪懸架/底盤系統，激勵從這些源頭部件發出并傳遞到系統。
02
系統的無源部分，其中某些選定響應點或接受者的位置，可以是結構或聲學響應點（例如方向盤處的速度或乘客耳朵附近的聲壓）是值得關注的。
03
傳遞路徑，通常與所謂的連接點、接口點或連接點相關聯，將接受系統連接到激勵源系統。例如，發動機支架通常被選為診斷發動機產生的振動和噪音的傳遞路徑。傳遞路徑是表示振動能量流從界面或連接點到接收點的傳播路徑。
傳遞路徑分析（TPA）允許工程師通過接收側（無源側）界面點的力和振動來表示源激勵。接口/連接點的每個自由度 （DOF） 表示一條路徑，施加來自主動側（激勵側）的作用力。在大多數工程實踐中，只考慮了三個平移自由度，而忽略了三個旋轉自由度。來自單個路徑的接收點的響應構成來自該路徑的貢獻。
展開 共探商用車高質量發展路徑-海克斯康商用車仿真技術研討會
wx_fmt=jpeg&from=appmsg"></p><p><br></p><p class="ql-align-center"><br></p><p class="ql-align-center"><strong><em>海克斯康商用車仿真技術研討會</em></strong></p><p class="ql-align-center"><strong>探討商用車高質量發展路徑</strong></p><p><br></p><p class="ql-align-justify">海克斯康工業軟件 (MSC+Romax) 誠邀您參加2024年8月22日至23日在海克斯康大中華區總部（青島市華貫路885號）舉辦的海克斯康商用車仿真技術研討會，海克斯康設計仿真專家團隊將聚焦商用車設計開發以及仿真領域的最新技術發展和解決方案，為您帶來一場技術與干貨的分享。期待您的參會！</p><p class="ql-align-center"><img src="https://mmbiz.qpic.cn/mmbiz_png/RjvMLicLiaiaSXWpkFBIl4jPDlJHIw46ojAiavDFibTpIGwXia6oxrenng1FnMrdevsjmRC8icrHMLX1mOTh4E0Uf9kaQ/640?
展開 
市面上首個專用于漸進成形過程刀具路徑設計和模擬仿真的商用軟件包
C3P Software發布金屬漸進成形軟件包AI-Form ISF
市面上首個專用于漸進成形過程刀具路徑設計和模擬仿真的商用軟件包
【香港–2022年1月6日】– C3P Software, 業界首屈一指的CAX 和 PLM 解決方案的供應商，今天在此間正式發布AI-Form ISF -- 當今市面上首個用于漸進成形 (ISF) 刀具路徑設計和過程模擬的商業軟件包。
漸進成形是一種先進的復雜部件小批量制造的金屬成形工藝。與傳統的成形方法相比，漸進成形可以省去復雜的模具，這樣大大降低了制造成本和生產第一個成品零件的時間，在產品研發、原型機制造和小批量試制中有非常重大的意義。尤其在生產1 到 1,000 件之間的優勢更加明顯。
AI-FORM ISF包括兩個軟件模塊：刀具路徑設計AI-FORM ISF Toolpath和過程模擬AI-FORM ISF Simulation。 AI-FORM ISF Toolpath旨在創建、編輯和顯示 ISF刀具路徑。完全集成到AI-FORM用戶環境中，構建了從零件分析到特征評估，再到ISF刀具路徑設計、檢查和修改，最后到刀具路徑導出的完整解決方案。 AI-FORM ISF 軟件支持單點成形、雙點成形和雙面成形。刀具路徑設計方面軟件支持 Z-Level設計、連續螺旋線、多特征、多工序和多制程。
AI-FORM ISF Simulation 是路徑設計模塊的孿生姐妹。它基于AI-Form的FEM求解器，采用最新的CAE技術模擬ISF過程。 AI-Form ISF仿真包中包括多項突破性技術，從而大大降低了仿真計算時間和保證結果精度。例如，虛擬多工具技術可以將仿真時間加快10 倍以上而保持相同級別的精度。這樣，與傳統模擬方法相比，模擬時間從以天計算變成小時級別，從而真正走向工業應用。
展開 預測應力和變形、優化工藝參數，這款考慮掃描路徑的增材工藝仿真軟件都能幫你實現
為了解決質量的一致性與穩定性，面向增材制造3D打印的工藝模擬軟件近年得到了越來越多的應用，利用模擬仿真軟件可以對打印過程進行有針對性的調整、優化，減少試錯，降低成本，提升3D打印成功率和打印質量。
針對增材制造工藝仿真中工藝掃描模擬的要求，安世亞太和中科煜宸聯合開發了可
考慮掃描路徑的工藝仿真軟件AMProSim-DED
。
本文，小編將帶大家理解工藝掃描路徑對增材制造仿真精度的重要性，分享AMProSim-DED的優勢和特點，以及實際應用案例。
掃描路徑模擬為什么重要？
為了研究模擬掃描路徑對增材制造工藝仿真的重要性，對一圓環件分別進行逐層堆積與逐圈堆積的增材制造工藝仿真，對比其打印過程中的溫度、變形及應力的分布。
圖1.變形分布
打印結束后，逐層堆積與逐圈堆積兩種方案的工藝仿真，其最大變形相差約37%，最大應力相差17.5%，且逐圈堆積的變形及應力更小，而這與增材制造工藝分區掃描可以降低變形和應力的經驗趨勢是一致的，說明考慮工藝路徑可以獲得更好的工藝仿真精度。
圖2.應力分布
由此可見，在增材制造工藝仿真中，掃描路徑很關鍵，精細的路徑模擬可以極大提高仿真精度。而市場上的工藝仿真軟件無論采用固有應變算法，還是熱力耦合算法，大多數不考慮工藝掃描策略，而是逐層堆積，即使考慮工藝掃描策略，也過于簡單，或只能分區，或不能與工藝規劃數據提供接口， 無法真實模擬掃描路徑的影響。因此，需要進行考慮掃描策略的增材制造工藝仿真。
展開 【環境仿真專題第二講】使用TELEMAC-MASCARET研究英國諾福克和林肯郡海岸的疏浚對泥沙沉積和擴散路徑的影響
上周分享了環境仿真專題的第一個案例
這周第二個案例如期而至
圖文詳解 仿真思路更清晰
一起來學習吧
疏浚工程對人類社會經濟發展、環境改善的作用非常大，被廣泛應用于開港建池、港池清淤、維護航道水深、填海造陸、岸灘養護等水環境改善和生態恢復相關方面。
《環境仿真專題》第二講
使用TELEMAC-MASCARET研究英國諾福克和林肯郡海岸的疏浚對泥沙沉積和擴散路徑的影響
01
研究背景
在疏浚工程進行中時，泥沙的擴散和沉降會受到波浪、潮汐、海流等的影響，造成施工水域的泥沙濃度增高，懸浮的泥沙會隨水流進一步擴散，影響到水體中水生動植物的正常生長。
研究疏浚工程對水體的主要影響，一般通過實地觀測、物理模型和數值模擬三個方法。
隨著泥沙輸運理論的完善和各種相關數值軟件的穩定發展，使用數值模擬方法研究疏浚工程的影響逐漸成為一種非常重要的手段。
02
軟件介紹
TELEMAC-MASCARET是法國電力集團（EDF）的法國國立水利與環境實驗室開發的一款研究水動力學和水文學領域的高性能數值仿真開源軟件基于有限元法，使用不規則三角網格，讓復雜的海岸線和河口的描繪更為精確。
展開 