自適應遠光控制的案例
ADB 自適應遠光燈系統
隨著機器視覺、復雜傳感以及陣列光源等技術的發展，以及市場對智能駕駛輔助功能的需求，自適應遠光系統—— ADB（Adaptive Driving Beam）應運而生。ADB是一種能夠根據路況自適應變換遠光光型的智能遠光控制系統。根據本車行駛狀態、環境狀態以及道路車輛狀態，ADB系統自動為駕駛員開啟或退出遠光。同時，根據車輛前方視野中的車輛位置，自適應變換遠光光型，以避免對其他道路使用者造成眩目。
相比于傳統遠光，ADB采用智能控制替換手動切換，使燈光控制更加方便、舒適；同時，防眩目的光型變換替換了遠近光切換，在保障道路行駛安全的基礎上，擴大了視野照明。
系統組成
通常ADB系統由前視主動安全攝像頭（Forward Active Safety Camera，FAS-Cam）、大燈控制器（Headlamp Control Module，HCM）、光源模組驅動器、光源模組、傳輸線等幾部分組成。目前ADB 的主要光源為LED，因此光源模組驅動器即LED驅動模塊（LED Driver Module，LDM）。
展開 自適應巡航控制系統
【免責聲明】文章為作者個人觀點，不代表EDC電驅未來立場。
如因作品內容、版權等存在問題，請于本文布30日內聯系EDC電驅未來進行刪除或洽談版權使用事宜。
自適應前照燈控制系統
概述
自適應前照燈控制系統（Adaptive Front-lighting System，簡稱AFS）是一種智能燈光調節系統。通過感知駕駛員操作、車輛行駛狀態、路面變化以及天氣環境等信息，AFS 自動控制前照燈實時進行上下、左右照明角度的調整， 為駕駛員提供良好的道路照明效果。
經緯恒潤作為AFS控制系統供應商，已經成功為包括通用（GM）、上海通用（SGM）、長城、上汽、北汽、廣汽、一汽在內的多家國內外客戶進行了AFS控制系統的配套。
系統功能
自適應前照燈控制系統能夠顯著改善各種路況下的照明效果，提高行車安全。
虛線表示無動態調光的光照角度
上下調節功能 左右調節功能
系統組成
乘用車的自適應前照燈控制系統由主控制器單元、左/右旋轉執行器、左/右調光電機、前/后車身高度傳感器組成。
AFS 系統（上下左右調節功能）
ALS 系統（上下調節功能）
配套客戶
展開 270 基于matlab的模糊自適應PID控制 ￥65
基于matlab的模糊自適應PID控制，具有10頁報告。傳統PID在對象變化時，控制器的參數難以自動調整。將模糊控制與PID控制結合，利用模糊推理方法實現對PID參數的在線自整定。使控制器具有較好的自適應性。使用MATLAB對系統進行仿真，結果表明系統的動態性能得到了提高。程序已調通，可直接運行。
制動和轉向自適應控制下的智能駕駛系統
目前正在針對以下挑戰進行深入研究：
– 確定可以并希望通過控制系統確定汽車特性的區域
– 為給定的智能汽車家族組裝最佳的主動系統產品組合
– 針對給定的智能汽車電子架構設計機箱控制功能，以應對復雜性
對于所有主機廠來說，全面的車輛動力學控制協調概念的目標還有很長的路要走。盡管如此，有關目標仍存在一致意見。
在正常情況下，底盤控制應提供最大的舒適度和娛樂性。主機廠擁有創建個人汽車角色的所有自由。在處于摩擦極限的臨界情況下，每個可用的執行器都將起作用，自適應的主動底盤控制將幫助駕駛員避免發生意外。
展開 基于MATLAB/Simulink 機器人魯棒自適應控制系統仿真研究
基于MATLAB/Simulink 機器人魯棒自適應控制系統仿真研究
高道祥，薛定宇
（東北大學教育部暨遼寧省流程工業綜合自動化重點實驗室，沈陽 110004）
摘 要：介紹了一種在MATLAB/Simulink 環境下進行機器人魯棒自適應控制系統仿真的方法，利
用Matlab 軟件強大的數值運算功能，將系統模型用Matlab 語言編寫成M-Function（或S-Function）
文件，通過User-Defined-Function 模塊嵌入到Simulink 仿真環境中，可以充分發揮Simulink 模塊
實時的動態仿真功能，簡化仿真模型的設計，修改和調整。基于M-Function 建立機器人系統模型
的方法可以推廣到其他復雜控制系統的建模，SimMechanics 在建立多自由度連桿機器人受控對象
仿真模型時，簡單可靠。
關鍵詞：機器人；Matlab/Simulink；SimMechanics；仿真；魯棒自適應控制
中圖分類號：TP391.9 文獻標識碼：A 文章編號：1004-731X (2006) 07-2022-04
基于MATLABSimulink機器人魯棒自適應控制系統仿真研究.pdf
展開 ABAQUS顯式ALE自適應網格控制選項卡參數意義與設置
ABAQUS/Explicit中采用自適應網格ALE調整網格時，選項卡ALE Adaptive Mesh Controls中的參數很多，下文總結了各個參數的含義及使用范圍，希望能幫助大家。
1） priority參數設置：
是指網格梯度控制（是否保持初始網格梯度，若需要保持初始網格梯度，則對網格的質量將會有影響）。
?
對于拉格朗日問題選擇Improve aspect ratio，在計算過程中將考慮到網格單元高寬比的改善，不考慮對初始網格梯度的保持。
?
對于歐拉問題選擇：Preserve initial mesh grading，在計算過程中保證初始的網格梯度，但不會考慮到網格寬高比的改善。
2） smoothing algorithm 參數設置：
?
Use enhanced algorithm based on evolving element geometry主要是在幾何學的方面對我們定義的網格sweep算法（前面提到的三種算法）進行增強，目的是為了保證adaptive remesh過程的健壯性，為推薦選項，選它就行了
?
conventional smoothing利用我們定義好的算法進行計算，無幾何增強。
3） Meshing predictor參數設置
是網格節點位置控制（理想的網格節點位置控制，將會減少需要的網格sweeps次數，減少資源浪費）
?
對于拉格朗日問題選擇Current deformed position；
?
對于歐拉問題選擇Position from previous adaptive mesh increment。
4） Curvature refinement參數設置
是曲率較大的曲線曲面邊界的網格密度控制，默認為1，該值越大，則圓角區的網格密度也就會越大，比較簡單。
展開 MBSE建模語言學習：ARCADIA和SysML方法在自適應巡航控制系統架構建模中的對比
在自適應巡航控制系統（ACC）中，我們可能已經知道系統所期望的能力是“保持目標車輛的速度”和“保持與領先車輛的恒定差距”。然而，在決定開發ACC之前，可以考慮高層級的運行能力，例如“在高速公路上行駛時提供幫助”，以便探索類似自適應巡航控制的備選方案。基于此，可以定義系統行為的系統級任務和能力。
圖3. 在SMW中使用集成的Teamcenter環境進行需求跟蹤
描述運行活動和能力場景
一種運行能力可以用多種運行場景來描述。運行場景用于定義每個參與者和實體在場景中要執行的活動及其交互順序。或者，可以通過運行活動交互圖（OAIB）來描述能力，以表示特定能力的交互，而不暫時考慮給參與者和實體分配。
圖4. 運行活動交互
定義運行模式和狀態
運行實體或參與者可以具有各種狀態和模式，這些狀態和模式可以由模式和狀態機圖（MSM）來描述。Capella/SMW提供不同的模型元素的模式和狀態，來表示模式和狀態，而在SysML中，只能使用狀態元素對狀態或模式進行建模。
在ACC的示例中，車輛系統充當ACC系統的參與者，因為它將考慮“驅動”和“人機界面”功能，而“傳感”和“決策”功能將由ACC系統執行。這是因為系統架構師僅從ACC架構師的角色出發。同時，車輛架構師可能負責為整車及其負責執行ACC運行的子系統開發系統架構。
圖5. 車輛系統狀態圖
將活動分配給運行參與者和實體
運行分析階段的主要輸出之一是描述預期系統運行架構的運行架構圖（OAB）。在圖6中，對駕駛員、車輛系統及其實體和環境進行建模，其中包括主要參與者和將發生相互作用以實現預期目標的實體，并對其各自的活動進行了定義和分配。
圖6.
展開 