Al协同创新实验云是Al教学实验实训协同工具，涵盖真实行业项目的教学课程、授课教案、实验教学资源、硬件、平台等，可满足人工智能专业的学生了解行业真实案例中从起始阶段、细化阶段、构建阶段、业务环境、需求分析、技术架构选型等等各方面的项目细节，在线完成分类、建模、分析、可视化、结果输出等任务，并支持私有化部署和云端协同，帮助院校开展人工智能应用研发。

1. 痛点问题 随着自动驾驶技术的迅猛发展，特定场景下的自动驾驶技术应用成为现实。这对应用于特定场景自动驾驶车辆的制动系统提出了新的需求，传统制动系统为真空助力器，该产品依赖于发动机为助力器提供真空动力源，而应用于该领域的车辆大多为新能源电动车，取消了发动机，无法直接为车辆制动系统提供真空动力源，且不能配合电动车实现能量回收功能。另外，传统制动系统是纯机械部件，无法为该类特种车辆的智能化需求提供主动制动、辅助制动等功能。 2. 解决方案 本项目所研究的特种车用线控制动系统，是一种基于液压传递的全解耦线控制动系统。主要由电机、减速増扭机构（齿轮、丝杆、螺母）、制动主缸、前后壳体、踏板推杆、行程传感器、液压力传感器、电机控制器等组成。项目成果所涉及到的新型踏板行程传感器将踏板推杆的平动转化为传感器内部器件的转动，基于此，可以通过在推杆上设计不同曲率的沟槽，将传感器设计为非线性、线性以及不同的物理精度。所涉及的全解耦电子助力器，制动踏板推杆和制动主缸活塞之间无机械链接，属于智能制动执行器，满足特种自动驾驶车辆对制动系统主动制动的功能要求、取消了传统制动系统对发动机真空度的依赖、具备配合电动车实现制动能量回收的功能。 解耦原理：踏板推杆与制动总泵推杆之间无连接，制动系统的动作依靠电信号或者行程传感器信号进行控制实现。 工作原理：当驾驶员踩下制动踏板时，踏板推杆向前移动，推动行程传感器内部旋转件转动，传感器记录旋转部件的转角，根据推杆滑槽曲率计算出踏板推杆实际行程，识别驾驶员制动意图。通过电信号传递给系统控制器，控制器控制执行器电机动作，电机驱动丝杆和螺母，讲转动转化为平动，推动制动缸活塞建立液压制动力，作用在轮边制动盘上，产生制动力。 合作需求 寻求与特定场景自动驾驶、特种车辆线控底盘、智能轮边执行器等行业客户合作，解决行业痛点问题，共同推进特种场景下自动驾驶汽车发展。

Ø  成果简介：该研究方向主要针对传动系统操纵自动化的方向展开研究，取得了国内领先水平的成果，已成为活跃在军民车辆传动领域的一支重要研发力量，形成了独具特色的优势地位。目前承担着国家自然科学基金、国家863计划、国家高新工程以及国防基础研究在内的三十多项研究项目。进三年来获得了获教育部科技进步一等奖、国防科工委科技进步二等奖及北京理工大学科学技术进步奖多项，申请批准国家发明专利3项，发表高水平论文80多篇。主要研究内容： （1）自动变速器理论与控制技术。

该项目是863计划项目，现处于实验室研究阶段。项目成果受专利保护。 1、项目概述 本项目针对高速公路进出城路段交通拥堵严重、事故频发，以及高速公路监控系统和城市快速路监控系统各自为政、协同性差的普遍现象，构建了基于互联网的分布式交通特征信息共享平台，实现了不同监控系统的信息共享；借助信息共享平台，系统分析了结合部的动态交通特征，提出了适应不同交通条件的短时交通特征预测技术；采用分层递阶控制和神经网络控制的方法，研发了多匝道的协同控制系统软件，并实现了结合部道路交通系统的微观仿真。 2、技术创新点 在监控系统的信息共享研究方面，初步建立了交通特征信息共享的平台，其中对异构监控系统之间交通特征级信息共享的内容和模式进行了系统分析，对异构信息进行了融合处理，实现了特征级信息的发布。 在短时交通特征预测研究方面，已对京津塘高速公路及北京市快速环路监控系统的海量交通流实测数据进行了特征与关联分析，完成了短时交通特征的预测，并实现了交通拥挤的预判。 在结合部的协同控制方面，利用模糊神经网络的建模和学习方法，对高速公路多匝道控制系统算法进行设计，并进行了控制效果仿真。   3、能为产业解决的关键技术 （1）基于服务水平的特征级交通动态信息融合技术 针对目前高速公路和城市快速路监控系统所采集的交通流基础数据格式和像素级融合技术都有所不同，控制目标参数不统一的现实情况，项目提出的交通特征信息共享平台首先要处理现有高速公路和城市快速路服务水平判定标准不统一的问题，其次需要解决区域交通监控系统的特征级数据融合问题，寻求基于服务水平的动态信息融合技术和方法。 （2）交通特征信息共享平台的设计技术 针对集中式信息共享平台投资大、实施困难的缺点，提出采用成熟的互联网技术，以及分布式技术建立交通信息共享平台，为异构监控系统的信息共享模式提供了一种新的建设思路。不需要增加额外的硬件投资、操作方便，就现有的管理体制来说，也容易实现。 （3）基于关联分析和智能控制技术的短时交通特征预测模型 将时间序列理论与关联理论引入交通状态分析，并根据不同交通条件建立的短时交通预测模型，在很大程度上提高了预测方法的实时性、准确性和可靠性，有利于预测技术的应用和推广。 （4）高速公路和城市快速路结合部实现协同控制的关键技术 基于区域道路交通网络动态信息采集系统数据资源的综合利用与共享，在交通服务水平判定技术的支持下，运用系统论、控制论的思想以及智能交通系统工程的理论方法，实现高速公路和城市快速路结合部的协同控制。 4、相关的行业发展水平，以及同类技术产品或成果比较 目前，我国已建设的交通信息系统中，各子系统基本上是作为一个个分支存在的，不仅子系统自身的数据尚未实现充分融合，集成度很低，而且系统之间存在行政分割问题，异构情况严重；在信息共享平台设计上，大都采用集中式为主，需要新建一个监控总中心，投资大，操作困难。 与本项目所提出的预测思路及预测方法相比，现有预测方法的适用性方面还存在不少缺陷。 目前，我国高速公路和城市快速路交通控制所采取的区域控制策略尚未形成较成熟的控制模式，高速公路和城市快速路的协同控制模式更是处于起步阶段，尚未形成成熟的技术产品。 应用范围： 本课题针对的主要对象是高速公路与城市快速路的结合部，课题研究成果不仅充分利用了现有的道路监控系统硬件资源，节省了建设成本，而且可以满足结合部的交通控制与管理需要，具有较强的应用和推广价值。在实际的应用和推广中，还需进一步扩充和细化协同控制目标，优化大范围内的多匝道协同控制模型及其算法，并对具体的控制策略和控制设施进行详细设计，以提升协同控制的实际效果。 预期效果： 运用系统论和其他相关领域研究的最新成果，探索建立区域高速公路和城市快速路交通信息共享平台的新思路和新方法，并在系统平台的基础上研究协同控制的策略和方法，并形成整套协同控制系统算法和软件。在实践中，研究成果能够得到较好的应用，并且能够部分解决高速公路和城市快速路结合部的交通问题。

北京理工大学多智能体协同控制实验平台功能 • 无人机姿态控制 根据用户需求，自定义需要捕捉的部位，利用NOKOV精确捕捉运动物体的位置及姿态等三维数据。 • 无人机/无人车动态角色分配 根据NOKOV实时反馈的位置信息，使出现在随机位置的多智能体，以最短路径形成理想编队队形，为其他多智能体协同控制实验提供了基础。 • 空地协同编队、自主避障与跟随 由于设备的可拓展性，用户可随意增减目标数量，通过在软件内对目标进行命名等操作，来完成对大批量运动体的同时捕捉。 NOKOV（度量）光学三维动作捕捉系统功能 • 六自由度动作捕捉数据 采集三维空间XYZ坐标、六自由度（6Dof）、偏航角（Yaw）、横摇角（Roll）、俯仰角（Pitch）、欧拉角等数据，为无人机的位姿控制、运动规划提供连贯、流畅的动作数据基础。 • 亚毫米的定位精度 与采用GPS、航迹推算、全局摄像头、UWB等定位方法的实验平台相比，该平台的精度大大提高，可达亚毫米级。 • 丰富的二次开发接口 采集到的数据可以以VRPN形式传输，或通过SDK（C++语言）端口广播与ROS、Labview、Matlab（包含Simulink）等软件通信进行二次开发。 • 软件具有一键建立刚体功能，大幅提高工作效率