基于回旋曲线的垂直泊车轨迹规划与跟踪控制

为了提高复杂狭窄环境下的垂直泊车便捷性和安全性,提出一种基于回旋曲线的垂直泊车轨迹规划与跟踪控制方法.首先,将垂直泊车轨迹规划问题解耦成路径规划问题和速度规划问题,并基于回旋曲线规划曲率连续的垂直泊车路径,以及基于五次多项式曲线规划垂直泊车速度.随后,将垂直泊车轨迹跟踪控制问题解耦成垂直泊车路径跟踪控制问题和垂直泊车速度跟踪控制问题,并基于Euclid Math OneLA@_2增益控制理论和预估模型设计非时间参考泊车路径跟踪Euclid Math OneLA@_2增益控制律,以及基于PID控制设计垂直泊车速度跟踪控制律.最后,结合硬件在环试验平台对所提出方法的可行性和有效性进行验证.结果表明:所提出的垂直泊车轨迹规划方法得到的泊车路径曲率是连续的,且所提出的垂直泊车轨迹跟踪控制方法在泊车位宽度与车辆宽度之差大于0.655 m时可以安全、精确地引导车辆停放在泊车位.     

多项式曲线优化的垂直泊车路径规划与跟踪

为提高复杂环境下自动垂直泊车的安全性和成功率,提出一种基于多项式曲线优化的垂直泊车路径规划方法和跟踪控制策略.首先,基于直线-圆弧路径下逆向泊车的方法,计算垂直泊车可行起始点范围.其次,综合考虑车辆位置结构和道路边界约束,以多项式为基函数、泊车终点姿态角最小为目标,建立多约束非线性规划路径函数模型,利用粒子群算法求解垂直泊车路径.最后,结合模糊神经网络控制方法,设计路径跟踪控制器.构建Simulink/CarSim仿真模型,对所提路径规划方法和跟踪策略进行仿真,结果验证了所提泊车路径规划和跟踪控制策略的可行性和有效性.     

非平行初始状态自动泊车轨迹生成方法

研究车身姿态非平行初始状态下的自动泊车系统轨迹生成方法。 结合车辆运动学模型和融合动力学约束条件,分析泊车过程车辆运动路径;利用图像信息匹配车身初始姿态,最后基于全局规划生成由三段圆弧构成的完整泊车轨迹。 与传统最小半径轨迹生成法进行对比表明非平行初始状态轨迹生成算法具有更强的鲁棒性。 实车试验结果表明,车辆初始姿态角在±15°范围内,6.0 m×2.3 m车位环境下,文中算法泊车成功率达到90%。      

线控四轮转向汽车平行泊车路径规划与跟踪控制

针对线控四轮转向汽车平行泊车路径规划与跟踪控制问题,提出一种基于改进粒子群优化算法的平行泊车路径规划方法和一种基于前馈控制和反馈控制的平行泊车路径跟踪控制策略.首先,综合考虑线控四轮转向汽车运动学非完整约束、动力和转向子系统的过程约束和边界约束、避障约束、泊车初始位姿和目标位姿约束,建立以最小化泊车过程总时长为目标的平行泊车路径规划约束最优化问题,并采用可以处理等式约束和不等式约束的粒子群优化算法对其进行求解,得到最优平行泊车路径.随后,利用平行泊车路径规划过程得到的车轮转向角作为前馈控制量,并利用汽车实际位姿与期望位姿的偏差构建PI反馈控制量,实现对规划的平行泊车路径快速、精确和稳定的跟踪控制.最后,利用车辆动力学仿真软件构建模型在环仿真系统,验证所提出方法的可行性和有效性.结果表明:所提出的方法可以快速、精确和稳定地引导线控四轮转向汽车自动完成平行泊车任务.     

基于线性扩张状态观测器的平行泊车路径跟踪

为了消除外界干扰和转向系统运动学模型的不确定性的影响,建立了平行泊车系统的车辆运动学模型,设计了一个三阶线性扩张状态观测器,该观测器可将外界干扰和模型不确定性看作系统总的扰动量进行观测和补偿,而不需要建立被控对象的精确数学模型.基于该观测器,设计了平行泊车路径跟踪控制器,并对其性能进行了仿真和实车验证.仿真结果表明,所设计的平行泊车路径跟踪控制器的控制效果优于传统PID控制器,抗外界干扰能力更强.实车试验结果表明,该路径跟踪控制器能够精确控制车辆完成平行泊车任务,最大误差仅为0.111 m.     

一种基于环视相机的自动泊车方法

针对泊车摄像头视场有限的问题,提出了一种基于环视相机的自动泊车方法.采用4个鱼眼摄像头,构建了一种环绕车身360°的实时视觉泊车辅助系统,用于停车位的实时检测和识别.首先,运用多项式鱼眼校正模型校正失真图像,用Levenberg-Marquardt算法求得最优的缝隙拼接方向并合成环视图;其次,采用Radon变换提取停车位特征识别停车位;最后,使用基于双圆弧的路径规划算法和基于预瞄点的改进PID路径跟踪算法,实现自动泊车.实验表明,该方法具有较高的检测精度和鲁棒性.     

智能车辆轨迹跟踪控制方法研究

针对智能车辆的轨迹跟踪控制问题,提出了一种可以调节参数的智能车辆轨迹跟踪控制方法.首先,设计了模糊控制器对智能车辆进行路径跟踪控制;其次,为了提高车辆在高速下的路径跟踪效果,设计模型预测控制器,并结合轮胎的动力学特性及车辆动态特性对轮胎侧偏角、质心侧偏角等进行约束;然后,为了提高车辆在不同工况下的路径跟踪效果,进一步设计了基于PSO算法的模型预测控制器.比较三种控制器的控制效果,选择典型工况在联合仿真平台上进行仿真.结果表明,提出的智能车辆的轨迹跟踪控制方法可以有效地对车辆轨迹进行跟踪.     

不同轴距车辆路径跟踪研究

针对不同轴距车辆路径跟踪鲁棒性,提出了基于滑模自抗扰控制的平行泊车路径跟踪算法.该算法利用线性滑模控制设计自抗扰控制律中的误差反馈环节,改善了自抗扰控制器的结构,能适用于不同轴距车辆.线性自抗扰控制器能够观测和补偿由于不同车辆轴距引起的不确定性和车辆受到的外界干扰.在假定低车速和小侧偏角情况下,控制器的设计考虑非线性运动学模型及运动学约束.仿真结果表明,基于滑模自抗扰控制的路径跟踪控制算法能够将不确定性部分观测出来并且补偿掉,保证了不同轴距车辆很好地跟踪规划的理想泊车轨迹.     

基于快速终端滑模状态观测器 的车轮滑移率跟踪控制

针对自动驾驶电动汽车对车轮滑移率跟踪控制的需求,提出一种基于快速终端滑模状态观测器的全状态反馈车轮滑移率跟踪控制器.首先,以车轮制动力矩导数为控制输入,建立车轮滑移率跟踪控制模型,避免车轮滑移率跟踪控制器设计过程中引入不连续项对系统稳定性和控制性能的影响.随后,利用有限时间稳定和快速终端滑模控制理论设计具有有限时间收敛特性的快速终端滑模状态观测器,实时观测未知的系统状态信息.以此为基础,采用模块化思想独立设计快速终端滑模跟踪控制律,实现车轮滑移率的连续、快速的跟踪控制.最后,结合车辆动力学仿真软件建立模型在环测试系统,仿真验证本文提出的车轮滑移率跟踪控制器的可行性和有效性.     

基于模糊算法垂直泊车转向控制策略的研究

为提高自动泊车的精度和安全性,分析了垂直泊车的运动特性,以车辆的初始位置及泊车过程中的转向角控制为关键参数,建立了自动垂直泊车的运动模型.在Simulink环境中建立了基于模糊算法的垂直泊车转向控制仿真模型,生成了模糊规则,分析了车辆初始位置、初始角度、初始运动速度对车辆运动轨迹的影响.仿真结果显示,改变初始坐标及初始角度都会影响自动垂直泊车入库效果,确定了一次性顺利入库的最小初始位置,该数值可用来设计最紧凑停车库.该模糊算法控制灵敏且无超调.     

考虑横向稳定性的智能车辆路径跟踪控制

对于智能车辆的路径跟踪,传统位置偏差控制方法往往忽略了车辆的动态稳定性.针对这一问题提出一种考虑横向稳定性的智能车辆路径跟踪控制方法.首先建立二自由度车辆动力学模型和路径跟踪误差模型,综合考虑车辆位置偏差和车辆动力学状态,利用基于反馈优势的反推法(FDB)生成期望横摆角速度;然后基于线性二次型跟踪器(LQT)设计了主动前轮转向(AFS)和直接横摆力矩控制(DYC)的集成控制策略,得到了理想的控制输入(前轮转角和外部横摆力矩),进而实现精确跟踪期望横摆角速度和质心侧偏角;最后在Simulink仿真环境中对提出的控制方法进行验证.结果表明:提出的控制方法在路径跟踪的同时具有很好的横向稳定性能;相比于不考虑横向稳定性的控制方法,提出的方法在路径跟踪过程中跟踪精度更高,车辆的质心侧偏角更小,横摆角速度也能更好的跟踪期望值.     

基于机器视觉和模糊控制的自动泊车

针对自动泊车应用中车位搜索和车辆位置获取困难的问题,提出了一种在环境信息未知的情况下,通过机器视觉进行车位搜索和车身位置获取的方法,避免了传统方法中利用超声波检测车位时左右两边必须有车的弊端.在建立并分析车辆动力学模型的基础上,设计了模糊控制器,并在模糊规则相对较少的情况下,实现了自动泊车控制.为进一步缩短泊车时间,设计了基于遗传算法的优化策略,进一步改进模糊控制器.数值仿真结果验证了所提控制算法的有效性.     

结构非线性屈曲分析的有限元降阶方法

基于Koiter的初始后屈曲理论以及Newton法的增量迭代技术,提出了一种能够自动跟踪非线性平衡路径的降阶方法.降阶模型中摄动载荷以及主路径上变形位移的引入使摄动展开能够在平衡路径上的任意一点处进行;在每个摄动步中将求解降阶模型得到的非线性解作为结构响应的初始预测,然后采用有限元模型计算的残余力对解进行修正,最后以修正后的解作为下一个摄动步的已知展开点,并通过更新降阶模型来反映当前结构刚度的变化.算例分析表明,该方法不仅具有很高的非线性分析精度,而且需要计算的线性方程组(阶数与有限元全模型阶数相当)的数目远小于常规的非线性有限单元法.     

非完整轮式移动机器人轨迹跟踪控制研究

根据机器人的运动学模型 ,对具有非完整特性的移动机器人轨迹跟踪控制进行了研究 .采用基于积分backstepping时变状态反馈方法 ,引入具有双曲正切特性的虚拟反馈量 ,设计机器人轨迹跟踪控制算法 ,并且利用Lyapunov方法证明系统的全局稳定性 .考虑到机器人的动力学约束 ,控制律中引入机器人系统速度、加速度受限策略以保证机器人运动平滑 .仿真证明该算法具有快速、精确、全局稳定的良好特性     

基于驾驶员行为的神经网络无人驾驶控制

针对铰接式自卸车的转向特性,提出了一种基于驾驶员行为的神经网络无人驾驶控制方法.建立了以激光雷达、角度传感器为主要环境信息的采集系统,通过分析铰接式车辆转向特征建立铰接式自卸车运动学模型和动力学模型,利用ADAMS动力学软件建立车辆动力学模型并进行车辆稳态测试.建立基于最优预瞄控制的人工神经网络控制算法的驾驶员模型,通过ADAMS-Matlab/Simulink联合仿真验证模型.最后搭建真实巷道环境进行直线路段回正实验和曲线路径跟踪实验,结果显示,该控制模型在变曲率路段中,横向位置偏差小于可通过路径宽度的10%,航向角偏差优化90%,表明该神经网络驾驶员控制模型收敛速度快,稳态特性好,具有良好的无人驾驶能力.     

车辆轨迹的预瞄与模糊分数阶比例-积分-微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶PID控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,本文所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

自主车辆线性时变模型预测路径跟踪控制

为提高自主车辆路径跟踪控制的实时性和鲁棒性,研究一种线性时变模型预测路径跟踪控制方法.建立用于控制器仿真验证的纵向侧向二维车辆非线性动力学模型;从二轮三自由度模型出发,推导出线性时变路径跟踪预测模型;引入向量松弛因子解决优化求解过程中硬约束导致的控制算法非可行解问题,基于模型预测控制理论将路径跟踪控制算法转化为带软约束的在线二次规划问题;最后通过Matlab/Simulink实现车辆动力学建模和控制器设计,双移线工况仿真结果表明,所设计的控制器能够适应不同车速、不同设计参数的鲁棒性要求.     

自动驾驶车辆路径跟踪控制方法研究

路径跟踪控制是自动驾驶车辆关键技术的一个重要环节,主要研究如何控制关键的参数使得自动驾驶车辆稳定无偏差地沿着已经规划好的路径行驶。本文介绍了常用的一些控制方法,并分析了其在自动驾驶汽车路径跟踪方面的研究应用,指出将多种算法相结合、改善模型动力学约束的完整性等会使路径跟踪的效果更精准的研究。     

自动转向滑模变结构控制参数选取方法

建立了基于车辆动力学模型的车辆-道路系统模型,通过线性变换,得到了用横向位置偏差和方向偏差描述的系统状态方程.采用滑模变结构控制理论,设计了基于指数趋近律的自动转向控制算法.分析了趋近律函数的指数趋近项参数和等速趋近项参数对系统输出的影响,并基于侧向加速度的要求提出了参数选取方法.仿真结果表明,根据提出的参数选取方法设计的控制算法在高速路径跟踪时,具有良好的道路跟踪精度及动态性能.     

采用变时域模型预测的车辆路径跟踪控制方法

为了解决自动驾驶车辆变速行驶时模型预测路径跟踪控制器的可靠性问题,提出一种变预测时域自适应路径跟踪控制方法.首先,推导简化后适用于仿真验证的车辆三自由度动力学模型,引入松弛因子以避免求解过程中出现非可行解,并将跟踪控制转化为二次规划求解问题;然后,确定模型预测控制器的重要设计参数,分析车速和预测时域的变化关系,拟合预测时域与车速的函数曲线,设计一种变时域自适应路径跟踪控制器;最后,搭建Carsim/Matlab/Simulink联合仿真平台进行验证.结果表明:变时域自适应路径跟踪控制器能够随着车速变化实时更新预测时域,可保证车辆具有较好的跟踪精度和稳定性.