基于动态预警的人车共驾智能汽车侧向避障鲁棒控制

为提高人车共驾智能汽车侧向避障安全性,提出了基于动态避障预警的侧向避障鲁棒控制策略.针对汽车行驶前方汽车加速度和速度动态变化,建立汽车纵向安全距离模型,提出了基于临界纵向安全距离和碰撞时间倒数融合互补的多级预警算法.针对不同预警状态,根据驾驶员是否介入,对智能汽车进行相应控制,实现人车共驾智能汽车安全性;针对避障过程前后侧偏刚度参数动态摄动,提出了考虑参数动态摄动的鲁棒控制策略,以实现智能汽车侧向避障轨迹精准跟踪.搭建了Carsim与Simulink联合仿真平台,进行了所提控制策略仿真分析,结果表明:所提控制策略有效,实现了不同级别预警并能根据驾驶员动态介入而动态调整预警状态,若驾驶员对预警未介入直到四级预警,控制策略自动接管人车共驾智能汽车,进行侧向避障控制,提高了人车共驾智能汽车安全性和横摆稳定性.     

基于势场法的无人车局部动态避障路径规划算法

根据无人车动态实时避障的需求,提出一种基于人工势场法的局部避障路径规划算法,通过改进势场环境及势场力来解决传统势场法局部极小值和目标不可达的问题. 考虑车辆碰撞安全性,对侧向动态障碍物和同向动态障碍物工况进行分析,采用动态窗口法进行实时动态避障规划. 同时为保证规划路径的平滑性和可跟踪性,采用贝塞尔曲线对轨迹进行平滑处理. 最后,在CarSim和Matlab/Simulink 联合仿真平台下,对所提出的控制算法进行验证. 仿真结果表明了规划算法的避障有效性、安全性以及可跟踪性.      

一种新的考虑驾驶员疲劳的人机协同避障策略

人机协同驾驶系统在避障工况中， 针对驾驶员注意力不集中导致不能及时操控汽车的问题，设计一种考虑驾驶员特性的人机协同避障控制器. 以双驾双控人机共驾结构为基础，自动驾驶系统采用线性二次调节器（Linear Quadratic Regulator，LQR）控制车辆跟踪规划轨迹，基于最优预瞄侧向加速度建立驾驶员模型. 为了使驾驶权在避障过程中分配更加合理，使用驾驶模拟器采集疲劳驾驶数据训练BP神经网络来识别驾驶员疲劳操作行为，通过对空间碰撞危险度和驾驶员疲劳因子建模设计人机协同避障策略. 搭建Carsim、PreScan和 Simulink联合仿真平台进行高速工况下的避障仿真试验. 仿真结果表明，相较于传统方法，本文所提策略在静态障碍物避障过程中，侧向加速度、质心侧偏角和横摆角速度分别降低了8.9%、18.2%和11.1%，在动态障碍物避障过程中，相应的指标分别降低了51.5%、53.4%和50.6%，提高了车辆在避障过程中的稳定性.     

转向紧急避撞轨迹规划与模型预测跟踪控制

为了实现安全地转向紧急避撞,提出了一种限制侧向加速度的多项式轨迹规划方法。在确定规划起始和结束时间运动状态参数时,导出规划轨迹时间段内侧向加速度的表达式。为了提高转向避撞的车辆稳定性,设置一个侧向加速度峰值的限值,根据该限值下的加速度峰值方程式确定各种车速下的轨迹纵向末位置。其次,为在转向避撞时准确跟踪规划轨迹,采用多约束模型预测控制(MMPC)进行避撞轨迹跟踪。基于3自由度车辆动力学方程建立预测模型,同时考虑轮胎侧偏角、前轮转角及其增量作为稳定性约束。最后,进行3种车速下的Carsim/Simulink软件联合仿真,并与单约束模型预测控制(SMPC)进行对比。研究结果表明:MMPC最大横向跟踪误差不超过0.23 m,前轮转角无突变。车辆侧向加速度及轮胎侧偏角均在约束范围内,较好地实现了转向紧急避撞。与MMPC相比较,SMPC在80 km/h时轮胎侧偏角超过线性范围,车辆发生了侧滑。     

基于MPC的智能车辆路径规划与跟踪控制

针对在障碍物环境下的避障路径动态规划效果较差,以及在面对复杂工况和曲率较大的路况时,跟踪控制的效果仍然不理想等问题,本文以智能车辆为研究对象,提出了一种模型预测控制(MPC)结合人工势场(APF)算法的路径规划跟踪系统。将改进的势场模型函数引入到MPC的目标函数和约束中,设计了基于MPC和APF的避障路径动态规划器。。运用模糊控制对MPC的车辆横向路径跟踪控制器的权重系数进行优化。仿真结果表明：在干燥路面下,与MPC控制器相比,模糊MPC路径跟踪控制器的最大横向偏差减少19.14%。在湿润路面下,模糊MPC控制器最大横向偏差减少0.55 m。基于MATLAB/Simulink与Carsim软件搭建避障路径规划与跟踪控制联合仿真模型,选择动态障碍物不同速度进行障碍物路径动态规划及跟踪控制仿真试验。实验结果表明：跟踪规划路径过程中的最大横向偏差约为0.170 m,说明规划的避障路径能够安全有效地避开障碍物。     

机器人在时变环境中的运动规划

时变环境中的避障运动规划是当今智能机器人领域中的一个重要研究课题.木文根据运动状况可分解描述为路径轨迹和速度函数的思想,提出了解决运动规划问题的二层机制.上层是路径规划.即就工作环境中的静态障碍,规划一条避障的最短距离路径;下层是速度规划,其任务是选择机器人沿着已规划路径运动的速度(加速度),以保证它避免与动态障碍物相撞。     

拖挂式移动机器人的多约束避障轨迹规划

基于七次多项式曲线研究了拖挂式移动机器人多约束避障轨迹规划问题,建立了具有非完整约束特性拖挂式移动机器人的前向和后向运动学模型。在速度、加速度、急动度、曲率和曲率导数等多约束条件下,提出基于七次多项式曲线的避障轨迹规划方法。考虑平稳性、舒适性和交通效率等设计了优化目标函数,对七次多项式曲线参数进行优化。仿真结果表明,所提出的基于七次多项式曲线的避障轨迹规划方法,能够得到多约束条件下满足最优避障时间和最优避障距离的避障轨迹规划结果。     

无人驾驶汽车避障方法探析

无人驾驶汽车是依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶的智能汽车,它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。无人驾驶汽车对解决现存的交通驾驶问题和提升安全性具有重大的现实意义。国内外对无人驾驶车辆避障的研究成果,主要从对周围动态环境的探测、对路径轨迹的跟踪与预测以及行驶路径规划3个方面对避障过程进行分析研究,从而让未来的无人驾驶技术的发展更有无限可能性。     

一种子目标和水平集方法融合的AUV动态航路规划新算法

针对当前水下避障航路规划算法中障碍物模型偏理想化,易导致不能安全避障,且算法规划速度偏慢的难题,提出了一种基于子目标法和水平集方法的自主实时航路规划算法.算法基于AUV的前视声呐探测的障碍物部分轮廓信息,预估障碍物尺寸和中心位置,据此得出安全可靠的子目标点,再通过滚动的子目标法实现完全避障,通过水平集方法提升规划速度.仿真结果表明,提出的算法均能做到100%的避障,且避障后的航路性能质量比预先规划的全局最优航路的性能质量下降得很小:航路长度和航行时间的平均增加量均不超过5%.      

基于LQR的智能驾驶汽车横纵向控制研究

为了提高智能驾驶汽车跟踪控制器的稳定性和跟踪精度,提出了一种基于线性二次型调节器(LQR)控制算法和驾驶员预瞄模型的横向跟踪控制策略,结合纵向比例-积分-微分(PID)控制算法实现横纵向控制。首先建立带有前馈的LQR控制器,采用梯度下降优化算法优化LQR控制器权重参数,并在此基础上引入驾驶员预瞄模型,设计了基于经验的预瞄距离自适应控制器;其次建立双PID纵向控制器进行速度控制。最后通过Carsim和Matlab/Simulink联合仿真以及实车测试验证,结果表明：仿真工况下最大横向偏差小于0.035 m,最大航向偏差小于0.09 rad,实车测试工况下也能够良好遵循规划轨迹的整体趋势,速度跟踪效果良好且前轮转角与横摆角速度变化平稳。因此,该控制器能够保证较高精度且平稳的轨迹跟踪,在高速状态下更为明显。     

基于贝塞尔曲线的智能商用车换道避障轨迹规划

智能车辆的安全避障是实现自动驾驶技术的基础,针对智能商用车高速行驶中的避障问题,建立相应的避障策略,结合高速公路实际工况,对智能商用车的换道避障轨迹进行规划,分为路径规划与速度规划两方面。基于车辆的横向稳定性,结合鱼钩实验得到商用车高速转向时路径曲率的最大值,提出基于贝塞尔曲线的轨迹规划算法,对曲率进行约束,利用遗传算法选取最优避障路径。并基于车辆安全距离模型确定避障车速,规划出一条满足动力学约束以及瞬态侧翻阈值约束的避障轨迹,利用Trcksim软件对避障轨迹的可行性进行验证,结果表明智能商用车能够安全、高效的进行换道避障。     

多车环境下智能货车的紧急转向决策及轨迹规划

决策与规划是实现自动驾驶的关键技术,针对自动驾驶货车在紧急转向避障时需要考虑换道时目标车道的安全性和规划出最优避障轨迹的问题,采用将换道时左右车道上的车辆与自车的相对距离和换道的最小安全距离的差值分别建立模糊关系的方法,通过比较模糊规则推理设计的安全值,选择更安全的车道进行转向避障,为了迅速规划出最优避障轨迹,采用三阶贝塞尔曲线,通过设计4个控制点坐标形成避障曲线,为了防止转向时横向加速度过大导致货车发生侧翻和速度过快与前车发生碰撞,设计车辆的稳定性边界和碰撞边界对控制点进行约束,使用MATLAB中的函数求解出不同车速下的最优换道轨迹,最后使用仿真软件进行仿真验证,结果表明设计出的避障决策和轨迹规划可以安全、有效地避开障碍。     

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.     

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

越野地形下智能车辆的动力学建模与轨迹跟踪

提出一种越野地形下智能车辆的动力学建模与轨迹跟踪控制方法.针对越野地形建立了考虑路面倾角的智能车辆动力学模型,并推导了基于零力矩点的车辆侧倾安全约束.然后考虑上述车辆动力学模型及安全约束条件,设计了基于模型预测的智能车辆轨迹跟踪控制器.仿真试验表明该方法可以有效地适应复杂的越野地形,并能够在实现无碰撞轨迹的同时防止车辆发生侧翻危险.      

连续工况下基于PID+LQR算法的自动驾驶车辆横纵向耦合控制

为提高自动驾驶车辆的路径跟踪精度,针对自动驾驶车辆横纵向耦合控制问题,提出了带有前馈控制的PID+LQR联合控制策略。首先,利用二自由度车辆动力学构建路径跟踪误差数学模型,制定横纵向控制流程。随后,设计了用于横向控制的LQR控制器和用于纵向控制的PID控制器,将横纵向控制器进行整合,使得车辆在接收到决策规划系统给出的期望指令后可以进行跟踪行驶。借助CarSim和MATLAB/Simulink联合仿真平台,在连续工况下对该控制策略进行测试。结果表明,提出的横纵向耦合运动控制策略可以控制车辆沿着规划的轨迹行驶,且可将跟踪误差控制在较小的范围内。     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

面向无人驾驶的车辆协同换道轨迹规划研究

换道轨迹规划是无人驾驶车辆核心功能模块之一。传统换道轨迹模型研究场景简单,较少考虑车辆间的相互影响。为此,综合考虑换道过程中车辆之间的相互作用,结合车辆运动特性,引入换道安全控制参量——车间间距,建立考虑前方障碍车辆的多项式协同换道轨迹模型。基于换道安全考虑,采用矩形构建车辆模型分析换道过程中车辆的几何关系。以换道车辆的几何特征角点与前方障碍车辆车尾的相对位置关系建立安全约束方程。与现有多车换道轨迹规划方法相比,轨迹方程形式简单,求解方便,换道安全控制参量物理意义直观明确。仿真实验验证了换道轨迹模型的可行性与合理性,研究结果为无人驾驶多车安全换道轨迹规划研究提供探索性研究。