低速无人驾驶车辆双向行驶控制方法

针对无人驾驶车辆在复杂景区场景低速双向行驶的问题,概述了正向行驶的运动学模型及其跟踪结果,并且在分析车辆倒车运动学模型的基础上,提出一种基于模型预测控制理论的无人驾驶车辆双向轨迹跟踪控制方法。对该双向轨迹跟踪控制方法使用MATLAB工具进行仿真,并在实车上进行验证。结果表明,该方法可以保证无人驾驶车辆稳定地进行双向跟踪参考轨迹行驶。     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

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。     

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。     

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.     

无模型坐标补偿积分滑模约束的自动驾驶汽车轨迹跟踪控制

为了解决四轮自动驾驶汽车轨迹跟踪的复杂控制问题，提出一种新的全格式无模型自适应坐标补偿积分滑模约束控制方案。控制方案只需要自动驾驶车辆轨迹跟踪的I/O数据，不涉及车辆模型信息，即前轮转角输入数据和车辆横摆角输出数据。因此，该方案对于不同车型均能实现轨迹跟踪控制。在轨迹跟踪过程中只针对车辆横摆角进行控制易造成跟踪轨迹偏差，本文在全格式无模型自适应控制的基础上加入坐标补偿算法；为了提高系统在运行过程中的鲁棒性，加入积分滑模控制；为了应对在滑模控制过程中系统运行在饱和区域，设计了动态补偿，使轨迹跟踪系统运行在滑模控制的线性区域。最后，对无模型自适应积分滑模约束控制方案、原型无模型自适应控制算法和PID算法进行仿真比较。仿真结果表明，所提算法比传统控制方法具有更好的控制性能，跟踪波动误差在0.09%以内，稳定时间在0.5 s以内，跟踪曲线平滑。     

自动驾驶车辆轨迹跟踪横向偏差影响因素研究

车辆轨迹跟踪精度是目前智能驾驶技术发展的瓶颈问题之一.影响车辆轨迹跟踪精度的因素很多,从模型离散化处理参数-采样时间间隔和初始航向角入手,研究对自动驾驶车辆的轨迹跟踪精度影响规律.采用车辆二自由度动力学模型,基于模型预测控制算法(the model predictive control,MPC)控制车辆进行轨迹跟踪.仿真结果表明,采样时间间隔对轨迹跟踪横向偏差影响较大,而航向角对跟踪偏差影响较小.     

考虑操纵稳定性的自动驾驶汽车轨迹综合优化方法

针对自动驾驶汽车在局部轨迹规划上对车辆操纵稳定性考虑不足、对车辆模型过度简化和缺少对车辆舒适性客观评价的问题,建立了考虑车辆操纵稳定性的车辆三自由度模型,模拟自动驾驶汽车换道场景,根据输入车轮转角得到输出的换道轨迹,运算得到车辆换道行驶参数化方程和行驶轨迹特征.运用BP神经网络对行驶轨迹特征进行识别,得到自动驾驶汽车换道持续时间和横向偏移距离所对应的车轮转角变化关系.在不同换道车速下,根据不同换道持续时间和横向偏移距离,输入车轮转角得到换道优化轨迹簇和操纵稳定性参数.在只考虑行驶效率和安全的常规轨迹优化方法的基础上,构建轨迹综合优化目标函数,考虑表征车辆换道过程舒适性和操纵稳定性的(横摆、侧倾、侧向)加速度变化率均值,提出一种基于行驶效率、安全性、舒适性和操纵稳定性的轨迹综合优化方法.对轨迹综合优化目标函数进行求解得到最优换道行驶轨迹,联合仿真结果表明该方法优于常规轨迹优化方法且舒适性、操纵稳定性改善达20%以上.     

四轮独立转向无人车辆斜向行驶轨迹跟踪控制方法

针对四轮独立转向电动汽车转向系统成本高、但功能开发程度低的问题,提出一种车辆斜向行驶控制策略,优化四轮独立转向电动汽车换道过程中的行驶稳定性. 基于四轮独立转向电动汽车横向、纵向二自由度车辆模型,提出一种横纵向耦合轨迹跟踪控制方法,该方法基于线性时变模型采用模型预测控制（MPC）算法,对横向偏差、航向角偏差及纵向速度偏差进行闭环控制. 设计车辆稳定性控制器,包括横摆力矩控制器和转矩分配控制器,同时提高车辆轨迹跟踪精度和行驶稳定性. 最后搭建Simulink/Carsim/Prescan联合仿真平台,对四轮独立转向电动汽车双移线工况进行模拟换道仿真,仿真结果证明了斜向变道的可行性和横纵向耦合轨迹跟踪控制方法的有效性.      

紧急避让路径跟踪自抗扰控制

自动紧急避让作为一种辅助驾驶系统,能够提高汽车行驶的安全性.为了提高不同质量参数、不同轴距车辆路径跟踪性能,以二自由度车辆模型为基础,设计二阶自抗扰控制器.车辆模型参数变化可以通过三阶扩张状态观测器进行观测和补偿.针对避让过程存在侧向加速度过大或产生阶跃、曲率不连续问题,引入三次B样条曲线对避让路径进行再规划.采用软件Carsim与Simulink联合仿真方法进行控制器性能验证.仿真结果表明,基于自抗扰方法设计的紧急避让路径跟踪控制器能够保证不同车型车辆很好地跟踪规划的轨迹,保证车辆稳定性.     

自动驾驶车辆的变步长路径跟踪控制

为提高自动驾驶车辆路径跟踪控制的稳定性并保证实时性,设计变步长模型预测控制器.通过变步长对预测时域进行分级,引入道路曲率及侧偏角约束,采用CVXGEN进行优化求解.通过Carsim和Matlab/Simulink联合仿真,对文中方法进行验证.结果表明:变步长模型预测控制器既能保证较好的跟踪效果,又能确保车辆行驶的稳定性.     

基于支持向量机的汽车转向与换道行为识别

汽车驾驶行为是影响燃油消耗和安全驾驶的重要因素,驾驶行为识别是对汽车安全驾驶和节能进行优化的基础。该文针对汽车转向和换道行为,通过加装汽车转向盘转角传感器,结合车载总线通信技术获取汽车行驶状态信息,基于汽车转向运动学推导车辆行驶状态与汽车行驶轨迹之间的映射关系,进一步建立汽车行驶方向向量模型,提出以车身轴线转角和最大转向盘转角为特征量的支持向量机线性分类器,并运用Lagrange数乘法和二次规划算法求解该最优分类问题。通过设计实车实验验证了该方法的有效性。实验结果表明:该方法识别汽车的转向与换道驾驶行为的准确度达98%以上。该技术可用于汽车行驶安全预警与控制系统,提升行驶安全。     

考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。     

智能四驱电动汽车预测节能控制研究

针对智能四驱电动汽车,利用前方道路地形信息,采用模型预测控制方法,基于转矩控制分配,进行预测节能控制研究.为了降低优化算法的维数,研究全工况下的车轮转矩控制分配方法;基于最优转矩分配系数,采用动态规划算法求解模型预测控制问题,确定给定路径上的最优速度轨迹,并分析优化变量间的影响关系.仿真结果表明,所研究的预测节能控制方法可以有效降低车辆行驶路程上的能量消耗,其中速度优化具有主要作用.     

智能车辆路径跟踪与稳定性的模型预测控制

为了改善车辆在路径跟踪时因车速较快或路面较差而发生侧滑的情况,提出一种智能车辆转向与制动联合控制器;在模型预测控制理论的基础上,通过监测轨迹偏差、横摆角偏差以及横摆角速度偏差3个控制参考量,在每个控制时域得到最优的前轮转角和附加横摆力偶矩,并以单轮制动逻辑分配给4个车轮制动力矩;利用CarSim和MATLAB Simulink软件,对车辆以不同车速在不同路面上跟踪轨迹的工况进行联合仿真。结果表明:控制器可以使车辆中低速行驶在冰雪路面和干燥沥青路面上精确、稳定地跟踪期望路径,具有良好的鲁棒性;高速行驶时车辆的横向稳定性仍然良好,但是在冰雪路面上会损失一定的跟踪精度。     

FROG-LEG型机械手的模型预测控制研究

研究了FROG-LEG型机械手的轨迹跟踪控制问题,提出将基于动力学的预测控制应用于机械手的位置控制,并利用当前时刻控制误差补偿下一周期的控制量。在分析FROG-LEG型机械手结构的基础上,首先建立了机械手的等效串联结构运动学模型,然后建立了水平和垂直方向解耦的动力学模型,在此基础上对并联机械手进行了基于预测控制的轨迹跟踪研究。仿真实验表明:该预测控制方案可以使得机械手有效地跟踪路径规划器给出的轨迹;关键关节的控制效果可以通过加大其权重得到提高;模型校正可以大大降低控制误差。     

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.     

基于滚动预瞄模型的纯跟踪算法

针对无人驾驶车辆采用纯跟踪算法对不同曲率路径跟踪时,出现道路适应能力弱和跟踪精度差的问题,提出一种基于代价的滚动预瞄模型(rolling preview model, RPM),以提高纯跟踪算法跟踪精度与鲁棒性。首先,根据车辆运动学与阿克曼转向几何,提出预瞄轨迹的确定方法以及预瞄轨迹与待跟踪路径间的几何约束;其次,设计道路弯曲度加权项并构建目标函数对预瞄轨迹进行优化,以获得预瞄距离的最优值;最后,在ROS/Gazebo仿真环境下设置不同初始状态与不同曲率的工况进行对比仿真实验,并在空旷环境中对8字形路径进行实车跟踪实验。实验结果表明,所提出的滚动预瞄模型能够根据预瞄轨迹与待跟踪路径的几何关系有效调节预瞄距离,相较于麻省理工(Massachusetts Institute of Technology, MIT)算法和Stanley算法,滚动预瞄模型在特殊初始状态、大曲率道路下有利于跟踪精度的提高。     

极限工况下自动驾驶车辆转向控制器的设计

为提高极限工况下自动驾驶车辆的路径跟踪精度并维持车辆行驶稳定性,设计了一种基于线性模型预测控制的路径跟踪转向控制器.该控制器以速度矢量方向角偏差作为控制参考量,在计算过程中以理想质心侧偏角代替实际质心侧偏角,以提高跟踪精度;采用前轮侧向力为控制输入量,并应用仿射近似方法对后轮侧向力进行线性化处理,以减小计算负担.CarSim与Matlab/Simulink的联合仿真结果表明,该控制器能够在轮胎处于附着极限的情况下维持车辆稳定行驶,且跟踪精度较传统控制器有明显的提高.     

基于改进遗传算法的电动汽车轨迹优化方法

在复杂障碍物环境中的轨迹规划方法是电动汽车智能辅助驾驶技术的一个重要研究内容.为了使得电动汽车能够在高速行驶工况下平稳转向行驶,提出了一种基于改进遗传算法的轨迹优化方法.本文基于五次多项式进行轨迹规划,用改进遗传算法对五次多项式的参数进行优化,使得规划轨迹满足车辆的动力学约束条件,从而使得优化后轨迹具有更强的可行性.实车实验结果表明,优化后轨迹比优化前轨迹能够更好地满足动力学约束条件,优化效果明显,车辆在高速行驶工况下按照优化轨迹行驶能够进行平稳转向行驶.