无人驾驶汽车RBF神经网络滑模横向控制策略

为了加强无人驾驶汽车横向运动控制,提出了一种优化型径向基函数(RBF)神经网络的滑模控制策略。根据视觉导航无人驾驶汽车单点预瞄模型与车辆二自由度模型得出横向运动状态方程,在滑模控制的基础上,采用RBF神经网络在线拟合滑模变结构的切换控制量,并基于改进的粒子群算法优化网络结构,使其快速达到滑模面,减小抖振。基于MATLAB/CarSim联合仿真平台,对建立的无人驾驶汽车横向运动状态模型及提出的控制策略进行不同工况下的仿真验证;基于AD 5435建立无人驾驶汽车快速原型开发平台,完成实车试验。结果表明:基于优化的RBF神经网络滑模横向控制策略能精确实现对车辆横向运动的控制,一定程度上减小了系统建模不确定性带来的影响,能有效抑制方向盘转角的抖振,将横向距离偏差与航向角偏差控制在一定范围内,可靠跟踪期望路径;车辆等速循迹行驶试验时,提出的控制策略的方向盘转角试验结果与仿真结果最大相对误差为5.8%,横向偏差的最大相对误差为6.2%,航向角偏差的最大相对误差为5.4%,试验结果与仿真结果一致性较好;Alt 3from FHWA仿真行驶工况下,相比于传统滑模控制策略,提出控制策略下的最大横向距离偏差误差和航向角偏差误差分别降低了90.8%和67.6%,双移线工况下误差分别降低了63.4%和69.9%,蛇形工况下误差分别降低了54.4%和39.6%。     

基于改进RRT算法的无人驾驶汽车轨迹规划

针对无人驾驶汽车,提出了一种基于改进快速搜索随机树(RRT)的轨迹规划算法。首先,基于车辆转向约束,在传统RRT算法的基础上,限制采样可行区域,基于目标偏向策略,以一定的概率将目标点作为随机点进行随机树扩张;其次,对生成路径采用三次B样条曲线平滑处理,降低轨迹曲线的曲率及曲率变化率;最后,基于Matlab/CarSim联合仿真平台构建直线路况与直角路况,并使用提出的算法在不同路况下进行轨迹规划的仿真与分析。结果表明:改进RRT算法下规划轨迹的曲率均值、极大值与方差小,相比于无约束控制,15°转角约束下在直线路况中分别降低了22. 9%,51. 7%与43. 3%,在直角路况中分别降低了29. 5%,59. 3%与40. 3%;同时,改进RRT算法的平均采样点数及平均树节点数少、规划时间短,相比于无转角约束,15°转角约束下在直线路况中分别降低了62. 9%,38. 2%与78. 5%,在直角路况中分别降低了34. 0%,41. 9%与27. 4%,路径规划质量和速度显著提高。     

基于MCGS的纯电动汽车智能仪表设计与实现

针对传统汽车仪表难以满足纯电动汽车仪表需求的问题,提出一种基于MCGS软件环境的纯电动汽车智能仪表设计与实现方案。首先给出了纯电动汽车智能仪表的总体设计方案,然后在MCGS嵌入版组态软件环境下完成仪表图形界面的设计,并且基于Freescale MC9S12DG128B单片机设计了纯电动汽车数据采集系统,通过扩展CAN总线实现纯电动汽车主控制器与智能仪表的通信。研究结果表明：该智能仪表实现了车辆运行信息的图形化和数字化显示,并具有数据存储再现功能;与传统汽车仪表相比,该仪表具有集成度高、可靠性高、可视性好、功能丰富和人机交互能力强等优点;同时,由于仪表的嵌入式系统平台资源丰富,使得智能仪表具有良好的可扩展性和通用性,适用于各类纯电动汽车。