网联电动汽车信号灯控路口经济性驾驶策略

针对智能网联电动汽车在信号灯控路口的经济性驾驶问题,提出一种基于最优控制的经济性驾驶车速优化策略.首先,构建包含信号灯、车速限制等约束,以能量消耗最小化为目标的信号灯控路口车辆速度优化问题;然后,利用庞特里亚金极小值原理解析求解最优控制率;考虑到动态交通场景中车辆对未来交通信息的预测能力有限、信号灯约束条件多变等特点,提出了一种双层滚动距离域车速优化策略,将信号灯控路口经济性驾驶问题转化为分段最优控制问题,得到分段最优速度轨迹.仿真结果表明:在有限预测能力和无限预测能力2种情况下,所提出的经济性驾驶车速优化策略较加速—匀速—制动策略分别有9.2％和10.3％的能量节省;随着预测距离和信号灯控路口通行速度的增大,在提高通行效率的同时,能量节省效率进一步提高.     

基于离散优化的无人驾驶汽车轨迹规划

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法。该算法将带有时间戳的三维轨迹规划问题,解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系。通过分层采样的方法构建路径Lattice图搜索初始路径,以及基于多目标A*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量。同时,结合优化的方法对轨迹进行优化,使轨迹收敛到全局最优解。最后,通过仿真实验,验证了该算法的有效性和可靠性。     

基于排队长度估计的网联车辆节能车速规划方法

针对网联车辆在动态车流环境中多信号灯道路的车速规划问题,文中提出了一种基于路口排队长度实时估计的车辆节能车速规划方法. 首先,构建并训练用于路口排队长度估计的径向基神经网络;然后,在最优控制问题的框架下,实现车流排队和信号灯的联合建模,构建参考车速曲线优化问题;最后,利用提出的车速规划解耦变换求解方法,高效地获得参考车速曲线. 仿真结果表明,相比于传统的未考虑路口车流排队的节能车速规划方法,文中提出的方法可以产生更平滑的实际车速曲线,同时降低40%以上的能量消耗.      

考虑信号灯状态的经济车速规划

为解决车辆在信号灯控制区域频繁启停造成的通行延误和通行效率低问题,提出了考虑信号灯状态的经济车速规划方法。首先,借助车路协同技术通过车-车、车-路交互获得车辆当前的位置和运动状态数据,以及信号灯相位信息,对近信号控制区车辆通行特征及路口可通过性进行判定,建立车辆通行引导控制模型;其次,对各驾驶行为下车辆时空轨迹进行分析,分别以路口停车次数及车辆延误最小为目标,建立统一优化目标函数,利用多目标粒子群算法求得最优经济车速,以向驾驶员提供车速建议;最后,为验证车速引导模型的有效性,利用PreScan、Vissim和MATLAB/Simulink联合仿真。结果表明,该方法可有效避免红灯停车,车辆行程时间可减少18.7%,停车次数在高车流密度下减少44%以上,车辆延误减少45%。     

信号交叉口智能电动汽车转弯车速引导策略

为实现智能电动汽车在信号交叉口节能、高效地转弯通行,基于目标引导车速相关联的电动车能耗模型,提出信号交叉口智能电动汽车转弯车速引导策略。针对需要加/减速引导通行的场景,借助车联网系统获取前方车辆和对向来车的运动信息及信号灯状态信息,结合自车运动信息综合分析确定出可使车辆不停车通过交叉口的速度引导范围,进而通过建立综合考虑车辆能耗和通行时间的多目标优化函数,运用NSGA-II算法在引导范围内寻求最优引导车速。以典型交叉口左转通行为例开展Matlab仿真实验,结果表明,采用加速引导策略时车辆能耗降低6.59%,通行时间减少71.11%;采用减速引导策略最高可使能耗降低6.07%,通行时间减少23.01%。实车实验结果表明,采用加速引导策略最高可降低能耗5.32%,通行时间减少68.12%;减速引导策略最高可使能耗降低5.14%,通行时间减少17.72%。     

基于微分平滑的四旋翼系绳运输系统轨迹规划

四旋翼系绳运输系统轨迹规划在航空运输领域有重要的应用。在给出轨迹规划模型的基础上,分析了系统飞行中受到的约束类型。引入微分平滑理论,利用系统的微分平滑特性将系统状态变量和控制输入的约束统一映射到平滑输出上。由于这个约束域是非线性的,基于半无限优化理论,用一个体积最大的凸多面体逼近约束域,从而将原来的非线性约束转化为凸多面体顶点的线性约束。选择多项式函数作为基函数对输出曲线进行参数化,并在时间上构建网格节点,从而将轨迹规划问题转化为有限个线性约束下确定多项式系数的最优化问题,给出了完整的轨迹规划求解步骤。仿真实验验证了所提算法的有效性。     

丘陵地区对纯电动汽车经济性分析及能耗优化方法研究

为了分析丘陵地区对纯电动汽车的经济性影响以及如何提高能耗利用率,针对道路坡度,研究了一种基于动态规划优化控制电机转矩的方法,完成了优化能耗的目标。首先构建了纯电动汽车模型,设计了虚拟坡度,应用动态规划算法合理分配电机转矩及车速,并从车速方面分析了坡度对行车经济性的影响;之后,在虚拟坡度下,使用无坡度道路下的最佳经济车速控制仿真车辆,求解虚拟坡度下的汽车能耗,并将此方法计算的能耗与上一步优化方法得出的能耗做对比,证明了所提出的优化算法能够有效地降低能耗;最后,在实际路况上验证了提出的能耗优化算法的合理性。实验结果表明,针对丘陵地区提出的动态规划算法,能够全局优化能耗,有效提高驾驶经济性。     

一种面向泊车场景智能车辆轨迹规划方法

局部轨迹规划是自主代客泊车系统的关键技术之一，在该场景下，现有智能车辆的局部轨迹规划方法存在规划耗时长、曲率不连续、安全性不足等问题.针对该类问题，提出一种面向泊车场景的智能车辆轨迹规划方法.该方法通过改进混合A^*算法的解析扩展以及引入风险函数，提升了初始路径搜索的实时性和安全性.进一步，结合初始路径以及二次规划方法实现路径平滑和速度规划，最终完成轨迹生成.仿真实验表明，所提方法能够提升智能车辆轨迹规划实时性、平滑性以及安全性，并且在实车试验上验证所提方法在实际泊车场景的可行性.     

基于hp自适应伪谱法的飞行器多阶段轨迹优化

为解决助推-滑翔飞行器的多阶段多约束轨迹优化问题,在考虑速度约束、轨迹阶段切换点约束与轨迹末端参数约束的条件下,建立了助推-滑翔飞行器纵向运动模型与多阶段轨迹优化模型。采用基于hp自适应伪谱法的Legendre-Gauss-Radau离散点,将该最优控制问题转换为多阶段非线性规划问题,求解得到最大飞行距离轨迹。为解决多阶段轨迹优化算法难以确定位置自由的阶段切换点的问题,基于动态规划的思想,设计了新的多阶段轨迹优化策略。改进后的优化策略在得到了多阶段全局近似最优解结果的同时,减少了原优化算法的计算量。仿真结果表明,改进的hp自适应伪谱法能有效解决多阶段助推-滑翔飞行器轨迹优化问题,优化结果优于最大升阻比滑翔飞行轨迹。      

无人驾驶汽车离散优化的轨迹规划算法

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法.该算法将带有时间戳的三维轨迹规划问题解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系.通过分层采样的方法构建路径Lattice图搜索初始路径,并基于多目标A?搜索算法在ST图中规划出初始速度剖面,减少算...     

基于最小snap的机器人自主探索路径规划算法

基于最大化信息增益的自主探索路径规划算法在小规模场景下探索效率高,但是由于其缺乏全局性在复杂场景中探索效率差,并且探索轨迹不平滑,机器人无法直接追踪.通过分层思想将路径规划分为全局与局部两部分,使用全局规划结果引导局部探索规划,保证了局部探索与全局探索的一致性.基于观察点选择过程中的子模性,提出引入随机性的观察点选择算法,保证了观察点选择的鲁棒性.将路径规划问题分解为观察点访问顺序选择和轨迹平滑问题,通过求解旅行商问题确定访问顺序,通过最小snap方法平滑探索轨迹,实现了高效的自主探索路径规划算法.仿真实验结果表明,基于最小snap的探索路径规划算法在复杂场景中的探索效率相比其他算法更高,并拥有良好的算法复杂度,可以保证机器人自主探索复杂场景.     

基于改进A*算法的一种智能车路径规划方法

轨迹规划是智能车安全行驶的关键技术。本文基于A*算法在复杂地图轨迹规划耗时长,拐点多等问题,提出了一种基于图论及几何方法的改进A*算法的避障与导航方法。该方法在传统A*算法的基础上结合图论进行路径规划,同时剔除路径中冗余节点,并采用Labview进行具体的仿真实验来验证轨迹规划算法的性能。结果表明：该算法在复杂环境中仍能有效找到距离短且平滑路径,提高了智能车的运行效率降低了能耗,可用于实际的智能车安全行驶管理中。     

一种无人机分层三维航迹规划方法

针对SAS算法在三维航迹规划问题应用中的不足,提出了一种基于分层策略的三维航迹规划方法。该方法分为两个层次:粗粒度的SAS快速航迹规划和细粒度的遗传算法优化。SAS算法以较大步长快速找到搜索图中的最优解,建立航迹通道。在航迹通道内利用改进的遗传算法对航迹进行优化。设计了一种定向变异算子用于航迹的平滑。仿真实验表明,该方法规划的三维航迹能满足地形跟随和规避威胁的要求,同时具有良好的平滑特性。     

基于改进TEB算法的阿克曼机器人运动规划系统

TEB(timed elastic band)算法通过修饰全局路径规划生成的初始轨迹来优化机器人轨迹,得到一条满足机器人运动学动力学约束,避开障碍物,时间较优的轨迹。加速度的变化率过大会使机器人底盘电机输出的力矩突变引起机器人受到冲击震荡,加加速度的约束可使加速度的变化率限定在一个合理的范围,在TEB方法中缺少加加速度约束的基础上,对原始TEB算法进行改进,在轨迹优化过程中构建了具体的加加速度的约束,并在Stage仿真平台对改进TEB算法进行了仿真和在真实的阿克曼机器人上进行了实现,实验结果表明:得到的轨迹满足运动学、动力学,避开障碍物的要求而且平滑,真实机器人运动平顺。可见,改进的TEB算法适用于阿克曼机器人,规划的轨迹效果较好。     

结构化道路下基于层次分析法的智能车避障轨迹规划

为实现结构化道路下智能车最优避障轨迹的规划,设计了基于层次分析法的轨迹择优体系。首先,以三次B样条曲线为路径规划器,生成满足曲率连续且曲率最值受控的路径,并以此构造路径簇;其次,为实现主客观指标的量化表达,以平滑性和经济性为准则,以路径长度、曲率和、曲率变化率和以及偏离目标点的距离为子准则,构造AHP路径择优体系,筛选出最优的路径;然后,采用三次多项式表征速度相对时间的变化,以满足速度、加速度、加速度导数的连续;最后,参考国家标准设计测试场景,验证方法的稳定性与算法的实时性。经5 000次循环仿真测试表明:算法具有较高的实时性,0.1 s内能规划出可行轨迹的概率在94%,0.16 s内则能100%规划出可行轨迹;规划的轨迹便于车辆跟踪,方法具有较高的稳定性,实车峰值横向误差小于0.21 m,峰值车速误差小于0.42 m/s,平均车速误差小于0.11 m/s,总体呈收敛的趋势。     

基于加权A~*算法的服务型机器人路径规划

针对室内环境下的服务型移动机器人路径规划问题,分析并比较了两种经典算法--Dijkstra算法及基于Manhattan估计函数的A*算法,通过改变A*算法估价函数中参数的权值来优化路径轨迹,从而既满足A*算法的可接纳性,同时义实现两种算法的融合.在VC环境下编译出路径规划的仿真程序,通过变换起始点与目标点的坐标,比较运算时间和生成的路径轨迹.结果显示:加权A*算法优化了A*算法的路径轨迹,且在计算时间上优于Dijkstra算法,解决了服务型移动机器人的路径规划问题,满足实时性要求.     

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.     

基于改进遗传算法的工业机器人能耗最优轨迹规划

为了降低工业机器人在工作过程中的能耗,提出了一种能耗最优的轨迹规划方法。将机器人的轨迹视为由空间中一系列的型值点构成,每相邻的型值点间由一段五次B样条曲线连接,得出机器人的轨迹函数。以动能作为目标能耗函数,同时考虑各个关节的运动学和动力学约束。对遗传算法进行改进,用于优化目标能耗函数,此改进遗传算法提高了算法的运算效率、局部搜索能力和实时性。对优化结果进行仿真,得出各个关节的运动学参数变化曲线,分析各个关节的曲线图知其均满足运动学和动力学约束条件,验证了此优化轨迹的合理性。     

A*算法与蚁群算法相结合的无人艇巡逻路径规划

针对无人艇海上巡逻路径规划问题,提出了一种A~*算法与蚁群算法相结合进行最短巡逻路径优化的方法.在传统A~*算法的八角度搜索基础上,设计了一种多角度A~*算法以获得更短的两点之间可行路径,并以A~*算法搜索结果构建任意两个巡逻点之间的最短路径网络.结合最短路径网络建立多点巡逻路径规划问题的目标函数,利用蚁群算法进行求解以获得全局最优的巡逻路径.针对巡逻路径转折角较大的问题,提出了一种平滑算法以获得更符合实际航行需求的平滑路径.仿真结果表明:该方法有效地去除了冗余节点,缩短了路径长度,提高了路径平滑度,规划出了一条更优的无人艇巡逻路径.     

基于模型预测控制的移动机器人户外导航方法

针对户外巡检、户外清洁、智能农业等户外场景对自主机器人的使用需求,设计了一种具有很强实时性和稳定性的移动机器人户外导航方法。移动机器人收到户外GPS航迹点后,使用激光雷达实时获取周边环境点云并构建局部栅格图,在栅格地图内使用基于路段走向改进的A-star算法搜索局部避障路径,最后设计使用模型预测控制器以跟踪避障轨迹。为了验证该导航方法的可行性,在仿真和户外环境下分别进行了对比实验,实验结果表明所生成的轨迹稳定平滑并能有效避障,模型预测控制器轨迹跟踪精度高、耗时短,实现了户外移动机器人高效率、稳定导航。