自动泊车路径纯跟踪算法应用研究

为实现自动泊车系统的路径跟踪功能，解决纯跟踪算法由于预瞄距离选取不当导致的方向盘抖动、跟踪精度下降的问题，文中提出了一种改进的纯跟踪路径跟踪算法，该方法在传统纯跟踪算法的计算结果基础上设计了一种带记忆参数的方向盘转角修正算法.实车实验表明，该方法适用于自动泊车系统，可以在适用工况下选取较小的预瞄距离，在保证跟踪精度的同时解决了纯跟踪算法在小预瞄距离下的方向盘抖动问题.     

变预瞄距离的智能车路径跟踪控制

在智能车路径跟踪控制研究中,针对预瞄距离对路径跟踪精度影响较大的问题,提出了一种根据车速大小调整预瞄距离的智能车模糊控制方法。建立了车辆运动学模型和预瞄模型,给出了预瞄距离的确定方案,结合模糊理论设计出一种变预瞄距离的路径跟踪模糊控制器,并以双移线为目标路径在不同车速下进行了仿真。仿真结果显示,该车型变预瞄距离跟踪控制器的最大横向偏差不超过0.18 m,与固定预瞄距离的控制器相比,最大横向偏差在18 km/h、54 km/h车速下分别降低35%和31%,跟踪精度得到提升。     

基于惯导航向角的智能车几何轨迹跟踪算法

为满足智能车在低速和高速运行时稳定和精确的轨迹跟踪,提出了一种基于几何模型的智能车轨迹跟踪算法。算法首先通过惯性导航系统的航向角参数,计算车辆纵向运动方向和轨迹跟踪点切线方向之间的切向角,再通过横向偏差角进行转向的偏差校正,实现轨迹的实时跟踪。以真实智能车在实际道路环境中对算法进行了20 km/h下的小曲率直道和大曲率路口弯道以及50 km/h下的小曲率直道的轨迹跟踪实验。实验结果表明,在不同的典型路况下,采用该算法的智能车能够实现稳定和精确的轨迹跟踪;与其他轨迹跟踪算法相比,该算法具有较好的性能。     

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。     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.      

四驱混合动力轿车转弯工况路径跟踪控制

针对四驱混合动力轿车,提出一种转弯工况下集成横向与纵向运动控制功能的路径跟踪控制策略.在建立车辆动力学与动力系统模型的基础上,设计了基于轨迹跟踪误差的驾驶员预瞄转向模型;采用模糊控制器确定了期望车速,对转矩分配问题进行优化研究;设计了车速与轨迹跟踪模型预测控制器;搭建了CarSim与MATLAB/Simulink联合仿真模型与自动驾驶模拟驾驶器,对控制策略进行了离线仿真和硬件在环仿真试验.研究结果表明,车辆转弯过程中路径及车速跟踪效果良好,满足转弯工况路径跟踪需求.     

智能汽车仿人转向控制驾驶员模型分析

为使智能汽车的弯道行驶具备人类驾驶员操控特征,基于最优曲率预瞄驾驶员模型与T-S模糊推理算法,提出了一种预瞄点横向和纵向自适应调节的仿人转向控制驾驶员模型.在封闭城市双车道弯道工况下,采集了熟练驾驶员在不同车速行驶下的弯道轨迹数据,分析得出了目标行驶轨迹.基于蚁群算法对预瞄点横向和纵向调节模糊规则进行了优化,在PreScan中构建了连续多曲率弯道仿真场景,并基于驾驶模拟仪所采集到的熟练驾驶员驾驶轨迹,对所提出的驾驶员模型的仿人转向特性进行验证.结果表明:优化后的仿人转向驾驶员模型与熟练驾驶员的行驶轨迹相似程度较好,优于最优曲率预瞄驾驶员模型或预瞄距离自适应的驾驶员模型.     

紧急避撞路径规划及其跟踪驾驶员转向模型

针对紧急避撞工况,提出并设计了一种紧急避撞路径规划方法和路径跟踪反馈预瞄驾驶员模型。首先,提出了一种基于Sigmoid曲线与物理约束的避撞路径规划方法,并建立融合最优曲率预瞄与闭环反馈转向修正的驾驶员模型以对所规划路径实现快速和精确跟踪。之后,搭建了CarSim+Simulink离线联合仿真平台,对避撞路径规划和路径跟踪反馈预瞄驾驶员模型的有效性进行了验证。最后,基于自主改装的试验车辆,进行实车试验以验证所提出的路径规划方法及驾驶员模型的可行性与实时性。仿真及实车试验结果均表明,所规划的避撞路径和驾驶员模型可以控制车辆快速、安全地避让障碍物。     

融合自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制

为提高不同工况下驾驶机器人操纵试验车辆的转向精度和自适应能力,提出了一种基于自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制方法。首先建立了试验车辆动力学模型和驾驶机器人转向机械手动力学模型,并构建了驾驶机器人转向操纵试验车辆的集成系统动力学模型,接着研究了一种融合路径曲率和车速的驾驶机器人转向操纵自适应曲线预瞄方法,其预瞄点位置能够根据车速和路径曲率做出自适应调整。在此基础上,设计了用于驾驶机器人转向操纵的粒子群优化滑模控制器,并进行了稳定性分析,同时利用粒子群算法在线优化滑模控制切换项的反馈增益系数,以减小控制抖振。仿真及试验结果表明,所提出的方法能够在不同工况下根据路径曲率和车速做出自适应调整,实现驾驶机器人操纵车辆的精确转向控制。     

无人驾驶高速4WID-4WIS车辆路径跟踪单点预瞄控制

针对无人驾驶高速四轮独立驱动独立转向(4WID-4WIS)车辆的驱动冗余、强非线性和不确定特性,提出一种基于控制分配和自抗扰控制法的路径跟踪单点预瞄控制方法。首先建立车辆单点预瞄路径跟踪系统的动力学模型。然后构建以控制分配器为核心的控制系统,使用自抗扰控制方法设计单点预瞄解耦控制器;提出目标生成器的类惯性环节算法,讨论其合理性;给出4WID-4WIS车辆路径跟踪控制分配问题的求解方法。最后进行仿真,结果表明所提方法能够实现快速、高精度的双移线圆弧路径跟踪控制。     

双舵轮自动导引车轨迹追踪控制算法

为提高双舵轮自动导引车(automated guided vehicle, AGV)轨迹跟踪控制性能,设计了基于模型预测控制的轨迹跟踪控制器。以双舵轮自动导引车为研究对象,首先建立自动导引车运动学模型,求得车体转弯半径,并重点分析双舵轮自动导引车转向优势;然后,对双舵轮导引车建立了基于模型预测控制的轨迹跟踪模型,并考虑车体运动性能指标及各类约束,最后通过仿真实验验证了模型预测控制算法用于双舵轮自动导引车的可行性,且分析了控制时域权重和预测时域长度两项模型参数对系统性能的影响;与基于比例-积分-微分轨迹跟踪控制器的自动导引车进行轨迹跟踪对比仿真实验。最终实验表明,采用该模型预测控制器可以满足各类约束条件,高效精准完成对连续大曲率目标路径的有效跟踪,同时具有较高的实时性和鲁棒性。     

基于图搜索与数值优化方法的分层轨迹规划方法

针对结构化道路场景中多约束的轨迹规划问题,提出一种路径和速度协同搜索、解耦优化的分层轨迹规划方法. 上层初始轨迹规划器考虑动态障碍物风险场与时空信息,构造时空代价地图,通过三维A*算法搜索得到安全可行的初始轨迹,保证初始轨迹解的质量. 下层运动轨迹规划器将轨迹规划解耦为路径规划和速度规划,以最小曲率、最大速度以及舒适性等为目标,采用数值优化算法构建路径和速度样条优化模型,使其在避障过程中能够充分发挥车辆的动力性能,同时保证驾乘舒适性,并以局部时空隧道思想简化约束条件,提高求解效率. 通过试验验证本文提出的方法具有较好的行驶效率、舒适性以及实时性.     

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.     

自适应模型预测控制的车道保持控制策略

建立车辆侧向动力学模块、车辆传感模块、道路曲率预瞄模块.在传统模型预测控制(MPC)算法的基础上,利用辛普森法则,结合车道保持优化性能指标和系统约束,设计基于自适应模型预测控制的车道保持控制策略.在Simulink环境下,将其与基于传统模型预测控制器进行比较分析.仿真结果表明:相较于模型预测控制,自适应MPC能够在各控制周期实现车辆模型更新,在强非线性工况下具备较好的鲁棒性,进而能够保证行车安全的前提下,获取较好的乘坐舒适性.     

一种基于Mean Shift和C-V模型的车辆跟踪算法

针对传统Mean Shift算法跟踪窗口固定不变,无法对不断改变尺寸的车辆目标进行有效跟踪的问题,文中根据车辆跟踪的特点,提出一种基于Mean Shift和C-V模型的车辆跟踪算法.首先利用传统Mean Shift得到初始跟踪窗口,然后根据C-V方法所提取的车辆形状信息对跟踪窗口的中心和大小做进一步修正,在跟踪过程中综合利用了目标颜色、形状等信息,同时对传统C-V方法进行改进,采用一种新的初始化水平集函数表达方法.实验结果表明,文中算法在满足实时性要求的同时,大大提高了车辆跟踪精度.     

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.