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。     

基于五次多项式的智能车辆轨迹规划

针对智能车辆换道轨迹中存在的侧向加速度过大或轨迹曲率不连续的问题,在对传统车辆换道模型进行比较分析的基础上,提出基于五次多项式换道模型的轨迹规划方法.基于换道轨迹安全性和效率性的要求,以车辆换道时的侧向加速度、换道时间和车辆横摆角速度为优化变量,设计目标函数.通过求解目标函数得到最优换道时间,进而得到最优换道轨迹.对等速偏移+正弦函数换道模型和五次多项式换道模型进行仿真对比.结果表明：利用五次多项式换道模型的轨迹规划方法,当路面附着系数为0.2时,侧向加速度最大值为0.45 m/s²,轨迹的曲率最大值为2.02×10^-3 m^-1;路面附着系数为0.6时,侧向加速度最大值为0.70 m/s²,轨迹的曲率最大值为1.12×10^-3 m^-1;路面附着系数为0.8时,侧向加速度最大值为0.81 m/s²,轨迹的曲率最大值为0.90×10^-3 m^-1,均小于等速偏移+正弦函数换道模型轨迹曲线的侧向加速...     

面向多工况的智能车换道轨迹规划方法

针对智能汽车在结构化道路上换道时存在的可行性和安全性问题,分不同工况进行轨迹规划的研究.在简单的无障碍换道时,提出一种新的改进余弦换道模型,使换道轨迹曲率连续、过渡平滑.当需要避障换道时,采用多项式来描述换道轨迹,提出基于评价指标的边界条件选取.同时,通过预测交通车的行驶轨迹,进行双5次多项式规划以避开交通车.在弯道换道时,也采用多项式的方法,考虑坐标的转化,得到以初始坐标系为基准的边界条件.仿真结果表明:提出的轨迹规划方法较已有算法在效率、舒适性、安全性等指标上具有良好的换道性能.     

消减换道行为影响的换道轨迹规划

构建了一种能够消减换道行为影响的换道轨迹规划,将帕累托最优理念引入至自主换道行为中,通过IDM（intelligent driver model）模型构建周边车辆的优化目标。采用5次多项式模型构建换道车辆的优化目标,引入多目标优化算法求解该多目标问题,从而获得换道车辆与周边车辆的帕累托最优前沿。实验表明相比于现有算法所提算法能够显著降低换道区域内所有车辆的总损失,提高区域内交通流运行状态及安全。     

基于双曲正切函数的小客车换道轨迹模型

通过Simi-Motion软件提取高速公路出口路段无人机航拍视频的左换道(LLC)和右换道(RLC)车辆轨迹数据,基于双曲正切函数建立了新的车辆换道轨迹模型,将新模型与传统的样条曲线函数、五次多项式、正弦函数轨迹模型进行对比分析.通过对模型参数的敏感性分析、拟合优度检验、CarSim仿真分析证明了新模型的特点和适用性.研究表明:相比于传统的换道轨迹模型,新模型具有较高的拟合精度,且模型中各参数均具有实际物理意义,模型中参数τ值表征驾驶员出口路段换道行为的紧急程度,该参数的存在使得新模型具有普适性和应用价值.利用这一特性,该模型可以生成特定驾驶环境的车辆换道轨迹,有助于与换道有关的道路几何指标研究和驾驶员辅助系统(ADAS)的开发和应用.     

基于V2V的高速换道轨迹多目标规划

为了解决传感器式智能车辆换道灵活性差和安全性低等问题,提出一种V2V模式下的高速换道模型.在换道起始时刻,通过V2V获取周围交通车的状况,确定与周围交通车在换道前应该保持最小的安全换道距离,判断换道的可行性.换道条件允许的情况下,采用多项式函数对车辆的换道轨迹进行描述.并建立了权衡换道舒适性和效率的目标函数对轨迹进行多目标规划,为车辆规划出该交通环境下的最优换道轨迹.结果表明:与非V2V换道模型相比,在换道空间不够充裕的情况下,通过V2V规划出来的轨迹,在换道过程中与周围车辆保持着更大的安全车距;CarSim仿真中车辆轨迹跟踪误差和动力学参数都控制在合理的范围内,进一步说明多目标优化的轨迹可以综合提升换道的效果,使得车辆能够适应不同交通环境.     

建立安全换道域的换道决策与规划

局部路径规划强调在微观交通场景中输出一条可行驶路径,对每一离散时刻的路径点都要求有极高的安全性和舒适性。现有的局部路径规划方法中鲜有考虑路径曲率是否连续、路径起讫点约束等物理特性的基于安全换道域的换道决策与规划方法。本研究中对典型的换道场景建立了临界安全换道角模型,对无法演变为单障碍车换道场景的双障碍车换道场景建立了安全换道域。对比了几种常用换道路径,筛选出B样条曲线法作为局部路径规划方法,利用换道时间和换道路径平均曲率确定基于安全换道域的最优换道路径,并提出了基于安全换道域的换道决策,联合Simulink和PreScan计算平台在典型换道场景下实现了所提出的换道策略的仿真验证。结果表明,所提出的换道决策和换道路径规划能够实现本车的安全换道。     

串联机器人运动学建模与轨迹规划研究

以IRS3003机器人为研究对象对六自由度串联机器人的运动学建模及轨迹规划方法进行研究,采用D H建模方法,结合Matlab Robotics机器人工具箱建立IRS3003机器人运动模型,对机器人操作空间进行运动学分析.采用五次多项式插值方法,基于PPO路径规划码垛轨迹,分别实现机器人在关节空间和笛卡尔空间的轨迹规划与...     

无人靶车动态避障研究

无人靶车是军事训练中必不可少的一部分。为了测试各类精准打击武器,需要无人靶车自主移动到目标点。由于测试武器的场地环境比较复杂,所以需要无人靶车躲避移动过程中突如其来的障碍物。基于贪心初始化算法的动态避障算法（Greedy Initialization Dynamic Obstacle Avoidance, GIDOA）可以求解无人靶车动态避障路径规划问题（Dynamic Obstacle Avoidance Routing for Unmanned Target Vehicle, DOARUTV）。该算法在传统的D~*算法（Digital Smart Technologies for Amateur Radio）的基础上进行改进,结合贪心初始化算法,有效地探索了初始解,加快了算法迭代速度。为了验证该算法的可行性和有效性,使用Python编程语言将GIDOA和迪克斯特拉算法（Dijkstra）、A~*算法（A-star Algorithm）进行对比。实验结果表明：GIDOA能够解决具有动态避障功能的无人靶车问题,对比Dijkstra算法和A*算法更适合DOARUTV的求解。     

混合交通环境下逼近最优换道策略的 无人车驾驶模型

针对无人车在现实交通流中的驾驶行为以及车辆间相互影响机制还不明确的现状,提出逼近最优换道策略的无人车驾驶模型.结合无人车周围的交通环境,引入驾驶行为指标体系,利用层次分析法测算指标权值.基于欧氏距离与灰色关联分析的Topsis(Technique for Order Preference by similarity to an Ideal Solution)法建立驾驶行为决策模型来计算换道最优逼近值,代替随机换道策略驾驶模型中的随机概率值;建立逼近最优换道策略的无人车驾驶模型,利用美国洲际5号公路的实际交通数据对新模型进行数值仿真.结果表明:逼近最优换道策略的无人车驾驶模型明显优于随机换道的无人车驾驶模型,能够改善交通拥堵状况,提高整个道路车辆的行驶速度.     

机器人化飞机表面清洗车轨迹规划及控制系统设计

阐述了机器人化飞机表面清洗车的机械结构、动作原理、轨迹规划算法及仿真试验系统设计、电控系统设计．该清洗车的清洗立架由一个冗余机器人手臂构成,能够自主地灵活地完成各种复杂轨迹的运动,可以自动完成对不同类型的飞机表面清洗工作,具有一定的实用价值．     

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.      

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。     

智能汽车换道轨迹的燃油经济性研究

基于智能汽车行驶的空间约束和运动轨迹曲率约束等限制,对换道轨迹的燃油经济性进行了研究. 基于发动机瞬态油耗模型,确定了平路行驶的最经济车速,并建立了能满足各种约束的3阶贝塞尔换道轨迹模型. 通过Matlab/Simulink与Carsim联合仿真验证,文中设计的贝塞尔换道轨迹的油耗分别比已有的sin-tanh和x-sin换道轨迹节油了3.49%和0.77%,其最大横向加速度值也分别比sin-tanh和x-sin换道轨迹降低了31.75%及7.45%. 因此在保证智能汽车安全舒适行驶的基础上,利用贝塞尔换道轨迹的汽车油耗更少,对应的最大横向加速度更小,表明贝塞尔换道轨迹模型具有优越性.      

基于Carsim和Simulink的超车换道仿真分析

超车是换道的主要动机,分析超车过程中驾驶员的操作特性以及车辆运动状态,能够为驾驶员模型的精确控制提供参考。在分析各种可能换道的基础上,构建动态超车换道可行域。以7次多项式规划换道边界轨迹,依据期望跟车距离确定可行域的上边界,根据安全碰撞条件确定可行域的下边界;并依据两车的运动关系确定超车换道条件。预设超车换道轨迹,在Simulink中构建驾驶员模型;并将Carsim中车辆模型导入,进行了超车换道模型仿真分析。对超车过程中车辆参数进行对比分析。结果表明:超车过程中驾驶员一般会提高车速,但加速强度不大;且低速时换道的随意性大,但与设定轨迹偏离程度较小。     

基于Dueling DDQN的无人车换道决策模型

针对高速公路场景中无人驾驶车的换道决策问题,提出一种基于竞争结构的双深度Q网络(DDQ N)的无人车换道决策模型.在深度Q网络的基础上,将无人车动作的选择和评估分别用不同的神经网络来实现,并将Q网络分为仅与状态S相关的价值函数和同时与状态S和动作A相关的优势函数两部分,使得Dueling DDQ N模型可以更好地理解外...     

基于路由选择的城市道路车辆转向换道区域设置

为了减少因随机换道产生的延误,提出基于路由选择的车辆换道区域设置,即通过设置城市路段固定换道区域及制定车辆可变限速策略,将其转化为基于路由选择的车辆静态路径规划问题.利用VISSIM仿真软件,初建车辆换道场景,设计试验分析换道区域设置对城市道路车辆运行情况的影响;汇总数据并借助MATLAB进行数据拟合,得出在不同速度、...     

基于关节空间轨迹规划的机械臂远程控制

轨迹规划对提高机械臂的稳定性、可靠性、工作效率有重要意义。为实现对远程机械臂连续、平稳 、无抖动的控制,基于关节空间轨迹规划,提出了一种采用5次多项式插值函数对远程机械臂运动轨迹进行插补的优化算法。利用该算法对机械臂进行了实际的远程控制实验,实验结果表明,该算法使机械臂各关节运动连续、平稳,实时性好,能够满足实际的工作要求,为远程机械臂的安全应用奠定了基础。