基于改进人工势场法的智能车辆避撞路径规划

针对传统人工势场法存在道路边界势场不完善和局部最优问题,文章提出一种改进人工势场法的智能车辆避撞路径规划。引入道路势场函数来描述道路边界,设立虚拟目标点来摆脱局部最优,建立道路环境模型;为了根据周边环境和车辆状态进行实时规划,设计分层避撞路径规划控制器,将道路环境模型引入上层路径规划器的目标函数中,利用模型预测控制(model predictive control, MPC)的优化算法规划出局部避撞路径,再将路径信息输入到下层跟踪控制器进行跟踪。MATLAB/Simulink与CarSim联合仿真实验结果表明,该避撞路径规划对于静态障碍物和动态障碍物都可以规划出平滑无碰撞的路径,保证车辆行驶的稳定性和安全性。     

基于新型人工势场法的车辆避障路径规划研究方法

针对道路交通环境车辆避障的复杂性,对传统人工势场法进行了改进,将其应用于车辆的避障路径规划;该方法建立了道路边界危险斥力势场模型和障碍物斥力势场模型,并在传统障碍物斥力势场中引入速度因素,车辆在以上两种势场组成的复合场中受到道路边界斥力、障碍物斥力的作用。当达到受力平衡时,通过求解方程可以得到一条安全避障路径;并在避障过程中对车辆实施速度控制。仿真分析结果表明改进后的方法规划出的路径在避障过程中,车辆与障碍物的距离增加至少20 cm,可有效地提高避障的安全性;避障过程中对主车车速进行控制,可使主车的横摆角速度和侧向加速度降低至少20%,有效地提高车辆运行的舒适性和安全性。     

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.     

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 Simu...     

基于人工势场和虚拟领航者的智能车辆编队控制

为提高交通效率和道路安全,对公路环境中的智能车辆编队控制问题进行了研究.采用人工势场和虚拟领航者相结合的方法进行车辆控制,考虑公路环境约束和编队纵横向安全距离,以理想公路编队为目标,提出虚拟领航者椭圆势场作用域,建立编队单元模型,并通过Lyapunov函数证明了模型的稳定性.为提高编队单元模型的应用灵活性,消除多车编队车辆位置误差问题,将分解-迭代思想引入到多车辆编队控制中,依据道路条件设立编队单元的纵横向迭代.以六车辆编队为例进行仿真验证,结果表明:所建立的车辆编队模型可以稳定有效地控制车辆,实现理想公路编队行为.     

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.     

智能车辆局部路径规划与跟踪控制算法研究

针对无人驾驶汽车局部路径规划与跟踪控制,提出一种基于改进A^*算法的局部路径动态规划算法及一种基于改进LQR算法控制理论结合模糊控制与PID控制的路径跟踪控制算法。主要包括：搭建无人车辆在Frenet坐标系下利用栅格法构建预行驶区域模型;优化改进节点扩展方向,提出针对无人驾驶的五邻域扩展节点方式;A^*算法一次规划出代价值最小的目标节点,二次A^*算法规划出实时动态最优路径。另外,搭建以路径曲率变化率和横向误差变化率为状态变量的横向路径模糊跟踪控制模型,搭建以纵向误差和纵向误差变化率为状态变量的模糊PID控制模型解决参数难调问题。通过Carsim、Simulink与Perscan联合仿真平台验证设计的路径规划与跟踪控制算法有效性。     

智能车辆规划与控制策略学习方法综述

智能车辆相关技术已实现了长足的发展,并已能够在有限封闭场景中实现自主行驶的基本功能. 然而,实际道路测试结果表明,目前智能车辆技术仍存在较多局限,而智能车辆在复杂城市与越野环境的大规模应用仍面临较多挑战. 作为智能车辆关键技术之一,运动规划与控制技术已基本建立了完整的理论体系并已得到较多工程应用,但传统方法在实际应用中仍存在动态复杂场景理解能力弱、场景适应性差、模型复杂度高、参数调整难度大等缺陷. 由于机器学习方法具备较强的知识表征与模型拟合能力,其已经在智能车辆的感知与导航技术中得到了广泛的应用. 而为了解决传统运动规划与控制技术存在的泛化性与适用性等问题,许多研究者近年来也开始探索基于深度学习、强化学习等机器学习方法的运动规划与控制方法. 本文将对目前基于机器学习的智能车辆规划与控制方法研究现状进行回顾,从规划与控制策略基本架构、基本学习范式以及基于学习的规划与控制方法三方面对现有智能车辆规划与控制策略学习方法进行分析,最后对研究现状与未来发展方向进行总结与展望.      

基于改进人工势场法的移动机器人路径规划

本文通过对传统人工势场法（AFP）的分析,针对其不足之处,在斥力场函数中,通过引入机器人和目标之间相对距离的方法,使得移动机器人能够到达指定目标点.通过仿真实验验证,这种方法是可行的,可以有效的弥补传统人工势场法的不足.     

基于混沌人工势场法的机器人路径规划

本文以人工势场法为基础,提出了一种基于混沌人工势场法的机器人路径规划方法,该方法解决了传统人工势场法存在局部最优点问题、在相近障碍物间不能发现路径、在障碍物前震荡、在狭窄通道中摆动等缺陷。仿真试验表明,该方法能有效的实现机器人路径规划。     

基于改进人工势场法的移动机器人路径规划

在移动机器人路径规划任务中,针对传统人工势场法中存在的目标不可达问题,提出了一种新的斥力改进函数的设计方法.在原来的斥力函数中加入一个调节因子,并对障碍物的作用范围采用人为分段的方式,有效解决了目标不可达问题,使机器人能够顺利到达目标点.将改进后的人工势场法应用于移动机器人路径规划,并利用Matlab软件进行了仿真实验.实验结果表明,基于改进人工势场法的移动机器人路径规划算法简单、有效.     

基于视觉的智能车辆模糊滑模横向控制

以采用视觉导航的智能车DLUIV-1为对象,对智能车辆的横向控制方法开展研究.首先,建立基于视觉预瞄距离的车辆横向控制系统模型,利用包含速度等因素在内的预瞄运动学模型确定车辆的横向偏差和方位偏差.其次,针对横向控制的特点,提出了模糊和滑模相结合的智能车辆横向控制策略,综合考虑车辆当前的横向偏差和方位偏差,将二者融合后的综合偏差作为滑模切换函数的参数来设计滑模面,将滑模切换函数作为控制目标,利用模糊控制规则调整控制变量的大小来确保存在和到达条件成立,保证方向盘转动的稳定性.仿真结果表明该横向控制器能够保证智能车辆准确而且稳定地跟踪参考路径,且对模型参数的变化具有较强的鲁棒性.     

基于预测--模糊联合控制的分布式驱动车辆路径跟踪方法

为研究分布式驱动车辆（4wid）路径跟踪中的跟踪精度和稳定性的问题,提出了模型预测-模糊(Mpc-Fuzzy)的联合控策略, 缓解了单一模型预测控制下车辆跟踪精度与控制器计算压力间的冲突。采用模型预测控制设计了上层路径跟踪控制器,旨在利用模型预测“滚动优化”的优点降低跟踪误差的同时保证车辆的稳定性。下层采用模糊控制,将转向过度和转向不足量化为“方向偏差”和“位置偏差”,利用四轮转矩独立控制的优点进一步优化转矩输出,旨在降低模型预测控制器对参考模型线性化后带来的跟踪误差。为验证控制策略的可靠性,基于Carsim和Simulink.、Driving Scenario搭建联合仿真模型,将联合控制器和单运动学模型预测控制器进行对比研究。仿真结果表明联合控制器可在完成对给定路径跟踪的基础上,减少转向不足和转向过度的发生,降低了方向误差和位置误差。     

考虑误差校正的智能车辆路径跟踪鲁棒预测控制

为进一步增强高速智能车辆路径跟踪预测控制的鲁棒性和实时性,研究了一种考虑误差反馈校正机制的路径跟踪预测控制方法。考虑车辆纵向、侧向和横摆运动建立三自由度弱非线性车辆模型,以泰勒公式展开实现控制模型的线性时变一阶近似,引入预测状态变量构建路径跟踪预测优化问题。针对车辆参数偏差、系统时变和外界干扰等不确定性因素导致的建模失配,定义系统实际状态值与预测值之间的误差,得到带有反馈校正项的预测输出模型,通过误差反馈校正机制增强路径跟踪控制系统的鲁棒性。将路径跟踪预测优化问题推导转化为带约束的二次规划问题,并通过数值解法实现路径跟踪鲁棒预测控制律的滚动优化求解。结果表明:误差反馈校正机制可以有效改善路径跟踪预测控制算法因整车质量和横摆转动惯量变化导致的低鲁棒性问题,能够实现智能车辆高速行驶工况下的路径跟踪功能,且具备良好的实时性。     

基于人工势场法的移动机器人局部路径规划

在有障碍物的环境中进行局部路径规划时,传统的人工势场法存在局部极小点问题,导致移动机器人徘徊不前,无法到达目标点。为解决局部极小点问题提出了基于人工势场法的左转势场法和虚拟目标点法。左转势场法将处于局部极小点的移动机器人强制转向,跳出局部极小点;虚拟目标点法是当移动机器人处于局部极小点时在合适位置设置虚拟目标点,忽略目标点和障碍物对移动机器人的作用,使移动机器人转向,跳出局部极小点。经Matlab仿真证明,这两种方法均能绕开局部极小点,顺利到达目标点。     

用遗传算法进行路径规划

本文在一种基于网络结构的并行路径规划算法的基础上，为解决该算法的全局最优问题，引入了遗传算法。由于所针对具体的问题的特殊性，本文所使用的遗传算法和通常的遗传算法在某些方面上有所不同。本文所用的遗传算法，采用了“远亲交配”的思想以获取新一代的成员，取得了较好的仿真结果。     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

基于势场法的水下机器人局部路径规划研究

本文阐述了用势场法解决矩形形状水下机器人局部避碰问题的方法。首先针对障碍物和目标对机器人的作用特点,确定了斥力和引力势函数的形式;然后根据刚体的运动特性讨论了机器人的平移和转动规则,提出了机器人局部避碰算法;最后在两台微机上以网络的形式进行了避碰模拟,给出了仿真结果,对一些问题进行了讨论。     

基于人工势场法的移动机器人路径规划研究

人工势场法是移动机器人路径规划的一种常用方法,是势场法思想的起源,是最基础的方法。笔者利用人工势场法原理对移动机器人路径规划进行了研究,并通过MATLAB进行仿真。     

越野地形下智能车辆的动力学建模与轨迹跟踪

提出一种越野地形下智能车辆的动力学建模与轨迹跟踪控制方法.针对越野地形建立了考虑路面倾角的智能车辆动力学模型,并推导了基于零力矩点的车辆侧倾安全约束.然后考虑上述车辆动力学模型及安全约束条件,设计了基于模型预测的智能车辆轨迹跟踪控制器.仿真试验表明该方法可以有效地适应复杂的越野地形,并能够在实现无碰撞轨迹的同时防止车辆发生侧翻危险.