智能车辆路径跟踪横向控制研究

针对传统基于单一控制方法的车辆路径跟踪控制算法无法准确跟踪路径的缺点,以智能车作为研究对象,提出基于预瞄控制和模糊滑模控制的车辆横向控制算法。基于智能车在横向控制中的运动特性,建立横向和横摆两个自由度的车辆模型。针对传统基于反馈控制的方法实时性差的缺点,通过建立预瞄模型来获取预瞄偏差,保证车辆在行驶中提前预估前方道路环境信息,提高实时性。基于滑模和模糊控制,设计了智能车辆路径跟踪横向控制器。采用由集成偏差组成的滑模切换函数及其微分作为控制器的输入,把对误差的控制转化为对滑模函数的控制,保证了车辆转向时的稳定性。Matlab/Simulink的仿真结果表明:智能车辆路径跟踪横向控制器能够在曲率急剧变化的路段实现路径准确跟踪,满足车辆实际行驶要求。     

考虑动力学约束的智能车辆路径跟踪控制研究

针对智能车辆的路径跟踪控制方法中传统的MPC控制器往往只考虑控制量约束和控制增量约束、未考虑输出量约束的情况,以线性2自由度车辆侧向动力学模型作为预测模型,提出了一种路径跟踪控制方法。通过将车辆在路径跟踪过程中的输出量质心侧偏角和横摆角速度约束在一个操纵稳定性状态平稳域内,将路径跟踪问题转变为在多种约束条件下求解控制系统最优值的问题,以此来跟踪目标路径。采用Carsim和Matlab/Simulink进行联合仿真验证,结果显示:所设计的控制器能较好地跟踪参考路径,控制器在跟踪目标路径的过程中表现平稳、可靠。     

智能车辆弯道换道路径规划算法与跟踪控制

为解决智能车辆在弯道工况下换道过程中的路径规划与跟踪控制的问题,提出一种弯道主动换道系统,主要包括基于可拓优度评价的弯道换道路径规划算法与基于模型预测控制的路径跟踪控制方法。该路径规划算法分为:上层路径生成器和下层路径选择器。上层路径生成器以不同的纵向距离采用5次多项式生成路径集合,下层路径选择器基于换道距离、侧向加速度、横摆角速度和质心侧偏角建立可拓优度评价控制器选出最优路径。通过参数优化的模型预测控制算法对规划的路径进行跟踪控制,基于Carsim和Matlab/Simulink的虚拟平台仿真验证该换道系统的有效性。结果表明:车辆在弯道上以不同的速度行驶,换道时,该系统皆能合理地规划出换道路径且能对换道路径进行准确、稳定跟踪控制。     

双点预瞄式智能车大曲率路径的横向控制

针对智能车在大曲率弯道中转向机构过早响应以及跟线精度不高的问题,提出了一种基于双预瞄点的智能车大曲率路径横向模糊控制方法。首先建立了车辆的横向控制系统结构,给出了车辆的动力学模型和视觉预瞄模型,进而提出了双点预瞄调节策略,给出了模糊控制器的设计方法并采用遗传算法进一步优化了控制器的控制规则,最后通过仿真实验验证了控制器的有效性及准确性。结果表明:所设计的控制系统能根据前方道路的曲率及车速实时调节预瞄距离,既能确保车辆的转向角以较高精度实时跟踪大曲率路径,又能保证车速在弯道中处于预定的受控范围内。     

基于预瞄模糊控制的自动泊车算法研究

针对目前自动泊车系统转向不连续问题,提出一种两段式泊车路径规划算法,采用Sigmoid函数对路径进行函数拟合,确定泊车路径。建立了横向预瞄模型,对路径追踪误差进行估计,采用模糊控制方法,对拟合后的理想路径进行追踪;搭建了Pre Scan虚拟仿真环境,通过超声波传感器获取车位信息,对提出的基于预瞄模糊控制的自动泊车算法进行了仿真验证。仿真结果表明:Sigmoid函数对两段式泊车路径的拟合决定系数可达0.99以上;采用该预瞄模糊控制泊车算法,汽车能很好地追踪规划的路径,并成功泊入预定车位。     

基于改进AWA~*算法的智能车辆全局路径规划研究

针对目前智能车辆中AWA~*算法规划在较短时间内无法提高路径质量的问题,提出了一种可在较短时间内快速提高路径精度的优化AWA~*算法。在原有AWA~*算法的估价函数下引入了动态优化因子ε~*,建立了新型的估价函数,设计了新的启发式能耗预估代价,证明了所提出的启发式预估代价满足可采纳性和一致性,确保了优化AWA~*算法可在较短时间内获得更优路径。同时进行了路径规划耗时误差仿真实验,验证了优化AWA~*算法在面对复杂环境地图时搜索耗时误差具有一定局限性,在此基础上进行了低百分比和高百分比障碍物环境地图普适性仿真实验,对比分析了优化AWA~*算法与传统AWA~*算法的扩展节点数目、耗时情况和路径精度。仿真实验结果表明:在全局工况下,相比于AWA~*算法,优化AWA~*算法可在更短时间内提高规划的路径质量,尤其是在低百分比障碍物地图下,效果更为明显。     

一种面向智能汽车的工况自适应路径跟踪控制方法

为实现智能汽车在复杂路面条件下稳健的工况自适应性能,提出一种智能汽车自适应路径跟踪控制方法。基于模型预测控制(MPC)原理,设计了智能汽车路径跟踪控制器;依据总方差法建立路径跟踪综合评价指标,通过仿真分析不同路面附着系数下的路径跟踪效果,拟合路面附着系数与最优车速的关系曲线;根据不同车速和道路曲率,利用遗传算法优化得到所有典型弯道工况下最优时域参数,将纵向车速和道路曲率反馈引入MPC控制器,设计一种时域参数自适应的MPC路径跟踪控制器。在Carsim/Simulink平台上进行仿真试验,结果表明,自适应MPC控制器可根据不同工况采取合适的时域控制参数,与传统MPC相比,提高了路径跟踪过程中对路面附着系数和道路曲率变化的鲁棒性。     

基于预瞄点的自动倒车设计和实现

为研究智能小车在已知环境下的自动倒车的实现方法,首先建立了基于CMOS传感器OV7670和FPGA的智能小车自动倒车的硬件系统,其次通过在倒车场地设置预瞄点并结合图像处理技术提出一种对智能小车的定位方法,然后分析了智能小车的运动学模型以及运动方式,最后提出了一种2段弧理论的自动倒车路径规划方法。研究结果表明,该研究能够成功实现自动倒车。     

基于多幂次趋近律的驱鸟机器人路径跟踪控制研究

由于变电站电力设备交错复杂,鸟类的活动对电网的安全运行已造成严重影响,驱鸟移动机器人在路面障碍与空间障碍等不确定因素并存的情况下,需要对路径跟踪进行精确控制。提出一种基于多幂次趋近律的滑模控制策略,首先建立驱鸟机器人运动的数学模型,然后基于多幂次趋近律设计相应的滑模控制器,并且利用李雅普诺夫函数证明其稳定性。仿真实验结果表明:相对于传统的滑模控制策略,该方法鲁棒性强,可快速削弱抖振现象,使得机器人的运动精确跟随理想路径,其研究成果为变电站实现精准驱鸟提供了重要依据。     

基于CORS定位的无人驾驶路径跟踪研究

针对无人驾驶车辆的路径跟踪问题,提出了一种基于CORS(continuous operating reference station)网络定位的路径跟踪方法。利用GPS和BDS测量的轨迹,将大地坐标模式(L,B,H)转变成空间直角坐标(X,Y,Z)。因为网络CORS定位时受到不同因素的干扰,使其GPS和BDS在精确定位时产生跳动和变化,利用载波相位平滑差分技术,减少定位时的误差,网络CORS定位形成的轨迹精确程度可提高4～5倍。对比分析测量轨迹和实际规划轨迹,得出路径跟踪的偏差区间,不断的实验仿真和调整可实现测量轨迹与规划轨迹的偏差区间以及路径跟踪偏差区间。     

基于RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

研究了无人驾驶车辆的轨迹跟踪问题,基于RBF(径向基函数)神经网络的自适应补偿和鲁棒控制分别设计了2种优化后的ILTV-MPC(增量线性时变模型预测控制)轨迹跟踪控制系统。建立了ILTV-MPC轨迹跟踪控制器,利用RBF神经网络的局部逼近特性,设计了RBF自适应补偿控制器逼近模型的不精确部分;进而将逼近过程产生的误差作为外部干扰,设计了RBF鲁棒优化控制器,从而对逼近误差予以抑制。应用Lyapunov稳定性分析推导出隐含层网络权值训练规则,证明了控制系统的稳定性。当行驶在良好路面时,与传统ILTV-MPC相比,RBF补偿-ILTV-MPC最大误差减小约38.73%; RBF鲁棒-ILTV-MPC最大误差减小约68.42%。结果表明:RBF鲁棒控制较RBF补偿控制可进一步提高ILTV-MPC控制器的跟踪精度,减轻车辆侧滑程度,提高车辆行驶稳定性。     

基于改进Stanley算法的目标假车路径跟踪控制

为了满足智能汽车封闭场地测试的需求,开发了一种智能车场地测试用软目标车,能够有效地提高场地测试的安全性和效率。在封闭场地功能场景的测试中,软目标车应能够按照预设的GPS轨迹高精度行驶。为了提高目标车的路径跟踪精度,设计了基于偏差的比例、积分、微分和Stanley控制算法的横纵向控制器,基于遗传算法得到Stanley控制算法参数的最优知识库,利用模糊控制算法实现Stanley控制算法参数的自适应调节,基于Carsim和Matlab/Simulink联合建立了软目标车仿真模型,最后在封闭场地中进行实车验证。结果表明：提出的控制方法能够满足智能汽车封闭场地测试要求。     

基于双闭环滑模结构的自动泊车路径跟踪控制

为提高自动泊车系统倒车入库时的路径跟踪控制精度,保证在狭小停车场地情况下自动泊入目标车位的成功率,提出一种双闭环的滑模变结构路径跟踪控制方法。将车辆运动学模型的跟踪控制器系统转换成含有位置控制器和姿态控制器的双闭环级联子系统,并设计一种指数和幂次相结合的趋近律,使泊车跟踪路径在有限时间内达到快速收敛。基于Matlab/Simulink搭建了跟踪控制模型。仿真结果表明:设计的路径跟踪控制算法能保证跟踪点快速收敛到理想路径,可提高自动泊车入库的成功率。     

基于牵引控制的移动多智能体系统的目标跟踪

研究了基于牵引控制的移动多智能体系统的目标跟踪问题.假设多智能体系统组成一个有向连通网络而且存在一个全局可达节点,应用Lyapunov稳定性定理研究了施加牵引控制的多智能体系统的目标跟踪,根据Nyquist判据和Greshgorin圆盘定理探讨了具有通信时延的多智能体系统的运动收敛性.最后,计算机仿真验证了结论的正确性.     

基于虚拟网格技术的自适应车辆跟踪算法的研究

为了解决车辆跟踪速度、精度、非线性等问题,引入简化跟踪目标图像信息的虚拟网格技术,结合改进的Kalman预测理论,构建自适应车辆跟踪算法,利用该算法完成对移动目标车辆进行实时检测跟踪。测试结果验证了算法提高视频图像中移动目标跟踪速度,且以较高的精确性对单个、多个移动目标进行检测跟踪。     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。     

基于人-车-路闭环系统的路径跟踪模型预测控制

为提高人-车-路闭环系统的路径跟踪能力以及操纵稳定性能,利用Matlab/Simulink软件,搭建了3自由度汽车动力学模型以及基于车辆侧向加速度反馈修正的预瞄驾驶员模型,并与Carsim模型进行对比验证,检验了上述模型的正确性;根据模型预测控制理论,搭建了基于主动转向的路径跟踪模型预测控制器,采用双移线路径作为仿真工况,分别在有/无模型预测控制的情形下进行了仿真。结果表明:该模型预测控制器可将路径跟踪的误差均值控制在0. 1m以内,将瞬态误差极值降低50%左右,并消除了路径跟踪后期的震荡现象;此外,可保持汽车侧向加速度、横摆角速度值等操纵稳定性指标在合理范围之内。研究结果可为智能汽车的人-机共驾研究以及无人驾驶方向的进一步研究提供参考。     

基于两阶段算法的带时间窗车辆路径研究

车辆路径问题(VRP)是研究在规定区域内如何规划车辆行驶轨迹来提高运输效率的调度问题。实际生活中往往有顾客对服务时间有自己的要求,因此对于特定时间内车辆路径问题(VRPTW)的研究不但可以提高运输行业配送水平,而且可以有效提高顾客满意度及车辆利用率,实现资金合理配置。通过研究大量配送环节的VRPTW问题并结合实际配送需要,构建运输成本最小的带有惩罚函数的目标函数并设计两阶段算法,将聚类分析和改进遗传算法相结合。通过MATLAB仿真计算和对实验结果进行比较,验证所建模型及算法设计能够有效解决实际问题,降低配送成本。     

基于自适应模型预测的自主车辆避障控制研究

在无人驾驶车辆安全避障控制过程中,由于被控对象的非线性特性,线性模型预测控制器难以保证车辆避障系统的安全性及稳定性。以车辆二自由度运动学模型为基础,在已有感知障碍物信息的基础上,通过应用自适应模型预测控制理论,结合障碍物虚拟边界约束及车辆控制变量约束,设计了以节气门开度和方向盘转角为控制变量的线性时不变控制器,并在Simulink环境下与基于传统模型预测避障控制器进行比较。仿真结果表明:相较于模型预测控制,基于自适应模型预测控制理论设计的控制器能提高车辆避障安全性及舒适性。     

基于部分有界互相关图像匹配算法的车辆视频跟踪

归一化互相关算法作为一种基于穷举原理的块匹配方法,其计算精度高、鲁棒性好,但计算量大。为提高图像相关匹配算法的搜索速度,在传统的有界部分相关算法基础上,提出了以自适应二分法为基础的匹配方式,将模板图像的每行分成灰度高低不同的两块,依据两块的灰度高低先后进行相关计算。该算法保持了边界部分相关算法速度快的优点,同时在每次搜索中给出更高的阈值,过滤掉不符合要求的匹配点,从而加快了有界部分相关算法的计算速度。实验结果表明:改进后的算法在精度不变的情况下运算速度得到提升,能够快速准确地跟踪行驶中的车辆。