基于多传感器数据融合的自动泊车系统高精度辨识车位的方法

为解决城市道路条件下基于超声波雷达传感器的自动泊车系统存在的车位识别率不高、可识别车位类型较少、车位检测精度低等问题,提出一种高精度辨识泊车位的有效方法。通过多个超声波雷达和视觉传感器的数据融合,实现泊车位边界的高精度探测。利用2个超声波雷达先后探测库位内部的疑似障碍物,提出疑似障碍物绝对速度计算方法。设计了泊车位识别模糊控制逻辑,结合视觉传感器检测出的车辆朝向和停车线等数据信息进行融合处理,能够识别多种类型的水平和垂直泊车位。最后,进行了多种车位场景下的实车试验。试验结果表明:提出的泊车位辨识方法能有效识别多种类型的泊车位,识别率高,与仅采用1个超声波雷达和仅使用摄像头检测泊车位的方法相比优势明显,能提高自动泊车系统的智能化水平。     

基于图搜索和几何曲线的自主代客泊车路径规划

针对自主代客泊车系统的路径规划问题,提出了一种基于有向图搜索和几何曲线的自主泊车路径规划算法。提出了一种基于广义维诺图的有向混合A~*全局路径规划算法,准确有效地生成一条从停车场入口到达泊车起始点的无碰撞路径。采用改进的C型垂直停车路径规划算法生成局部泊车路径。通过Matlab和CarSim联合仿真及实车试验证明了该算法的有效性和实用性。试验结果表明：与Hybrid A~*算法相比,提出的全局路径规划算法在生成可行路径时,所需时间更短,避障性更好。该自主代客泊车路径规划算法,路径跟踪效果较好,能够有效可靠地实现自主泊车目标。     

基于伪谱拼接法的自动泊车路径规划

在局促环境下自动泊车路径规划是自动泊车研究的难点。基于Gauss伪谱法开展智能车入库的路径规划研究,首先使用P-Norm函数刻画出车库位置和车辆边界,然后根据车库和车辆位置添加边界约束,并融合车辆运动学约束构建泊车路径规划控制模型,将最优控制问题转化为非线性规划问题(NLP),运用序列二次规划法进行求解。仿真实验结果显示:Gauss伪谱法能对狭窄空间内多阶段泊车进行整体求解,证明了该方法的可行性。     

基于双匀速轨迹的自动泊车路径规划研究

针对自动泊车过程中由于路径曲率不连续而常常出现的停车原地转向的问题,提出了一种基于车辆速度和方向盘转动角速度的泊车路径生成方法。分析了在车速和方向盘转速为恒值时的车辆轨迹特点即"双匀速"轨迹特点。引入了"过渡半径"和"切入半径"的概念,将双圆弧泊车路径与"双匀速"轨迹有机地结合起来,使泊车路径生成算法以及避障算法更为简便,泊车路径的相关参数以及泊车可行域都可以用车辆速度、方向盘转动角速度和车身几何尺寸计算得到。基于预瞄理论建立倒车驾驶员模型,在Carsim里对生成的"双匀速"泊车路径进行可行性验证,结果显示:这条由车辆"双匀速"轨迹计算得到的路径在车辆非匀速泊车过程中同样有较好效果。由此可知:基于"双匀速"的泊车路径生成方法有效地解决了泊车过程中的避障问题,同时满足了路径曲率连续性的要求,从而避免了泊车过程中停车转向的问题。     

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。     

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。     

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。     

基于改进深度强化学习的自动泊车路径规划

提出一种基于深度强化学习的运动规划方法,以车辆位姿、方向盘转角和与障碍物的最小距离作为状态,以目标方向盘转角作为动作,通过Pytorch搭建了基于深度强化学习的泊车算法框架。设计基于引导的奖励函数以避免奖励稀疏问题;以回合平均奖励作为优先级,将经验池改进为基于优先队列对样本进行存储和淘汰;针对泊车问题,提出了基于课程学习的分阶段训练方法,加速算法收敛。仿真结果表明:提出的算法较原始算法收敛速度提高25%,完成训练的智能体具有较强的规划能力和健壮性,规划成功率达到90.6%,同时具有良好的舒适性和安全性。     

基于遗传模糊算法爬壁机器人避障仿真研究

为解决爬壁机器人壁面作业过程中的避障问题,课题组提出了基于遗传算法优化的模糊控制算法。首先,建立了爬壁机器人在壁面的运动模型,求解出机器人运动学方程;利用平面栅格的方式进行描述机器人运动路径的规划;采用遗传算法对爬壁机器人模糊避障控制进行优化,并给出具体优化步骤。利用MATLAB进行仿真实验,仿真结果表明：与遗传算法进行比较,基于遗传算法优化的模糊控制在准确避开障碍物的前提下,能够更好地跟踪起点和目标点的连线,并规划出从起始点到目标点之间更短的路径。     

基于模糊卡尔曼滤波车速估算的泊车运动学模型

为更好地进行泊车运动过程的研究,建立适合泊车过程的专用泊车运动学模型,通过对实际泊车运动过程的分析,提出了一种基于模糊卡尔曼滤波车速估算的泊车运动学模型。泊车的运动过程是低速高精度的控制过程,尤其在较小泊车位中进行超低速自动泊车时,对车速的测量会由于起步惯性和轮胎磨损引起速度测量误差,这就需要对实际车速进行精确估算。通过车轮转动速度与车身加速度积分所得车速进行模糊卡尔曼滤波融合,得到泊车不同阶段的车速估算值。输入估算的车速与前轴中心转角建立泊车运动学模型,得到泊车车辆的位置信息与姿态航向角。经Matlab/Simulink仿真和泊车实验的数据对比分析,结果表明:建立的基于模糊卡尔曼滤波车速估算的泊车运动学模型与原泊车运动学模型精度整体上提高15%,与实际泊车情况偏差3%。因此,提出的泊车运动学模型符合泊车过程车辆运动学模型的要求,降低了泊车整个过程的位移和航向角计算误差,对于进一步研究泊车路径规划与控制具有重要意义。     

一种纯追踪模型改进算法

为了提高农业机械自动导航控制系统的精度,根据纯追踪模型和农业机械运动学模型的特点,提出了一种纯追 踪模型改进算法。在重点分析纯追踪模型算法误差原理的基础上,指出纯追踪模型误差主要来源于车体的航向角和转 向角。采用该算法可以校正车体的航向角和转向角,减小车体跟踪规划路径时的横向误差。根据算法推导和电控液压 阀性能等因素得出前视距离L≥3-wT才能取得较好的跟踪效果。Matlah仿真结果表明,该算法比纯追踪算法的精度 提高了30. 24%,最大误差减小了4 cm,标准差也有所减小     

基于预瞄的智能车辆路径跟踪控制研究

针对智能车辆在实际行驶过程中的路径跟踪问题,综合考虑车辆位置和动力学状态,建立了二自由度车辆动力学模型和路径跟踪预瞄误差模型,并将预瞄误差模型与二自由度车辆动力学模型相结合。以最小化横向预瞄误差和车辆与目标路径之间的方位偏差为控制目标,基于线性二次型最优状态调节器(LQR),得到了安装四轮转向控制器的智能车辆的前后轮转角。将车辆的前后轮转角作为车辆模型的输入,控制车辆稳定地跟踪期望路径。仿真结果表明:提出的路径跟踪控制策略能够在车辆换道时始终维持横向预瞄误差和方位偏差在较小范围内,同时具有较好的横向稳定性。     

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。     

B样条曲线下的MPC轨迹重规划算法

为加强无人驾驶车辆在复杂环境道路上行驶的平滑性,减少车辆的抖振,提高乘坐舒适性,提出了一种基于B样条曲线的MPC轨迹重规划算法。该算法将B样条曲线与MPC轨迹重规划算法进行有效结合,利用B样条曲线局部性和凸包性的优势,对重规划算法规划出的离散点进行拟合,提高规划路径的平滑性。基于Matlab/CarSim进行联合仿真,对建立的轨迹重规划模型及控制模型进行双移线工况下的仿真验证。结果表明:相比于不加平滑算法的规划轨迹,双移线工况下,多项式拟合曲线规划出的路径侧向最大加速度和横摆角速度分别降低了56. 01%和60. 52%,B样条曲线降低了77. 08%和68. 55%,验证了算法的正确性和有效性。     

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。     

一种改进A~*算法在智能车中的应用研究

在智能车的自主导航中,要求规划模块在满足一定限制条件下,生成符合智能车运动特性的路径。而传统A~*算法存在着路径点不平滑,路径点紧挨障碍物和起始时刻路径不合理的问题。为了解决传统A~*算法所存在的问题,首先建立了车辆运动学模型并得到约束条件,同时将方向代价和自适应障碍物惩罚代价加入评价函数中;然后用车辆约束条件优化启发函数和路径优化模块;最后通过自由边界三次插值算法拟合转折点,使A~*算法规划的路径能够更好地被跟踪。通过实验分析可知:相比于传统A~*算法,改进A~*算法规划的路径更适用于实际车辆的运动控制。     

多移动机器人3阶段解耦路径规划

针对多移动机器人集群在路径决策时任务执行时间过长、容易陷入死锁等问题，课题组提出了一种3阶段解耦路径规划方法。利用栅格法建立二维环境模型，首先以传统蚁群算法为基础，引入参数自适应机制和路径指引函数，提高算法的收敛速度；其次将多机器人集群路径规划分为3个阶段，提前预判出冲突路段，减少机器人的等待时间和绕行距离；最后利用MATLAB软件进行仿真实验。仿真结果表明：使用改进后的蚁群算法进行路径规划最优路径长度减少了5.5%，算法的收敛速度提升了近50%；在不同的栅格环境下，可以有效地预测和消解多机器人间的冲突。该研究为多机器人的路径规划提供了一种新的方法。     

燃料电池客车驱动系统建模及能量管理策略优化研究

针对燃料电池客车建模的复杂性,合理利用实验数据,在Matlab软件中建立了燃料电池客车动力系统的能耗模型。为了解决基于模糊控制的能量管理策略过于依赖专家经验的问题,提出了两种基于优化算法改进的能量管理策略:(1)利用遗传优化算法对模糊控制策略进行改进;(2)利用序列二次规划方法对基于规则的控制策略进行优化,建立燃料电池输出功率与动力电池SOC的函数关系。由于单个工况无法反映系统长时间运行时的性能,将对连续20个重复的中国典型城市公交工况进行仿真。仿真结果显示:优化后的2种控制策略的整车经济性均优于原模糊控制策略。优化后的控制策略有效避免了燃料电池输出功率频繁变化的现象,同时动力电池SOC维持在合理区间,可有效延长燃料电池和动力电池的寿命。     

移动机器人路径规划的一种改进蚁群算法

提出了一种复杂静态环境下的移动机器人避碰路径规划的改进蚁群算法。基于栅格法的工作空间模型,模拟蚂蚁觅食行为,并针对移动机器人的路径规划的需要,将一些特殊功能赋予常规的蚁群算法。为了避免移动机器人的路径死锁,在路径搜索过程中,当蚂蚁探索到一个死角时,建立了相应的死角表,同时用惩罚函数来更新轨迹强度。仿真研究表明:该算法能明显改善路径规划性能,并且算法简单有效。     

基于LazyPRM算法的工业机械臂动态避障和轨迹规划及协调作业研究

针对6自由度关节串联型工业机械臂在动态作业环境中的实时智能避障问题,首先提出了一种基于改进LazyPRM算法的实时路径规划方法。该方法在传统的LazyPRM算法的基础上,引入了节点代价来对最短路径进行代价评估,通过优先选择最小代价的最短路径来避开发生碰撞的路径;然后通过仿真实验对比了传统的路径规划方法与所提出方法的性能优劣,结果表明所提出的方法满足工业机械臂在动态环境中的实时避障规划要求,避障性能优于传统方法;接着利用五次多项式轨迹插补方法对工业机械臂进行关节空间的轨迹规划,仿真表明:采用五次多项式插补法可以得到平滑的关节角度、角速度及角加速度变化曲线;最后利用装配有五指灵巧手的工业机械臂进行单手和单臂、双手和双臂协调配合,进行抓、夹、插剪、推、锤等作业,仿真实验确认了本文所提方法的有效性。