基于改进人工势场法的车辆路径规划与跟踪控制

针对采用传统人工势场法进行车辆路径规划时易造成局部极小值与目标不可达的问题,通过改变斥力函数并增加车道边界约束条件函数的方式改进传统人工势场法,进行车辆路径规划。采用模型预测控制(model predictive control, MPC)算法跟踪控制改进人工势场法生成的规划路径,采用软件CarSim与Simulink搭建联合仿真模型对路径跟踪效果进行仿真试验。结果表明：改进人工势场法路径规划合理有效;跟踪路径与规划路径的横向误差小于0.4 m。改进人工势场法和MPC算法应用于无人驾驶车辆的路径规划与跟踪控制具有可行性。     

单拖挂汽车列车路径跟踪控制策略

为提高汽车列车路径跟踪性能，结合模型预测控制和最优曲率预瞄控制设计了路径跟踪控制器。在曲线部分采用模型预测控制以减小横向跟踪误差，在直线部分采用最优曲率预瞄控制来提高行驶稳定性，基于TruckSim/Simulink建立联合仿真模型并进行了仿真分析。结果表明，与对标车型自带路径跟踪控制器相比，在单移线工况下，采用综合控制器的汽车列车轨迹跟踪误差减少了60%以上，稳定性指标改善了7%。     

车辆主动转向的变结构控制器设计

针对基于线控转向技术的四轮主动转向汽车,利用滑模变结构控制策略,以提高车辆在紧急避障和危险工况下运行的安全性.将实际车辆的前、后轮侧偏刚度及外部干扰视为有界的不确定性参数,利用确定性线性车辆模型作为理想跟踪目标,进行车辆主动转向的变结构控制器设计.人-车-路闭环系统仿真结果表明:当轮胎侧偏刚度摄动或有外部侧风干扰时,变结构控制的四轮主动转向汽车实现了转向零质心侧偏角和跟踪期望横摆率的控制目标,其双移线仿真最终路径偏差分别为0 m和0.05 m,被控车辆系统表现出了良好的路径跟踪性和在不确定影响下的鲁棒性,车辆的操纵稳定性与主动安全性得到了提高.     

基于模型预测控制的智能汽车轨迹跟踪方法比较

针对智能汽车轨迹跟踪问题,基于模型预测控制原理分别采用运动学模型和动力学模型为预测模型,通过对非线性系统进行线性化和离散化处理,根据约束条件、目标函数设计了2种轨迹跟踪控制器。基于Carsim与Matlab/Simulink联合仿真平台,在不同附着系数、不同车速下进行典型轨迹跟踪仿真试验。结果表明:不同工况下,2种模型预测控制器都有良好动态跟踪特性,动力学模型的跟随效果和控制平滑度略优于运动学模型。     

基于模型预测控制无人驾驶车辆避障轨迹跟踪器设计

针对无人驾驶车辆的轨迹跟踪和避障问题,基于模型预测控制算法设计了避障轨迹跟踪控制器,实现避障和轨迹跟踪功能。在不同车速下采用Matlab和CarSim进行联合仿真试验,结果表明:设计的控制器控制性能和稳定性良好,能满足无人驾驶车辆的避障和轨迹跟踪需求。     

基于运动学和动力学模型的无人驾驶路径跟踪控制器设计

设计了一种应用于无人驾驶控制的基于车辆运动学和动力学模型的路径跟踪控制器,包括运动学和动力学模型、路径跟踪控制模型、地图匹配模型和执行命令融合模型,使用实时车辆姿态信息进行转向角度预测,使用实时车辆定位信息进行反馈控制以消除系统干扰和模型误差。系统硬件包括车辆平台、嵌入式Mbed开发平台、Ubuntu系统运行平台和惯性导航系统,软件框架使用robotic operation system(ROS),使用rosserial服务连接嵌入式Mbed开发板与ROS。实车测试表明控制器系统达到设计目的。     

基于联合仿真的平行泊车控制策略

为了提高泊车效率和安全性,提出了平行泊车控制策略,包括车位识别、路径规划和路径跟踪.在满足路径约束的条件下,利用等速偏移和三角函数叠加曲线进行泊车路径规划,基于模型预测控制算法进行泊车路径跟踪控制.搭建Prescan和Simulink联合仿真模型,进行车位识别和泊车过程仿真验证.结果表明:该策略可实现车位识别,并自主完...     

融合稳定性的高速无人驾驶车辆纵横向协调控制方法

提出了一种纵横向协调控制的路径跟踪控制方法; 建立了车辆预瞄误差模型和考虑路面地形的高速车辆等效动力学模型, 以此引入道路曲率地形因素; 基于模糊规则设计了预瞄距离发生器, 解决预瞄误差模型中固定预瞄距离的问题; 建立了预测时域与道路曲率的函数关系, 运用模型预测控制算法求解前轮转角, 从而建立路径跟踪控制器; 运用指数模型表示车辆期望车速, 设计了比例积分微分纵向控制器控制车速以改善路径跟踪精度; 运用质心侧偏角相平面图表征车辆稳定性特征, 设计比例积分微分稳定性控制器以改善车辆稳定性。研究结果表明: 提出的控制方法能在不同附着系数路面上对车辆跟踪性能进行优化, 在干燥沥青路面以车速90 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少33%;在潮湿沥青路面以车速70 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少30%;在冰雪路面以车速55 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少16%。可见, 所提出的控制方法能有效改善路径跟踪精度。      

基于模型预测控制的智能车横纵向控制器设计

针对智能车横纵向控制中路径跟踪精度、行驶稳定性以及乘坐舒适性等问题,提出了基于模型预测控制(MPC)的横纵向综合控制方法。速度规则系统根据参考路径曲率与车辆跟踪位移误差计算出期望速度曲线,速度跟踪控制采用分层式控制器,上层控制器利用MPC算法计算期望加速度,下层控制器利用车辆逆纵向动力学模型对车辆的驱动和制动进行协调控制。横向控制器根据参考路径、车辆反馈状态以及纵向上层控制器的期望速度计算车辆前轮转角。最后通过实验对比本算法与恒速MPC横向控制算法的轨迹误差,结果表明:本算法控制的车辆横向位移均方根误差减小了0.051 m,有效提高了车辆轨迹跟踪的控制精度。     

智能车辆横纵向运动综合控制方法研究

针对智能车辆运动控制中的多种复杂动力学约束及性能需求,提出基于模型预测控制算法的横纵向综合控制方法,分别设计横向和纵向控制器.横向控制器基于单轨动力学模型,纵向采用分层控制结构,以纵向速度为耦合点结合横向和纵向控制器,并根据路径信息规划车辆行驶速度,实现转向和速度同时控制,最后通过Carsim和MATLAB联合仿真.研究结果表明:控制器具有良好的跟踪性能,实时性强,且能够满足车辆横向稳定性、舒适性和平顺性等要求.