基于模型预测控制的汽车主动避障系统

为了加强汽车行驶安全性,搭建了包含环境感知、危险态势评估、路径决策和控制执行四部分的智能汽车主动避障系统。基于改进人工势场模型构建了以道路边界斥力势场、动态障碍物斥力势场和引力势场核心的路径规划模块,同时,建立以前轮偏角为控制变量的车辆动力学模型,利用模型预测算法对路径进行跟踪。利用动力学仿真软件CarSim和控制仿真软件Simulink联合仿真,结果表明文中运用的模型预测控制优于驾驶员预瞄控制,对路径具有更好的跟踪效果、提高了跟踪精度,实现了汽车主动避障。     

基于MPC路径跟踪研究

针对无人驾驶车辆在实际行驶过程中的路径跟踪问题,建立车辆二自由度动力学模型和路径跟踪预测模型,将预测模型与车辆二自由度动力学模型相结合。基于MPC轨迹路径跟踪算法,并搭建了基于dSPACE系统硬件在环仿真试验平台,进行硬件在环仿真试验,验证MPC轨迹路径跟踪仿真控制策略的合理性和正确性。结果表明:设计的基于MPC路径跟踪控制可以保证车辆在换道时,方位平均偏差在0.05 m范围内,利于实际应用。     

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。     

基于改进人工势场法的机器人实时路径规划

针对传统人工势场法在机器人实时路径规划中存在目标不可达和局部极值点等问题,提出了一种改进的人工势场法.首先,在斥力函数中引入距离影响因子,解决目标点旁存在障碍物时的目标不可达问题;其次,引入动态法向力,消除由单个障碍物形成的局部极值点振荡或停滞;然后采用一种新的虚拟目标点设置方法,解决复杂槽形障碍形成的局部极值点问题;最后根据机器人受到的斥力,设置自适应调节步长.仿真实验结果表明:改进的人工势场法可以有效解决传统算法在目标不可达以及不同复杂度的局部极值点规划停滞,自适应步长调节可降低规划所需步数19%～30%.     

一体式车辆避撞轨迹规划与跟踪控制

为提升复杂交通环境中智能车辆的避撞能力,将路径规划、速度规划及跟踪控制整合为一个优化问题,提出一种基于模型预测控制(MPC)的一体式车辆避撞轨迹规划和跟踪控制方法。首先,分析实际交通环境中的避撞场景,将智能车辆的避撞控制问题转化为多约束优化问题;其次, 搭建7DOF(七自由度)车辆动力学模型和复合滑移工况的UniTire轮胎模型设计MPC控制器;再次,针对变速控制问题中传统基于时域预测模型的MPC控制方法无法在预测时域中实现车辆空间和位姿约束的问题,设计了基于空间域预测模型的MPC控制器;最后,基于Matlab和CarSim联合仿真平台设计了不同避撞场景验证所提方法,并与现有基于恒速假设的一体式避撞控制方法进行对比。仿真结果表明：所提方法能够充分发挥车辆的机动性能,解决现有一体式控制方法在 复杂环境中避撞失败的问题,并保证避撞过程稳定和轨迹平滑。     

基于自适应模型预测控制的智能车轨迹跟踪

针对传统模型预测算法在智能车辆轨迹跟踪的局限性,引入随道路曲率变化的速度自适应调节算法,设计轨迹跟踪控制器。设计目标函数及添加约束条件,通过Matlab/Simulink软件,在不同车速下与传统算法进行比较,仿真结果表明:不同的纵向车速对传统算法的轨迹跟踪有一定的影响,而对改进后的算法影响较小。尤其当车速较高时,改进后的算法轨迹误差更小,能保证车辆安全、稳定地行驶。     

基于混合遗传算法的连续空间下机器人的路径规划

介绍一种基于遗传算法的移动机器人路径规划的新方法．采用混合遗传算法对连续空间下机器人的路径进行规划时，先对规划空间利用Ford算法进行链接图建模，得出可选路径，然后再使用遗传算法来调整各个路径点，最后得到最优的或近似最优的优化路径．该方法可以克服可视图法和人工势场法在路径规划中的某些不足．     

基于安全势场的网联自主车辆跟驰行为决策及模型

为改善网联自主车辆(CAV)的跟车安全和效率,针对CAV通过对周围环境进行感知进而进行自主决策的特点,首先,建立包含车道线势场、道路边界势场和车辆势场的安全势场模型,系统地刻画CAV在行驶过程中面临的安全风险,在安全势场模型的建立过程中,针对现有车辆势场函数存在引力和斥力表达式分割独立的缺陷,借鉴分子间相互作用关系建立统一的基于LennardJones势的车辆相互作用势场函数,并将加速度参数引入到车辆势场中,加速度的变化直接影响车辆势场的分布,能够有效地反映车辆在不同运行状态下安全势场的动态变化趋势;然后,将安全势场应用于CAV跟驰行为决策,并通过上海自然驾驶数据集标定模型参数;最后,选择与现有经典的智能驾驶人IDM和可变车头时距VTH模型进行仿真对比。结果表明：与其他两种模型相比,该模型在所设计的3种交通场景中有更平滑的响应曲线来改善跟车安全和效率,验证了模型的有效性。研究成果可为CAV的上层控制设计提供理论支撑,也为CAV安全技术的研究提供了 独特的途径。     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

动态环境下的移动机器人避障策略研究

近年来针对传统人工势场法(artificialpotentialfield,APF)易陷入局部最小值问题所提出的优化算法依然存在适用性不高、计算效率低等问题,基于部分优化算法的不足,笔者创新性地引入了基于采样的快速扩展随机树算法(rapidlyexploringrandomtree,RRT)在静态已知地图上预先选取数个临时目标点,避免移动机器人在使用人工势场法时陷入局部最小值区域并在动态障碍物环境中进行实时路径规划的避障策略.结果表明:该方法简单易实现,同时结合了RRT算法概率性完备、收敛性良好与APF算法计算小、实时性高等优点,能够适应动态环境变化,满足移动机器人动态避障的要求.     

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。      

���ڽ�ͨԼ���ĸ�Ч·���滮�㷨

分析了路径规划问题及其在交通约束条件下的特点。从算法改进和模型改进两方面对路径规划算法进行了研究,在详细分析Dijkstra算法步骤和对偶法的基础上,给出了交通约束的数学模型及道路网络的相关定理。基于传统Dijkstra算法,对搜索过程中的节点和边的标记方式和规则进行了改进,提出了一种在交通约束条件下的高效路径规划算法。该算法通过减少搜索节点和标记边的次数而减少搜索过程中的运算量。仿真结果表明,该算法对偶法1/3～1/4的运算量。     

基于改进Dijkstra算法的高速公路 应急疏散路径规划

为解决采用传统Dijkstra 算法在高速公路应急疏散规划路径中存在可用性差的缺陷,考虑 高速公路路网中有通行容量及条件限制的节点和路段特征,对其进行改进,提出容量限制节点的 表征方式及流量计算方法,并根据待疏散车辆特征对具有限高、限重属性的路段进行筛选,提出 分类路径规划方法。最后,以河南省高速公路局部路网疏散路径规划问题为基础设计算例,分别 采用传统算法和改进Dijkstra 算法对高速公路应急疏散路径进行求解。结果显示,传统算法得到 的路径规划及交通量分配结果中,容量限制节点上游路段的分配交通量高于节点容量,在节点处 形成疏散瓶颈,且对于规划路径中有限重条件的路段,案例中超重车辆无法使用该路段疏散;相 比而言,由改进算法得到的路径规划及交通量分配结果则不存在上述问题,从而使得疏散效率和 疏散路径的可用性得到了保证。     

多机飞行冲突解决方法研究

飞行冲突的探测和解决是自由飞行的关键问题.结合了人工势场法的蚁群算法可以解决多机飞行冲突.在对飞行冲突解决问题的研究背景和现状作简要介绍的基础上,建立了有约束组合优化的数学模型,提出了用蚁群算法优化人工势场法规划结果的新思路.仿真计算证明算法能在短时间内提供多架飞机理想的冲突解决方案.     

基于机非冲突近似网格风险评估的自动驾驶左转运动规划模型

为了提高自动驾驶车辆在复杂机非混行交叉口行车安全性、舒适性和效率,提出了一种基于机非冲突近似网格风险评估的自动驾驶左转运动规划模型,并进行模型泛化;设定静态离散序列交叉口网格区域的划分规则,根据多状态通行行为概率转换关系,预测非机动车在细分网格中的运动状态,并动态评估机非冲突区域的风险等级;在此基础上,采用模型预测方法设计自动驾驶车辆的横纵向控制算法,通过自适应调节航向与速度实现跟踪期望轨迹并同步规避网格冲突区域;结合车辆动力学与外部交互环境等约束条件,开发交叉口四相位信号控制交通仿真平台,采用模型在环测试的方式,从效率优度、舒适性优度、实际规划路径与参考路径的偏移量等方面,验证了对左转机非冲突区域运动规划的有效性。研究结果表明:所提出模型能够有效动态提取和预测网格风险信息,确保自动驾驶车辆与驶入交叉口非机动车的安全交互、高效通行与驾驶舒适性,其规划路径的偏移量与同类算法相比最大可降低17.1%,通行效率最大可提高26.6%,舒适性优度最大可提高39.3%,实际路径跟踪表现出高效通过交叉口机非冲突区域和规划路径占用空间低的明显优势。      

������ģ�͵Ľ�ͨ�ź���ѧϰ���Ʒ���

为了减少车辆通过路口的延误,采用云模型建立控制策略,运用Q-学习改进控制模型的参数。路口信号控制智能体通过感知系统获得车辆到达信息,根据信号控制规则集和车辆到达信息采取符合控制策略的控制行为改变当前信号状态。信号控制的关键规则采用二维正态半云描述,利用二维前件云发生器生成针对不同交通状态的控制策略。云模型中的主要参数通过Q学习算法进行优化,以总停车延迟作为目标函数经过迭代产生针对不同交通量的云模型最优控制方案。最后,使用仿真软件对传统控制方式和基于云模型的控制方式进行比较,仿真结果表明,基于云模型信号控制方法的控制效果优于定时控制和感应控制。     

改进A*算法的物流无人机运输路径规划

针对低空环境下物流无人机运输路径规划问题,综合考虑低空规划空域、物理性能等内外限制,设计了一种改进A~*算法用以快速解算路径。该算法以栅格法飞行区域建模为基础,为适用无人机航空物流运输,在成本函数中引入栅格危险度并增加飞行时间、能源消耗等代价,同时采用动态加权法对估计函数的权值赋值。在既定的路径规划环境及物流无人机性能约束下,仿真结果表明:该算法能快速规划出危险度小、能耗少的避障运输路径,且性能相比原算法、蚁群算法优;并得出最佳路径所对应的栅格粒度大小与代价权重值取值,验证了本算法的有效性。     

基于粒子群算法的平行泊车轨迹规划

泊车规划主要解决泊车过程中的路径规划,为自动泊车提供泊车轨迹。以反正切函数作为轨迹的基函数,对道路和车辆进行参数约束,将泊车过程模型化;以最终车位角作为目标函数,建立多约束非线性方程,采用粒子群算法(particle swarm optimization, PSO)对方程优化求解,进而得到较优的轨迹方程。仿真结果表明,该轨迹函数符合车身运动学要求,同时也不会触碰到其他车辆,能达到安全泊车的目的。     

求解客户需求动态变化的车辆路径规划方法

对于集货过程中客户需求随时间变化的动态车辆路径规划问题,按时间段划分为一系列车辆已驶离中心车场的静态车辆路径问题,引入虚拟任务点与相关约束方法,将其进一步等价转化为普通的静态车辆路径问题,使用适用于静态问题的算法对其进行求解。应用此车辆路径规划方法,以改进的节约法为静态算法,对于客户数为20的动态路径规划问题进行求解,得到重新优化路径所用的时间为0.49s,说明这种规划方法可行。