基于狭窄垂直车位的多段式路径规划与仿真分析

自动泊车系统（APS）目前受到广泛的关注,但大部分研究忽略了车辆初始航向角偏差对整体泊车效果的影响,对此,论文研究了狭窄垂直车位场景下车辆初始航向角不为零的多段式路径规划方法。首先基于车辆最小转弯半径建立了车辆后轴中心运动轨迹方程,通过五次多项式对路径规划进行优化,实现路径曲率更连续、泊车更平顺和舒适。CarSim/Simulink联合仿真验证表明,五次多项式泊车路径优化方法可行,在满足泊车安全的基础上,泊车位所需实际宽度减少10.4%,长度减少15.3%。     

智能车路径跟踪控制算法的简述

智能车主要分为路径规划、路径跟踪、自动泊车三大部分。路径规划主要研究车辆的避障问题,路径跟踪主要研究车辆跟随期望路径的有效性,自动泊车主要分析车辆在有限的几何空间内将车辆泊到指定的空间位置。其中路径跟踪是其核心部分,根据研究方法的不同,主要分为"预瞄跟随模型"和"智能控制模型"。文章根据预瞄点的不同,主要分析单点预瞄模型、两点预瞄模型、路程预瞄模型。根据智能控制方法的不同,主要分析模糊逻辑控制驾驶员模型、神经网络控制驾驶员模型、模型预测控制驾驶员模型。     

基于库位跟踪的自动泊车决策规划系统

针对自动泊车算法对自车初始位姿要求较高的问题,设计了一套自动泊车决策规划算法,对自车初始位姿无要求。设计了库位跟踪算法,在泊车过程中不断更新库位坐标,并以此在关键点进行后续规划,保证最终泊车姿态理想;针对平行库位长度不满足一次规划入库最短需求及垂直泊车中停车通道宽度不足的情况分别提出了多次规划算法和动态调整算法。通过Simulink和Pre Scan联合仿真及实车试验进行了验证,证明了上述算法的有效性。     

基于多点序列预瞄的自动驾驶汽车路径跟踪算法研究

针对自动驾驶汽车自主行驶问题,提出了一种基于预瞄信息的路径跟踪算法。以GPS轨迹点序列作为目标路径,建立车辆—路径相对运动关系模型,使用实时差分GPS数据确定车辆位置。通过预瞄点序列,计算路径的预瞄偏差角和路径弯曲度。根据路径弯曲度确定行驶速度,实现纵向控制;通过Pure Pursuit算法将预瞄偏差角转换成前轮转角的控制量,实现横向控制。试验结果表明,提出的路径跟踪方法在纵向、横向控制和跟踪平稳性方面都具有良好的效果。     

自动驾驶车辆侧向路径跟随控制算法仿真

路径跟随是依照规划轨迹信息通过对执行元件的控制实现沿期望轨迹行驶,控制算法对实现路径跟随非常重要。针对自动驾驶车辆的侧向控制技术,文章研究了基于最优预瞄理论的路径跟随控制,建立车辆二自由度模型和预瞄误差模型,设计模型预测控制（MPC）侧向跟随控制器以提高跟随精度。利用CarSim-Simulink联合仿真,仿真结果表明,该算法策略能稳定跟踪规划路径。     

基于模型预测的智能客车路径跟踪控制研究

为实现智能客车跟随预瞄路径到达目标位置,本文提出一种基于模型预测的路径跟踪控制方法,并进行实车验证,表明此方法具有较小的跟踪误差和较强的系统鲁棒性。     

基于回旋曲线的垂直泊车路径规划

为解决垂直车位自动泊车路径规划问题，提出了一种算力要求低、泊车空间小的路径规划方法。首先，考虑泊车过程中碰撞约束、汽车运动学约束要求，基于直线-圆弧组合的方式，进行垂直泊车的一步和多步基础路径规划。然后，结合回旋曲线进行曲率优化，实现泊车路径的曲率平滑。最后利用仿真验证方法的可行性，结果表明：对于不同的横向泊车空间以及不同的初始姿态角，该方法均能够规划出安全、平滑的泊车路径。     

自动驾驶汽车路径跟踪控制发展综述

路径算法的研究目的是为了保证自动驾驶汽车能够精确跟踪由决策与规划层给出的参考路径,并确保路径跟踪过程中车辆的行驶稳定性和乘坐安全性。近年来,路径跟踪控制算法的研究成果丰硕,许多学者对现有算法进行优化、创新,诞生了包括系统模型、控制理论、有无前馈信息、行驶工况方面的多种路径跟踪控制算法。通过综述路径跟踪控制算法准确性和行驶稳定性的研究现状,分析2者之间的耦合关系,梳理路径跟踪控制研究历程中各种新旧算法迭代,提出兼顾准确性和行驶稳定性的控制策略,总结自动驾驶汽车路径跟踪控制未来发展趋势。     

考虑系统复杂扰动的智能车模型预测路径跟踪控制

智能车路径跟踪控制面临系统模型简化、参数不确定、执行器与传感器信号延时及道路曲率变化等干扰,将产生系统扰动误差,导致跟踪精度降低。本文针对性提出一种考虑跟踪系统复杂扰动的模型预测控制方法（model predictive control,MPC）,首先以单轨车辆动力学模型为基础建立模型预测跟踪系统,并依据实时规划的路径和速度信息设计预瞄距离动态调整方法,获取最佳预瞄点,以改善智能车底盘执行器与传感器信号延时扰动问题;而后引入扩张状态观测器（extended state observer,ESO）实时估计因简化车辆模型对系统产生的未知扰动量并用于前馈补偿;同时,考虑道路参考曲率变化对系统产生的确定性稳态扰动,设计一种含曲率约束的前馈控制（feedforward control,FFC）方法用于消除该干扰;最终形成MPC控制器反馈输入、ESO抗干扰补偿输入及FFC前馈输入相叠加的转向角控制律。最后,以某品牌智能车平台在低速园区场景进行了实车测试对比分析,验证了本文所改进的融合扰动补偿的模型预测控制方法具备可行性和优越性。     

基于跃度信号的自动驾驶横向控制

针对自动驾驶车辆的横向控制,提出了一种基于跃度信号的预瞄控制。建立车辆二自由度动力学误差模型,采用线性二次调节（LQR）反馈控制和前馈控制构成闭环横向控制模型。以CarSim和Simulink为仿真平台,模拟车辆进入并跟踪稳态圆。通过分析横向位置误差和横摆角误差等指标,表明该预瞄算法在横向控制精度、跟踪速度方面具有良好效果。     

基于多点预瞄最优控制的智能车辆路径跟踪

为在嵌入式控制器开发环境下提高智能车辆的路径跟踪精度,采用车辆动力学模型和多点道路预瞄模型,以预瞄窗口内的跟踪偏差为目标函数,结合LQR最优控制原理,提出了一种基于多点预瞄最优控制路径跟踪控制方法。针对实车应用,通过离线计算最优增益的方法,提高算法实时性。在仿真及红旗H7实车环境下进行试验,结果显示,该方法在保证跟踪精度的同时具有良好的算法实时性。     

基于Fuzzy-PID控制的平行泊车仿真

采用Fuzzy-PID控制算法进行路径跟踪,根据建立的车辆阿克曼转向模型针对自动泊车的平行泊车过程进行Matlab/Simulink仿真,通过设定车辆处于不同初始位置检验车辆能否顺利泊车入位,来验证控制算法的可靠性,找到车辆可以正确停车的初始位置范围。     

一种基于轨迹预判的垂直泊车路径规划算法研究

为解决目前量产自动泊车系统泊车成功率低、泊车完成后车辆姿态偏斜等问题，研究搭建基于阿克曼转向几何学和车辆运动学的车辆运动模型，构建基于可行驶区域的栅格电子地图，在几何路径规划方法中融入基于轨迹预判的碰撞约束方法和路径居中算法，采用车辆膨胀轮廓模型，最大程度利用电子地图可行驶区域和保证路径安全性，设计出一种基于轨迹预判的垂直泊车路径规划算法，并通过仿真测试和实车测试验证算法的可行性。该算法可大大提高泊车成功率，能帮助解决泊车完成后车辆偏斜不居中的问题。     

基于改进Stanley算法的无人车路径跟踪融合算法研究

针对斯坦利（Stanley）跟踪算法无法更好地同时满足无人驾驶路径跟踪的精确度和平滑性要求的问题，根据车辆的航向角、横向偏差、车速等特性，基于合适的预瞄距离，采用纯跟踪（Pure Pursuit）算法对Stanley算法中车轮转角的计算方式进行改进，提出一种新的融合算法，实时计算车辆在当前车速下合适的车轮转角。仿真结果表明，相比于Stanley算法，所提出的融合算法在不失跟踪精确度的情况下，不同车速下跟踪平滑性均有较大提升。实车试验结果表明，在20 km/h车速下，所提出融合算法的跟踪路径比原Stanley算法的跟踪路径有更好的精确度和平滑性。     

三点预瞄的智能控制补偿驾驶员模型

为适应不同驾驶员的预瞄风格和推理决策能力,提出了一种基于三点预瞄的智能控制补偿驾驶员模型,根据预瞄前方远、中、近3个点的坐标值对目标路径的位置关系进行判断,结合当前车速建立了预瞄距离自适应的经验指数模型,提出了以车速、航向角、中点侧向误差为输入,转向盘转角为输出的模糊智能控制驾驶员模型,并对转向角进行补偿校正。仿真结果表明:该模型能够合理地判断目标路径的位置关系,适应预瞄距离的动态调节机理;在不增加失稳风险的条件下,有补偿模型较未补偿校正模型的路径跟踪精度更高。     

无人驾驶汽车路径跟踪控制方法拟人程度研究

无人驾驶汽车路径跟踪控制是无人驾驶汽车运动控制的核心所在,目前常用的路径跟踪模型主要以路径跟踪精度为主要控制目标,在很大程度上忽略了无人驾驶汽车的乘坐舒适性和控制的拟人程度。为了研究无人驾驶汽车路径跟踪控制算法的拟人程度并提高乘坐舒适性,基于转向几何学、汽车运动学和汽车动力学理论建立实车中常用的4种路径跟踪模型,提出以路径跟踪过程中的最大横向加速度a_ymax和方向盘转角平方和δ_w²共同表征路径跟踪模型的拟人程度和横向乘坐舒适性。基于驾驶人实车换道试验数据,建立多项式拟人换道参考路径,搭建CarSim/Simulink联合仿真模型,并对其进行不同车速下的车辆换道试验。研究结果表明：路径跟踪模型的横向循迹偏差均会随着车速的提高而增加,但都能较好实现路径跟踪;带预瞄路径跟踪模型和动力学前馈最优LQR路径跟踪模型拟人程度较好;汽车运动学路径跟踪模型的乘坐舒适性最差,方向盘修正激烈;在100 km·h^-1,a_ymax>0.7 m·s^-2,δ_w²>2.7×10³时,拟人程度最差;不带预瞄路径跟踪模型循迹精度最高,且拟人程度最高,乘坐舒适性最好,120 km·h^-1时,a_ymax ≤ 0.5 m·s^-2。     

基于MPC的自动泊车系统轨迹跟踪控制分析

随着中国人民的生活水平日益改善,机动车的普及程度不断提升,而随着车辆数量的增加,交通拥堵、事故频发等问题日益严重,对于驾驶能力不成熟的乘用车驾驶员而言,更易因泊车不当而造成交通事故,因此,自动泊车应运而生,成为了亟需开发的技术。文章主要研究自动泊车系统轨迹跟踪的控制算法,采用垂直泊车环境,根据已规划出的可行路径,利用模型预测控制（MPC）算法进行路径跟踪,通过在代价函数中增加控制量增量,以求实现轨迹跟踪过程的精确与平稳。为验证控制效果,搭建了Carsim-Simulink联合仿真平台,结果表明MPC控制算法可以实现泊车时良好的轨迹跟踪效果。     

基于多点预瞄的车道保持辅助系统

提出一种基于多点预瞄的车道保持辅助系统,通过选取多个预瞄点建立仲裁规则,以最能表征车辆偏离车道中心线的预瞄点作为误差输入,设计前馈控制加反馈控制的横向位置控制方法.并进行实车试验验证.     

基于自适应神经模糊推理系统的平行泊车路径规划

针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法。以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效解决该方法求解过程计算量大的问题。通过仿真分析验证所提出方法的可行性和有效性,结果表明:自动训练后的自适应神经模糊推理系统可依据汽车初始泊车位姿和泊车位信息快速规划出可行的平行泊车路径。     

改进的有限时间最优预瞄横向控制器设计

提出了有限时间最优预瞄横向控制算法,根据高速公路车道保持系统实际控制要求,使用了同时考虑车辆当前偏差、预瞄点偏差和控制变量的有限时间二次型性能指标函数。运用最优跟踪算法并进行预瞄距离内曲率恒定的假设,使得控制器参数可以离线求解,保证了车辆控制的实时性。通过仿真及实车试验验证,该控制算法具有较好的跟踪效果。