路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律，分别构建基于预瞄的纯跟踪（PP）算法、前轮反馈控制算法和模型预测控制（MPC）算法的车辆模型，在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明：PP算法预瞄距离越短，横向控制精度越高，但稳定性越弱，低速鲁棒性较好；前轮反馈控制算法在高速下具有更小的横向控制误差，且增益系数k影响控制精度；相较于前两者，MPC算法在不同速度下均具有良好的横向跟踪性能。最后，开展实车试验对比验证3种算法的跟踪性能，结果表明，在同一工况下，MPC算法具有更优的跟踪性能。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

ABS/TCS/AYC中参考车速和滑移率算法研究

文中充分利用了稳定性控制系统中的各传感器信号,提出了ABS/TCS/AYC 3种工作模式下计算参考车速和滑移率的算法.ABS工作模式下,利用主缸压力传感器信号估算车辆减速度,提高参考车速计算精度;TCS工作模式下,提出了参考轮速的概念用于转向工况;AYC工作模式下,选择合适的车轮作为基准轮,利用横摆及转向盘转角信号分别计算各轮的参考轮速而求出滑移率.试验证明这种算法提高了3种工作模式下参考车速和滑移率的计算精度,避免了系统的误干预.     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

基于优化快速搜索随机树算法的全局路径规划

为了改善传统快速搜索随机树（RRT）算法在全局路径规划中存在的平滑度差、具有潜在碰撞性等问题,提出了一种双重优化的RRT算法。在传统RRT算法基础上,引入自适应目标偏向策略以缩短采样时间,引入角度约束采样策略以适应车辆极限转角。得到初始路径后,建立二项优化函数（即降低路径曲率和远离障碍物）,并将其作为基点进行梯度下降二次优化,生成可供车辆行驶、平滑性良好且碰撞概率低的路径,并进行仿真验证。结果表明：优化RRT算法相比于传统RRT算法、RRT-Connect算法和RRT*算法,平均曲率分别降低了38.1%、36.4%和24.7%,曲率均方差分别降低了38.4%、38.4%和27.2%。     

基于参考线优化算法的智能车辆变道研究

参考线、轨迹规划与横向控制是智能车辆的重要组成部分。智能车辆的行驶需要优良的参考线作为行驶基准,参考线需满足平滑性与紧凑性要求,车辆的变道需要轨迹规划与横向控制。文章提出平滑算法与紧凑算法,对参考线的平滑性与紧凑性进行优化。在轨迹规划与横向控制方面,文章采用五次多项式曲线进行轨迹规划,线性二次型调节器（LQR）进行变道的横向控制;最终通过软件CarSim与Simulink的仿真验证。结果表明,车辆变道的跟踪效果优良,验证算法的可行性与优越性。     

基于四轮主动转向的路径跟踪自动控制

对于四轮转向汽车,基于2自由度线性车辆模型设计了用于路径自动跟踪的最优控制算法.在Matlab/Simulink中以2自由度非线性车辆模型作为被控对象对控制算法进行仿真评价,仿真模型中对最优控制算法所确定的前、后轮转角分别施加一个惯性环节.双移线和蛇行工况下的仿真结果表明,路径和横摆角速度跟踪效果好,质心侧偏角得到有效抑制.该最优控制算法实现了四轮转向车辆的低速反相转向和高速同相转向.     

智能汽车路径跟踪精度及操纵稳定性耦合机理分析

针对现有智能汽车路径跟踪算法研究中存在的智能汽车路径跟踪精度与操纵稳定性相互耦合和相互制约问题,在车辆二自由度模型基础上,设计了基于传统预瞄误差模型的PID控制方法,研究了智能汽车在蛇形道路工况、定曲率变车速工况和定车速变曲率工况下,车速及道路曲率对智能汽车路径跟踪精度和操纵稳定性的影响。仿真结果表明,随着车速和道路曲率的增加,智能汽车路径跟踪精度以及操纵稳定性降低;智能汽车的路径跟踪精度提高,操纵稳定性变差。     

基于前轮转角约束自适应模型预测控制的路径跟踪研究

针对在车辆行驶中较小的前轮转角无法充分利用路面附着能力,较大的前轮转角使得车辆的行驶稳定性差的问题,文章提出了一种前轮转角约束自适应模型预测方法。首先建立车辆的动力学模型,然后通过计算得到轮胎纵向力,最终得到车辆的前轮转角。将车辆的状态量与前轮转角自适应约束条件输入给模型预测控制器,输出车辆的前轮转角,实现对参考路径的跟踪。在Carsim和MATLAB平台上联合仿真,仿真结果表明前轮转角约束自适应模型预测控制的车辆相比固定转角约束的车辆具有较好的跟踪能力和稳定性。     

基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制.首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度.接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种...     

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。     

无人驾驶车辆侧向鲁棒控制的研究

介绍了车辆模型，提出了一种侧向鲁棒控制器的设计方法，给出了道路曲率的平滑算法及闭环系统的仿真结果，并进行了跟踪误差分析。各种工况下的仿真结果表明，该方法设计的鲁棒控制系统能够同时满足精确道路跟踪、良好的舒适性以及抗多种干扰的鲁棒性等多项性能要求。     

基于广义Sigmoid函数的车辆紧急转向避障策略研究

为提高无人车在紧急转向避障时的高效性和安全性,提出了一种基于广义Sigmoid函数的车辆紧急转向避障策略。首先,在Sigmoid函数基础上,引入米塔-列夫勒(Mittag-Leffler)函数,提出了一种广义Sigmoid函数。然后,研究了广义Sigmoid函数参数变化对避障路径的影响,并提出新的代价函数作为车辆紧急避障时选取路径的指标。接着,为了验证广义Sigmoid函数的效果,提出改进的Stanley轨迹跟踪器跟踪生成的紧急避障路径。最后,搭建三自由度车辆模型进行仿真。结果表明,相比于传统的Sigmoid函数,提出的广义Sigmoid函数能够提供更优的避障路径,且在改进Stanley算法下,车辆的动态响应效果更好。     

改进RRT算法在复杂环境下智能车路径规划中的应用

采用快速搜索随机树（RRT）算法进行路径规划时，在存在大量随机障碍物的复杂环境下，规划出的路径曲折且算法无法快速收敛，不能满足智能车路径规划的要求。为了实现智能车路径规划，提出一种基于RRT的运动规划算法——同心圆RRT算法。该算法在RRT算法的基础上结合智能车行驶时自身运动学约束，引入同心圆采样策略和邻近点选择方法。同心圆采样策略以目标点为同心圆的圆心，利用同心圆系数m控制同心圆的疏密程度，在同心圆上生成随机点以便确定下一路径点。邻近点选择方法考虑车辆运动学约束及目标点距离因素，在满足车辆运动学约束的前提下，计算邻近系数，将最小邻近系数对应的随机树节点作为邻近点；针对得到的规划路径，进一步提出基于车辆运动学约束下的路径简化方法，对得到的路径进行简化并使用3次B样条曲线对路径平滑处理，生成一条平滑且可执行的路径。研究结果表明：m=0.5~1.5时，提出的算法规划出路径所需时间最少；车辆姿态与下一路径点的夹角约束值越大，规划出路径所需时间越少，在夹角为35°时趋于稳定；在相同的环境中，提出的算法所规划的路径质量相比于RRT算法、目标偏向RRT算法及改进RRT^*算法有显著提高，规划出路径所需时间及路径长度相比于RRT算法分别降低了43.1%和18.7%，相比于目标偏向RRT算法分别降低了7.3%和15.5%，相比于改进RRT^*算法分别降低了29.6%和7%；智能小车的实车测试试验验证了该算法的有效性和实用性。     

智能车辆路径跟踪横向控制方法的研究

提出了一种智能车辆的路径跟踪横向控制系统.系统由期望航向偏差生成器和反馈控制系统两部分组成.期望航向偏差根据车辆-道路之间运动学关系来确定;而反馈控制系统则采用基于车辆-道路动力学模型的鲁棒PID控制器.在分析系统特性的基础上设计以某一速度为基准的、ITAE性能指标最优的固定增益鲁棒PID控制器和前置滤波器.在分析纵向速度对反馈系统影响的前提下,给出固定增益PID参数所适用的车速范围;分析了PID参数对闭环反馈系统的影响,调整了其他车速区间的PID参数.实车试验验证的结果表明,所提出的路径跟踪横向控制系统具有良好的路径跟踪能力.     

基于改进的Pure Pursuit智能客车轨迹跟踪算法研究

以传统的Pure Pursuit为轨迹跟踪算法基础,采用Stanely控制算法来补偿其计算得到的方向盘转角。仿真和试验结果均表明该改进算法对轨迹跟踪效果有明显提升。     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。     

基于模型预测控制的智能车辆主动避撞控制研究

针对自主驾驶车辆的转向避撞问题,提出了一种分层避撞控制方法。上层路径规划控制器基于车辆运动学模型,引入人工势场函数,采用障碍物与车辆的相对状态描述车辆碰撞风险。基于模型预测控制理论,构建优化目标函数,规划最优避撞路线,并采用五次多项式拟合局部避撞路径。对于下层路径跟踪控制器,则建立车辆非线性动力学模型,构建基于最优转向盘转角输入的路径跟踪优化函数,实现局部避撞路径跟踪。最后搭建了Carsim/Matlab联合仿真平台,对被控车辆在不同路面、不同车速情况下的避障路径规划和跟踪效果进行了仿真。结果表明:上层控制器能根据障碍物信息实时规划局部避撞路径,下层控制器能控制车辆平滑、稳定地跟踪参考路径,从而实现车辆的主动避撞功能。     

混动履带式无人平台轨迹跟踪控制研究

为了提高履带式无人平台的轨迹跟踪性能，提出了一种考虑纵向速度规划的分层轨迹跟踪算法并进行了联合仿真验证和实车验证。在建立了包含履带的滑移滑转率和质心侧偏角的车辆运动微分方程的基础上，完成分层轨迹跟踪算法框架的构建。上层基于伪谱法的速度规划算法根据路面信息进行纵向速度规划，并将规划的速度作为目标车速下发给下层基于线性时变模型预测控制（LTV-MPC）的轨迹跟踪算法。基于LTV-MPC的算法通过建立预测模型和约束条件，二次规划求解出两侧电机的目标转速。通过Matlab/Simulink和RecurDyn的联合仿真以及实车验证了所提出的算法在不同地面条件下具有良好的轨迹效果。     

复杂路况下无人驾驶路径跟踪模型预测控制研究

为了提高无人驾驶车辆在直角转弯、连续弯道和弧形弯的复杂路况下路径跟踪精度、行驶稳定性与安全性,提出了一种改进的模型预测控制算法。该改进算法是根据行驶路径弯曲度确定车辆在平坦路面上不发生滑移的最大纵向速度,即车辆纵向速度不是假定恒定值。基于模型预测控制,建立车辆运动学模型,设置以速度和前轮转角为约束条件,设计以位置偏差和控制增量为目标函数,获得最优前轮转角和行驶速度。最后,借助某新能源汽车有限公司提供的无人驾驶车辆平台与测试场地,试验对比分析了在复杂路况下改进的模型预测控制算法与纵向速度恒定的模型预测控制算法时车辆路径跟踪效果,试验验证了改进模型预测控制算法的有效性与优越性,保证了车辆的路径跟踪精度、行驶平稳性与安全性。