基于RMPC的自动驾驶货车路径跟踪控制

针对自动驾驶货车相较于普通乘用车具有较大模型不确定性、执行器偏差以及存在曲率扰动等外部影响因素导致路径跟踪精度不足问题，本文提出一种基于鲁棒模型预测控制（robust model predictive control,RMPC）的分层式控制方法。首先，在转角增量式控制误差模型的基础上，根据实际车辆系统与标称模型之间的偏差，设计鲁棒控制律并构建上层多目标约束RMPC控制器，提高跟踪精度。然后，针对自动驾驶货车不足转向以及定位误差问题，设计下层转角补偿器和基于中值滤波的状态估计器，改善执行响应，提升车辆稳定性。最后，通过TruckSim/Simulink联合仿真和实车试验验证，结果表明：所提出的控制方法能够有效处理模型失配和不确定性扰动，具备良好的鲁棒性和适应性。     

基于有限状态机的代客泊车决策规划系统研究

针对当前代客泊车研究中对泊车规划起始点的位姿要求较高的问题，提出一种基于分层有限状态机的代客泊车系统决策方法，设计车辆上层功能状态机与下层行为状态机，根据车辆所处环境与定义规则，建立车辆各行为状态之间的逻辑切换关系，完成车辆代客泊车与定点召回功能。为确保车辆在进入泊车状态前处于不确定状态与位姿的情况下，针对垂直车位完成车辆泊入路径的规划，采用多段路径规划，同时对行车与泊车切换区域进行计算，保证车辆在不同位姿情况下，均可以规划出泊车路径。最终通过实车试验，验证了该代客泊车系统方案的可行性与可靠性。     

引入必经点约束的智能汽车全局路径规划EI北大核心CSCD

目前对于智能车全局路径规划的研究多数只针对从起点到终点的情况。针对该问题,本文中融合改进A*和模拟退火算法,设计了一种引入必经点约束的全局路径规划算法。首先,基于A*算法计算关键节点间的最短路径并保存。然后,基于启发式算法中的模拟退火算法对过必经节点的全局路径进行迭代随机优化。接着,基于真实高精度地图对算法的有效性以及时间复杂度进行实验分析。结果表明,设计的算法在求解质量和求解速度方面都有较好的表现。最后,通过实车实验,进一步验证了算法的有效性和适应性。