基于MPC的半挂牵引车横向运动控制研究

近些年来,随着高级辅助驾驶系统(ADAS)在商用车领域的逐渐兴起,为实现车道保持辅助系统(LKAS)及无人驾驶等,对车辆的横摆运动控制要求也越来越高。文章基于模型预测控制(MPC)算法,设计了一种用于半挂牵引车循迹的车辆前轮转角控制算法。最后通过Trucksim与Matlab联合仿真,实现了不同车速下对双移线路径的良好循迹。     

基于采样的无人车路径规划算法仿真与验证

无人驾驶研究是能够使车辆自主进行安全、平稳、可靠行驶的关键技术,其中生成高效、平滑、舒适的规划路径是研究的重要问题之一。本文基于道路采样的路径规划算法,通过搭建仿真和实车测试环境,对算法进行模拟测试,实验结果表明,该算法能够进行实时路径规划,满足车辆非完整性约束的路径。     

电动无人驾驶配送货运车辆路径优化研究

无人驾驶技术日渐成熟,将无人驾驶技术和具有广泛优势的电动汽车结合运用于物流配送中是未来的发展趋势。然而由于电动汽车电池和充电技术发展尚不完善,使得无人驾驶电动物流车的标定续驶里程普遍不高,实际续驶里程小于标定续驶里程。因此,研究其路径优化问题是十分有必要的。论文首先提出了无人驾驶电动物流车路径优化问题的数学模型,运用LINGO软件进行小规模算例测试,验证了模型的合理性。然后,对传统的节约里程法算法进行了改进,并将其用于求解本文的数学模型,运用MATLAB软件求解验证模型的小规模算例,验证了算法的可行性。最后用改进的算法求解了一个大规模算例。实验结果表明,提出的带有电量约束的车辆路径优化问题的数学模型是合理的,证明了具有电量约束的改进的节约里程法的可行性和合理性。     

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。     

基于双目视觉和路径规划的车辆自动泊车系统

主要讨论了作为无人驾驶智能汽车必备的重要功能之一的车辆自动泊车系统的总体构架,着重研究了其中用于识别泊车位环境、作为整个系统信息输入端的感知导航系统(基于双目视觉和陀螺仪)及根据所采集的信息判断环境空间大小并生成适当泊车路径的路径生成系统(基于路径规划).     

基于MPC的局部路径规划与路径跟踪控制研究

文章主要针对无人驾驶车辆在进行路径跟踪遇到障碍物时,需要局部重新规划出一条可行路径的问题,首先基于车辆点质量模型的MPC局部路径规划算法,得到满足车辆动力学约束并实现避障功能的局部路径,然后在二自由度车辆动力学模型的基础上基于MPC进行路径的跟踪,最后使用Simulink/Carsim进行联合仿真验证,结果表明基于该局部路径规划与路径跟踪算法能够可靠地规划出避开障碍物的局部路径,实现高速下的路径跟踪。     

无人驾驶汽车共享调度方法研究

由于无人驾驶汽车不存在人为驾驶的随机性,操控精确性高,组成的交通流通行能力大,合理的调度方法能够提高无人驾驶汽车调度系统的整体收益、降低服务时间、降低乘客的出行费用,并从根本上缓解城市交通安全、交通拥堵、交通污染等社会问题。为使无人驾驶汽车更好地为乘客提供共享乘车服务,在深入了解无人驾驶汽车技术发展的基础上结合共享调度理论,建立了适合于一定区域内满足乘客需求的共享无人驾驶汽车调度模型。对模型中的公式以及限定条件进行了严密的分析,根据模型的限制条件设计了一种新型的乘客合乘的算法,新提出的算法首先研究了如何确定请求-路线-车辆分配情况,动态生成在线需求和无人驾驶车辆的最佳路线,然后利用贪婪分配进行匹配,最后完善已有算法的不足,通过优化约束条件来改进匹配,通过多次迭代后得到最优分配。为了更好地验证新提出算法的运算效率,利用某地区的OD调查数据对新提出的算法和聚类算法从匹配成功率、算法平均运行时间、乘客平均等待时间3个角度应用软件进行模拟分析,表明新提出的算法运算效率得到较大提高。     

无人驾驶电动赛车路径跟踪控制研究

针对大学生无人驾驶方程式大赛,采取纯跟踪算法用来跟踪规划好的路径。该算法属于前馈控制,基于几何原理得出前轮转角,用于控制车辆转向,跟踪参考路径。同时分析了全局坐标系和车辆坐标系之间坐标转换的原理。在MATLAB/SIMULINK环境下进行对无人驾驶赛车的路径跟踪仿真。仿真结果表明:该算法能较好地跟踪路径,且能保证一定的赛车行驶稳定性。     

渐优随机采样算法在结构化道路无人驾驶中的应用

为了解决随机采样算法在结构化道路无人驾驶应用中无法优化收敛的问题,采用渐进优化的采样算法框架设计符合驾驶需求的规划算法。针对渐进优化算法的耗时问题,首先选择不需要Steer(转向函数)的SST算法作为基础框架以规避求解边界值问题。其次,算法融入"Anytime"策略以提高优化解的利用率。再次,改进的闭环控制策略能减少车辆的实际轨迹与规划路径的误差。在设计的闭环策略中,应用4-D车辆运动模型以保证规划路径符合车辆的实际运动轨迹。为了保证驾驶的安全和舒适,设计了一个综合四重因素的代价函数,且根据不同的驾驶场景调整相应的权重参数。最后,利用真实的无人车在无人驾驶城市测试道路上进行测试,测试场景包括前方静态障碍物躲避、前方动态障碍物跟随以及超车和复合动静态障碍物。测试中,采用车辆的速度和转向数据代表算法的优化收敛特性和运动平稳性。研究结果表明:设计的算法能在时速30km·h-1下完成避障、跟车、超车等机动;无人车在跟驰决策下可保持30km·h-1的最高速度,在避障过程中可实现最高15km·h-1的速度,在跟车决策下可根据前车速度变换自身速度以保持合理的车距和运动平滑性。     

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。     

机场飞行区无人驾驶清水车优化调度方法

针对机场航班延误和拥堵现象日益严重以及地面特种车辆服务航班效率低且存在较高安全隐患的问题，研究了面向机场飞行区无人驾驶清水车的优化调度方法。通过将无人驾驶清水车服务航班硬时间窗与梯形模糊隶属度函数相结合构建航班服务水平函数，结合传统C-W节约算法，考虑无人驾驶清水车服务机场航班的时间规则，实现了无人驾驶清水车总行驶路程最短以及航班服务水平最高的目标。考虑服务航班数量总和，衡量每辆无人驾驶清水车的服务航班阈值，并提出了服务航班任务量的差异评价值。新算法在C-W节约算法路径优化结果的基础上对未达到服务航班容量极限的子路径进一步优化，实现了所需服务航班的无人驾驶清水车数量最少、服务航班数量差异化最小的目标。以国内某机场航班信息为例，结果表明:与单车单服务模式相比，服务总路程节省59.36%，车辆使用减少84车次，航班服务水平为93.78%，航班任务量的差异评价值由93.32%降低至43.96%；与基准算法相比，新算法在实现任务量均衡的同时并不会增加总行驶路程，且将服务航班任务量的差异评价值由2.72降低至0.44，显著提高了车辆服务航班任务量的均衡性。      

无人驾驶汽车路径规划算法研究综述

无人驾驶汽车是目前汽车发展的一个大方向,无人驾驶的实现依靠于汽车的感知、决策和控制功能。路径规划属于决策中重要的一环。目前,无人驾驶汽车的路径规划算法存在受环境影响较大,无法适用于复杂的道路环境的问题,基于此文章对无人驾驶汽车轨迹规划算法进行归纳。其在广义上可分成全局路径规划和局部路径规划两种,文章对上述两种规划进行细分并介绍了各种路径规划方法的原理,分析了各个方法的优劣,为无人驾驶汽车路径规划算法的研究提供参考。     

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。     

基于预测模型的无人赛车路径规划算法研究

针对无人驾驶电动方程式赛车极限工况下的路径规划问题，提出一种基于预测模型的无人赛车路径规划算法。通过目标函数设计将路径规划问题转化为最优化问题，并将车辆动力学预测模型作为等式约束，依据赛车的稳态行驶特性，构建赛车行驶稳定性组合约束，并综合考虑边界约束，生成满足赛车行驶要求的路径。在不同附着条件下进行了仿真测试，结果表明，在满足实时性要求的前提下，所提出的算法能够有效减小车辆前、后轴侧滑的风险，且在多项指标上优于RRT*算法以及基于三次自然样条曲线的最优二次轨迹规划方法。     

无人驾驶环境下考虑OD结构的路网容量模型

为了研究未来无人驾驶车辆对路网容量的影响,揭示无人驾驶车辆与普通车辆的相互影响特性,假设无人驾驶车辆遵循系统最优路径,普通车辆遵循用户最优路径,构建了无人驾驶环境下的道路网络储备容量模型。上层模型为满足路段容量约束条件下的最大交通需求,各OD之间的交通需求采用不同的增长乘子;下层模型为两类用户的混合路径选择行为模型,无人驾驶车辆以系统总阻抗最小为目标,而普通车辆以个人出行成本最小为目标。采用多种群遗传算法进行求解,并通过算例验证了模型和算法的有效性和可行性,得到非统一增长乘子下的路网容量,比较了统一增长乘子与非统一增长乘子的异同之处。研究结果表明:①两种计算结果所得到的道路网络容量增长趋势类似,但是非统一增长乘子计算结果大于统一增长乘子计算结果,当无人驾驶车辆市场渗透率达到一定比例时,二者计算结果的差异随着市场渗透率的增加而逐渐减小;②不同OD对的增长乘子不一定相同,无人驾驶车辆的加入可以优化不同地区的OD需求分布,从而提升整个道路网络的容量;③非统一乘子的计算方法可以有效避免不同OD对的干扰作用,提高部分OD对在低市场渗透率下的路径利用率,路段流量分布更加均衡;④当无人驾驶市场渗透率达到较高的比例时,道路网络容量可增加的幅度较小。     

无人驾驶环境下考虑OD结构的路网容量模型（双语出版）

为了研究未来无人驾驶车辆对路网容量的影响，揭示无人驾驶车辆与普通车辆的相互影响特性，假设无人驾驶车辆遵循系统最优路径，普通车辆遵循用户最优路径，构建了无人驾驶环境下的道路网络储备容量模型。上层模型为满足路段容量约束条件下的最大交通需求，各OD之间的交通需求采用不同的增长乘子；下层模型为两类用户的混合路径选择行为模型，无人驾驶车辆以系统总阻抗最小为目标，而普通车辆以个人出行成本最小为目标。采用多种群遗传算法进行求解，并通过算例验证了模型和算法的有效性和可行性，得到非统一增长乘子下的路网容量，比较了统一增长乘子与非统一增长乘子的异同之处。研究结果表明：①两种计算结果所得到的道路网络容量增长趋势类似，但是非统一增长乘子计算结果大于统一增长乘子计算结果，当无人驾驶车辆市场渗透率达到一定比例时，二者计算结果的差异随着市场渗透率的增加而逐渐减小；②不同OD对的增长乘子不一定相同，无人驾驶车辆的加入可以优化不同地区的OD需求分布，从而提升整个道路网络的容量；③非统一乘子的计算方法可以有效避免不同OD对的干扰作用，提高部分OD对在低市场渗透率下的路径利用率，路段流量分布更加均衡；④当无人驾驶市场渗透率达到较高的比例时，道路网络容量可增加的幅度较小。     

无人驾驶汽车轨迹解算及跟踪控制研究

针对无人驾驶汽车中的轨迹曲线生成及跟踪控制这一关键技术,提出一种基于时间t的分段三次参数方程方法生成无人驾驶汽车轨迹曲线,并结合线性二次型最优控制算法构成反馈控制进行仿真验证。搭建车辆运动学模型,利用最优控制方法构成反馈控制。在MATLAB中编写控制程序并仿真,结果显示该方法能够实现无人驾驶汽车的轨迹跟踪,并且具有良好的跟踪效果。     

基于道路网络数据库的最短路径搜寻

最短路径搜寻是智能交通系统(ITS)中车辆诱导的关键技术之一。作者根据城市交通道路网络建设的实际,研究了描述城市交通路网的道路数据库的结构。在此基础上采集大量道路信息,溶入GIS技术,建立城市道路网络数据库。用动态邻接矩阵对经典的Dijkstra算法进行改进,提高了运算效率。采用改进的算法实现了车辆诱导系统中的快速最短路径搜寻,并给出了车辆诱导系统搜寻最短路径的一个实例。     

基于人工势场算法的智能车辆路径规划仿真

将人工势场算法运用到智能车辆路径规划中,提出按照正弦避障换道方式以最小安全距离作为对称距离构建障碍点模型的方法,保证局部目标点处于对称轴线上,通过智能车辆行驶速度和转弯半径对转向角进行约束控制。最后,通过Prescan和Matlab软件联合仿真,验证算法的可行性和准确性,仿真结果表明算法能规划出平滑的目标路径,实现智能车辆平稳安全的路径规划与跟踪控制。     

极限工况下无人驾驶车辆稳定跟踪控制

针对无人驾驶车辆在极限工况下跟踪控制精度和稳定性均难以保障的问题,提出一种纵横向稳定性综合协调控制方法。首先对无人驾驶车辆在摩擦极限下的速度进行规划,通过纵向加速度前馈和状态反馈控制器实现极限车速下的速度跟随。其次将预瞄前馈与人工势场反馈相结合设计了横向路径跟踪控制器。提出了基于期望与实际横摆角速度偏差的稳定性控制策略,优化纵向控制的驱动力矩。Simulink/Carsim联合仿真结果表明,所提出的纵横向协调稳定控制方法可在极限工况下改善无人驾驶车辆瞬态响应,抑制道路曲率突变处的超调量,减少路径跟随中的稳态误差,提高了无人驾驶车辆的轨迹跟踪精度和弯道运动过程中的横向稳定性。