无人驾驶方程式赛车运动控制关键技术综述

FSAC中国大学生无人驾驶电动方程式汽车大赛是中国大学生方程式系列赛事中的一项比赛,该比赛旨在顺应无人驾驶发展趋势以及培养行业相关人才,无人驾驶方程式赛车包括总布置设计,环境感知,线控底盘以及运动控制等多种关键技术。而运动控制是无人驾驶赛车研究领域的核心技术之一,是其他部分实现功能的基础,主要包括横向控制、纵向控制以及横纵向协调控制。论文主要针对无人驾驶电动方程式赛车运动控制,对无人驾驶电动方程式赛车的横向控制、纵向控制以及横纵向协调控制三个方面进行总结与分析,指出以无人驾驶电动方程式赛车为载体,通过对车辆横向控制,纵向控制以及横纵向协调控制的研究,来提高无人驾驶汽车的运动控制的稳定性,加快无人驾驶汽车运动控制的研究速度,争取早日实现无人驾驶。     

基于加速度区间判断的坡道识别方法

介绍了坡道识别的原理;在功率谱分析的基础上,设计了纵向加速度滤波算法,通过比较汽车在坡道上行驶时用加速度传感器测得的加速度数值与汽车纵向速度经差分后获得的加速度数值之间的差异,进行了基于加速度区间判断的坡道识别方法研究;完成了水平道路的加速度比较试验和坡道识别的实车试验,并在此基础上进行了基于坡道识别的换挡规律设计。实车试验结果表明:该方法能够进行坡道识别,并具有简单、实用、高效的优点;这种基于行驶环境识别的控制是未来汽车控制技术发展的方向。     

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。     

一种无人驾驶车辆纵向多模切换策略研究

无人驾驶车辆是现在汽车工业发展的趋势,在以往的无人驾驶研究中多通过模糊控制、PID控制、滑模控制等控制策略来保证车辆的正常行驶。文章通过车辆行驶前方的障碍物的速度变化、前后车车距等因素来设计了一种基于逻辑切换控制的车辆纵向控制方法,利用Simulink进行逻辑控制的模型搭建,并进行模拟仿真,验证在前后车处于不同的运动状态时后车所进行的状态切换与动作执行。     

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。     

矿用无人运输车辆轨迹跟踪控制算法研究

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

匝道合流交通场景下自动驾驶汽车安全性测试评价方法

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

基于PID控制的坡道起步控制仿真与试验研究

针对汽车坡道起步过程中的驻车制动力释放滞后问题,提出了坡道起步过程中气压式电子驻车系统的PID控制方法。首先,在AMEsim中建立了简化的气压式电子驻车系统模型,进行驻车制动释放过程的仿真,并通过实车试验,验证了模型的正确性。接着提出了坡道起步过程中气压式电子驻车制动系统的PID控制方法,根据坡道阻力和发动机驱动力算得目标气压,搭建了气压式电子驻车系统的PID控制模型,并进行了坡道起步过程的仿真和实车试验验证。结果表明,所提出的电子驻车制动系统的PID控制方法能准确控制驻车制动气压值随目标气压的变化,驻车制动释放及时,有效解决了驻车制动力释放滞后的问题,达到良好的坡道起步效果。     

速度闭环控制在提升电动车坡道驾驶性的应用

本文提出了一种通过控制速度闭环提升纯电动汽车坡道驾驶性的方法。该方法解决未配备液压辅助功能的电动车在坡道上溜坡的问题。通过对车辆状态的检测,利用电机低速大扭矩的特点,控制电机保持零转速,可以实现电动汽车的坡道辅助和自动驻车功能,通过此方法可以改善电动汽车坡道的驾驶性,经过实车验证,此方法效果明显。     

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。     

基于移动子目标的复合式路径规划算法

为使无人驾驶汽车无碰撞、高效到达目标点,针对当前未同时突出全局路径和局部路径优点的问题,通过激光传感器检测无人驾驶汽车周围环境,用子目标点与无人驾驶汽车的连线将平面环境划分为左、右2个半平面,分别搜索可通行的自由扇区,根据一种代价函数评价各个自由扇区得到最优的路径。考虑无人驾驶汽车各时刻的姿态不同,为无碰撞的切入最优路径,创建基于无人驾驶汽车到阻塞区域距离和当前车速的风险评价函数,基于人的驾驶行为,创建以风险评价值和切入最优扇区的转角为输入,无人驾驶汽车角速度和线速度为输出的模糊控制。在全局路径已知的条件下,在全局路径上为实时的局部路径规划选择子目标点。根据环境等因素的影响,将子目标划分成被未知阻塞区域遮挡、被已知阻塞区域遮挡且遮挡前子目标可见、被已知阻塞区域遮挡且遮挡前子目标不可见3种状态,为引导无人驾驶汽车,分别分析其子目标所处的状况并提出子目标应当按照一定速度向特定方向移动的方案。研究结果表明:该方法能够很好地解决局部路径规划层无远见的问题,全局路径上的子目标点有效地引导无人驾驶汽车前往最终的目标,同时又不会与阻塞区域发生碰撞,保证了无人驾驶汽车行驶的平顺性,实现实时无人驾驶汽车路径达到最优,又很好地关联了全局路径规划层和局部路径规划层。     

无人驾驶汽车减速通过交叉口最佳油耗方法研究

针对无人驾驶汽车油耗控制问题,研究了无人驾驶汽车如何以最佳油耗减速通过交叉口的方法。当单个车辆需要减速通过交叉口时,通过在车联网环境下车辆获得的信号灯相位信息和配时信息,结合车辆油耗的特点,寻找车辆的最佳行驶轨迹。     

基于改进BP神经网络的智能车纵向控制方法

针对传统PI控制在车辆速度跟踪过程中参数固定且不易整定的问题,提出了一种基于改进BP神经网络的智能汽车纵向控制方法。分别构建驱/制动模式下的BP神经网络,针对BP神经网络初始参数选取困难及反向自学习存在梯度消失等问题,利用粒子群算法和批处理归一化方法对BP神经网络进行改进,最终实现PI控制参数的动态自整定。通过Carsim/Simulink联合仿真与实车测试对该方法进行了验证,结果表明：相比于传统PI控制,所提出的纵向控制方法在实现基于误差快速调整参数的同时提高了车辆纵向控制精度。     

无人驾驶汽车十字路口多车协作控制研究*

针对无交通灯控制的十字交叉路口的无人驾驶汽车主动避让控制问题,基于专用短程通信技术(DSRC),利用多车协作控制算法和矩形检测法建立了基于碰撞时间(TTC)的两车冲突判断模型,预估当前行驶状态下将会发生碰撞的区域。同时从时间和空间两方面设计了消解算法,根据消解算法调整当前行驶状态以避免车辆发生碰撞。采用PanoSim与MATLAB/Simulink联合仿真,结合模糊PID控制无人驾驶车辆的驱动、制动与转向系统,对所搭建的模型准确度进行验证。试验结果表明,算法能很好地控制无人驾驶车辆在十字路口避免与其他车辆的碰撞。     

一种面向自动驾驶汽车的非线性纵向级联控制策略

为了稳定控制自动驾驶汽车,本文提出了一种非线性纵向级联控制策略,并混合横向控制方法,以使自动车辆能在多弯道状态下安全行驶。首先将车辆模型抽象为自行车车辆动态模型,设计纵向控制的外循环控制策略,用Lyapunov方法分析该系统的稳定性。然后建立发动机和动力系统的动力学模型,设计面向车辆底层控制的转矩控制器实现车辆的内循环控制策略。最后采用混合横向控制和纵向控制方式,控制车辆在多个弯道路上行驶。在多种弯度路段下进行测试。实验结果表明,在速度不高于30km/h情况下,该系统能够根据参考路线,依据参考速度安全行驶,达到预期控制车辆的目的。     

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。     

纯电动汽车制动避撞系统的建模与分析

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

纯电动汽车制动避撞系统的建模与分析EI北大核心CSCD

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

无人驾驶汽车研究动向

正无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内以计算机系统为主的智能驾驶仪器来实现无人驾驶。它通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标;利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆安全、可靠地在道路上行驶。无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性。针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径。提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法。以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集的关联函数动态分配轨迹跟踪精度和横向稳定性的权重系数,建立了自动驾驶汽车轨迹跟踪的多目标模型预测可拓协调控制策略。数值仿真结果表明,提出的路径规划方法能保证车辆安全超车,轨迹跟踪控制策略不仅能精确地跟踪规划的路径,而且具有较高的横向稳定性和舒适性。