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。     

车规级无人驾驶线控底盘车研发及其场景化应用

文章分析了低速无人车的应用前景及目前遇到的问题,并基于正向开发原则构建了一套无人驾驶线控底盘车综合解决方案,提出了无人巡逻、无人售卖、无人送餐等场景化落地应用场景.     

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。     

一种小型无人驾驶物流车线控底盘的研究

介绍一款小型无人驾驶物流车线控底盘的研发。利用RTK差分定位组合导航、自动驾驶模式下的制动和转向测试输出信号与车辆实际反馈信号的对比,验证其性能满足应用场景的要求。     

无人驾驶汽车路径规划及路径跟踪的研究

文章基于车辆动力学模型和轮胎模型,采用模型预测控制设计预测模型,为提高跟踪实时性和精度而引入了前轮侧偏角变量,使无人驾驶汽车在较低的附着系数工况下以及高速公路的工况下,可以精准地跟踪目标路径.文章实验结合Carsim和Simulink联合仿真,通过仿真实验可以得出结论:在模型中考虑前轮侧偏角约束之后,相比于传统的MPC...     

基于PSO-BP优化MPC的无人驾驶汽车路径跟踪控制研究

针对模型预测控制（MPC）路径跟踪控制器在不同路面附着系数及车速下跟踪误差大的问题,提出了基于粒子群寻优（PSO）-反向传播（BP）神经网络优化MPC的无人驾驶汽车路径跟踪控制策略。首先,设计了MPC路径跟踪控制器;其次,利用PSO-BP对MPC进行优化,以控制器精度和车辆稳定性作为评价函数,获得PSO离线最优时域参数;最后,选择4种工况进行双移线跟踪对比仿真验证。结果表明：所提出的控制策略在保证行驶稳定性的条件下,低路面附着系数低速、高路面附着系数低速、高路面附着系数高速及中路面附着系数中速工况下双移线跟踪横向控制精度分别提高了50%、55%、9%和20%。     

无人驾驶电动游览车底盘集成控制研究

介绍了具有自动寻迹行驶和遥控行驶2种模式的无人驾驶电动游览车,该车采用光电传感器自动辨识行驶路径,自动完成寻迹行驶,且在自主行驶过程中通过超声波传感器探测技术自动检测障碍物信息,具有防碰撞功能,在底盘控制上实现了无人驾驶技术、轮毂电机驱动技术和线控转向技术以及防碰撞技术等的集成控制,对于实现车辆的智能驾驶具有重要意义。     

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。     

面向低速清扫车的信息融合车辆跟踪方法

交通参与者运动的准确跟踪与预测对智能车行为决策的有效性至关重要。传统运动目标的跟踪系统多采用单一传感器,难以保证数据的精度与可信度。为提高系统的鲁棒性与可靠性,设计一种融合毫米波雷达和相机的目标跟踪方案,该方案针对多目标的特征级信息进行融合。首先,考虑低速行驶的自动驾驶清扫车所处环境杂波较多,方案选择基于IMM/JPDA的多目标跟踪方法估计局部航迹。为降低JPDA数据关联的计算复杂度,结合基于马氏距离构造的椭圆关联门和基于车辆非完整性约束构造的扇形关联门,实现关联门的自适应调整,减少关联杂波的干扰。其次,结合传感器的配置与特性,对目标的航迹状态进行空间对准和时间对准,按照航迹点间的欧氏距离和互协方差选择融合模式,进行局部航迹融合。最后,为验证多目标跟踪和航迹融合方法的有效性与实用性,分别设计基于MATLAB/PreScan环境的仿真试验和基于智能清扫车平台的实车试验。研究结果表明：在横、纵方向上,融合后的系统状态都比单一传感器的估计状态更为准确,融合结果对单一传感器的估计误差有35%以上的提升;实车试验证明,该方案能有效融合ESR毫米波雷达和Mobileye单目前视相机的状态估计信息,能基本正确地跟踪目标和估计航迹;融合状态的横、纵向误差都在可接受范围以内,且融合状态比单一传感器的估计波动更小。     

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。     

基于多传感器融合的纯电动无人驾驶重卡研究

以纯电动无人驾驶重卡为研究对象,突破港区复杂工况下多传感路复合定位的关键技术,基于激光点云定位、视觉定位等技术建立高精度复合导航地图系统,实现信号盲区的高精度导航.基于GMCNN卷积神经网络深度学习算法和FusionEncoder算法为基本结构的多传感器数据融合模型对充满不确定性与模糊性的目标识别数据进行处理,实现无人...     

基于线控转向的智能驾驶车辆路径跟踪研究

针对搭载线控转向系统的智能驾驶车辆路径跟踪问题,基于汽车动力学仿真软件分析车辆转向特性,推导出横摆角速度对转向盘转角的稳态增益曲线,并获得了仿真稳态增益与理论稳态增益之间的修正系数,以此搭建单点预瞄模型和变角传动比线控转向系统模型.通过预瞄式横向运动控制与线控转向变角传动比控制相结合的方式,完成智能驾驶车辆路径跟踪控制...     

基于EHB的无人驾驶线控制动改装方案

无人驾驶汽车需要解决三个问题,即环境感知及实时定位,计算分析以及路径规划,最后还有就是控制执行。其中控制执行也就是汽车通过感知周围环境并结合路径规划后,实现车辆主控制功能,线控执行主要包括线控制动、转向和油门,而线控制动时最难的部分。目前发展中的汽车线控制动系统主要有两种类型,即电子液压式线控制动系统和电子机械式线控制动系统电子液压式线控制动系统是电子系统和液压系统相结合的产物,电子系统提供柔性控制,液压系统提供制动促动力,是从传统制动系统到电子制动系统的过渡传统tire1如博世开发的Ibooster,日产开发的EACT,大陆开发的MKC1等均已实现线控制动功能。但博世对国内厂家一般只开放ACC和ESP量产接口协议,刹车力度最大大约为0.5 g,标准的刹车力度在0.8g以上,0.5g是远远不够用。因此要实现无人驾驶车辆的线控制动功能,需另辟蹊径。EHB与ABS相结合是实现线控制动的方法之一。     

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。     

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。     

无人驾驶汽车路径识别算法研究

主要介绍采用机器视觉的无人驾驶汽车在路径识别方面采用的一种新的路径识别方法,该方法通过摄像头标定、车辆位置和道路位置标定、图像预处理等一系列预先处理方式,结合图像识别中的启发式搜索算法达到准确识别路径的目的。     

无人驾驶车辆轨迹跟踪控制研究

为了提升智能车辆在轨迹跟踪控制中的性能,文章基于车辆运动学模型建立了一种带有前馈补偿和反馈最优控制策略的线性二次型调节器(LQR)轨迹跟踪控制算法。并通过搭建Carsim/Simulink联合仿真模型,验证该算法在不同工况下的轨迹跟踪效果。结果表明,该算法在不同车速和不同路面附着条件下都能保证无人驾驶车辆准确地跟踪参考轨迹,且具有较强的鲁棒性。     

无人驾驶汽车局部路径规划研究综述

文章针对近年来的无人驾驶汽车路径规划算法进行总结和归纳。首先对目前主流的环境建模方法进行阐述;其次对路径规划算法进行介绍,通过分析其优缺点,指出融合轨迹规划算法具有最好的适用性;最后总结当前研究挑战并提出了相关建议。