怎样倒车入库、变线超车和减挡超车?

1.倒车入库 (1)操作要领.库前场地充足的情况下入库时,车辆垂直于车库,贴紧库门;后轮到达右库门时,向右打死方向;当车辆与库平行时停车,并将方向回正;保持与库平行,倒车入库;库边宽度偏向一边时,在倒车入库时可作小幅方向调整.     

智能汽车泊车轨迹规划应用

路径规划是智能汽车的关键技术之一,其中轨迹规划是智能汽车实现自动泊车的前提。基于Hybrid A*算法对智能汽车的泊车轨迹规划展开研究,通过启发函数优化解决智能汽车泊车时反复倒车或变更行驶方向的问题,通过碰撞检测策略改进,解决泊车中车辆安全距离保持的问题。通过MATLAB软件仿真,算法可实现在倒车入库、侧方位停车和停车场寻径停车等环境下的轨迹规划,验证了改进算法的有效性和实用性。     

基于模糊控制的多圆弧路径自动平行泊车仿真

近年来,智能化的自动泊车技术不断发展。文章针对自动平行泊车轨迹曲率过大、曲率不连续和泊车起始位置、车身姿态要求较为苛刻等问题,提出了一种基于模糊控制理论的多圆弧路径自动平行泊车方法。以汽车转弯半径作为模糊控制器的输出,使得汽车按连续相切圆弧路径倒车入库。在MATLAB中建立仿真模型,仿真结果表明,此方法可以实现连续轨迹曲率和较小泊车起始位姿约束的自动平行泊车。     

基于深度强化学习的高速公路换道跟踪控制模型

为解决自动驾驶汽车在高速公路安全换道问题,提出了一种基于深度强化学习算法的换道跟踪控制模型,并进行了仿真实验。采用五次多项式方法,建立车辆换道路径模型,并给出跟踪误差函数;将车辆三自由度动力学模型与深度强化学习框架相融合,搭建换道路径跟踪控制模型;通过深度确定性策略梯度（DDPG）算法来更新该模型;学习得到换道路径跟踪的最佳转向角,来控制车辆完成换道过程。结果表明：在100 km/h车速条件下,本方法控制的横向位置误差绝对值的最大值接近0,角偏差绝对值最大值为10 mrad;所提出的方法相比传统的模型预测控制方法而言,轨迹跟踪的横向位置误差和角误差更小。因而,该模型能够实现高速环境下的自主换道过程,这对保证交通安全和缓解交通有意义。     

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。     

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。     

基于模糊自适应PID的智能车辆路径跟踪控制

选取车辆当前位姿和参考位姿来构造车辆的动态位姿误差,建立车辆路径跟踪闭环控制系统的Simulink仿真模型,并设计了模糊自适应PID控制器,利用模糊推理的方法,对PID控制器的参数进行自动调整。利用常规PID和模糊自适应PID控制算法分别进行仿真实验。仿真结果表明,模糊自适应PID改善了控制器的动态性能且具有较好的自适应能力。     

基于强化学习的智能车辆路径跟踪变参数MPC多目标控制

为了解决智能车辆在工况变化时跟踪精度下降和稳定性变差的问题,提出基于强化学习的变参数模型预测控制(MPC)算法多目标控制策略,实现智能车辆路径跟踪控制系统的参数自适应整定。基于车辆动力学模型设计其线性时变MPC控制器,获得最优前轮转向角和附加横摆力矩。基于Actor-Critic强化学习架构,设计进行控制参数整定的深度确定性策略梯度(DDPG)智能体和双延迟深度确定性策略梯度(TD3)智能体,构造以跟踪精度和稳定性为目标的收益函数,并搭建对接工况和变曲率工况2种典型仿真场景进行算法性能验证,当车辆处于对接工况时,根据路面附着系数的变化及时调整控制器的预测时域和权重矩阵;当车辆处于变曲率工况下时,针对道路曲率变化及时调整控制器的预测时域和权重矩阵。通过MATLAB/SimuLink、CarSim和Python联合仿真分析,将强化学习方法参数整定MPC与固定参数MPC和模糊控制方法参数整定MPC进行对比,结果表明：强化学习方法更能够在保证车辆安全性的前提下,尽可能提高智能车辆在不同路面条件下的路径跟踪精度。在对接工况下,强化学习方法参数整定MPC相较于固定参数MPC和模糊控制方法参数整定M...     

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。     

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。     

自主泊车路径规划一致性方法

为满足自主泊车过程中针对不同角度库位的泊车需求,以凸优化理论为核心,统一车辆运动学约束、车辆执行机构物理约束及环境约束,构建自主泊车路径规划的最优目标函数,采用内点法进行求解,规划出满足车辆运动学的泊车路径。仿真结果表明,与现有规划方法相比,一致性自主泊车路径规划可有效提高规划算法对环境的适应性。同时,提出的算法框架具有较强的通用性与扩展性,可对能以等式与不等式形式统一描述的各种场景进行路径求解。     

基于动态窗口和绕墙走的自动垂直泊车轨迹规划

针对现有自动垂直泊车轨迹规划因需要轨迹数学模型而灵活性差和采用开环离线规划而无法动态调整路径的问题,提出一种基于动态窗口和绕墙走策略的垂直泊车轨迹规划方法.将轨迹规划问题解耦为与时间无关的路径规划和与时间相关的速度规划,并在分析车辆阿克曼转向特性的基础上,通过绕墙走策略实现无先验轨迹模型的路径规划.同时将绕墙走路径作为全局启发信息,用于驱动基于模型预测控制的动态窗口法进行速度规划,其反馈优化特点能够对路径进行局部动态调整.仿真实验结果表明,该方法能够在控制、定位精度0.2 m的情况下,安全有效地完成车辆垂直泊车,且能动态地对车辆路线进行局部调整.      

汽车垂直泊车路径规划与路径跟踪研究

自动泊车系统(APS)是智能汽车研究中一项重要的内容。当前大部分垂直自动泊车算法未考虑汽车初始位置航向角误差的影响,导致实际泊车时效果不理想或发生剐蹭事故。针对这一问题,本文中研究了汽车初始位置航向角存在误差(即初始位置航向角不为零)时的垂直泊车路径规划和路径跟踪方法。首先利用四次样条函数对泊车路径进行规划,改善路径特征,然后为改进目前常用的预瞄误差前馈跟踪算法对变曲率路径跟踪误差较大、且滞后较明显的缺点,设计了预瞄误差前馈与航向角反馈相结合的泊车路径跟踪控制算法。通过Simulink/CarSim联合仿真和实车试验对所提出的泊车算法进行了验证,仿真及实车试验结果均表明,当汽车初始位置航向角不为零时,所提出的算法能够规划出可行泊车路径,而预瞄误差前馈与航向角反馈相结合的路径跟踪控制算法较单一的预瞄误差前馈控制方法跟踪误差更小,最终泊车位姿更理想。     

改进人工势场法的避障轨迹规划

避障轨迹规划是无人驾驶技术栈中不可或缺的一环,关系到无人驾驶车辆在道路上行驶时的安全性。文章主要研究基于人工势场法的轨迹规划方法,针对该方法中的局部最优及目标不可达的固有缺陷,考虑到在结构化道路上行驶的车辆纵向的变化能力远大于横向。提出了基于Frenet坐标系的势场分布改进方法,将势场沿横向按比例缩放,避免了自车在进行借道绕行时由于多重势场的叠加而产生的路径抖动甚至规划失败。针对局部最优问题,建立了基于安全走廊的逃逸轨迹规划方法。当自车陷入目标不可达情况时,通过动态调整势场引导自车规划出最优方案。最后,在不同交通场景下对提出的改进方案进行了仿真验证,仿真结果表明,提出的方案能够有效提升人工势场法的性能。     

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。     

无人船路径跟随控制方法综述

无人船路径跟随控制同时存在非线性、时延、系统模型不确定以及风、浪、流干扰等问题,使得无人船高精度路径跟随控制的实时性控制难以保证.分析目前几种主要的路径跟随控制方法,PID、反馈线性化以及反步法在无人船航行存在高度非线性时,控制精度难以满足需求;滑模控制的抖振处理方法仍可以进一步优化;模型预测控制的实时性和精确性难以兼顾;模糊逻辑控制为提高控制精度,通常需增大模糊规则库,导致计算复杂;强化学习等智能控制算法在无人船路径跟随控制中具有较大的应用前景,但控制性能有待提高,且缺乏相关试验.基于此,总结了可能提高PID、反馈线性化和反步法控制精度的方法,提出将分层控制思想用于解决复杂模糊规则库和模型预测控制的计算复杂问题,并展望了强化学习等智能控制在无人船路径跟随控制中的可能的发展方向.      

无人驾驶车辆解耦混合运动规划方法研究

高速公路无人驾驶车辆运动规划要充分考虑车辆的动力学特性和道路环境构成的复杂约束,优先确保车辆的无碰撞行驶轨迹,同时算法实时性比常速情况下要求更高,要充分考虑计算的复杂性。提出一种可生成横纵向最优解逼近群的解耦增强混合运动规划方法,引入Frent坐标系将运动规划问题进行横纵向解耦,在横向偏移规划中融合数值优化和多项式规划算法,在纵向速度规划中融合围绕速度和围绕避障规划算法,解耦规划完成后使用代价函数和碰撞检测方法对生成的轨迹群进行评估和选择。搭建Apollo-LGsvl无人驾驶联合仿真测试平台,对所提出的运动规划方法进行仿真验证。结果表明,提出的横纵向解耦增强混合运动规划算法在高速公路各工况中所生成的运动轨迹能够有效避免车辆发生碰撞,其横向偏移和纵向速度均能满足二阶平滑,最大横向加速度、最大纵向加速度、最大纵向jerk等满足动力学约束。该方法有效减少了最优解逼近群内的轨迹数量,使轨迹评估阶段计算复杂度降低了46%,证明提出的方法具备一定的应用价值。     

A-SMGCS航空器场面滑行初始路径规划

依据先进机场场面引导与控制系统(A-SMGCS)3阶段路由规划策略,给出1种基于Petri网和遗传算法(GA)的A-SMGCS航空器滑行初始路径规划方法,为航空器确定由最优和s-1个次优滑行路径组成的初始滑行路径集合.提出1种基于模块化建模思想、面向路由规划的场面运行扩展赋时库所Petri网建模方法,并对航空器场面滑行特征进行分析;采用Petri网模型的变迁激发序列进行染色体编码,并考虑场面运行管制规则,分别给出染色体合法性检测与修复、交叉和变异算法.以某机场实际运行数据为基础,采用所给方法为所有进离港航班规划初始滑行路径,通过算法时间性能分析以及为实际航班规划初始滑行路径,验证所给方法的有效性.      

基于高精地图的物流配送车路径规划与跟踪控制

为了解决园区等场景下无人车多途经点配送问题,提出了一种基于矢量化高精地图的车道级全局路径规划、生成和跟踪控制方法。考虑配送车往返途经点顺序对行驶路径总长度的影响,基于高精地图采用A*算法计算各配送点间的最优路径,在此基础上,利用动态规划算法求解经过多个配送点的全局最优路径。应用贝塞尔曲线对规划的路径进行平滑,并根据道路曲率设定不同路径处的参考行驶速度,进而生成车道级的可用于跟踪的目标轨迹。利用车辆二自由度模型设计模型预测控制器进行轨迹跟踪,实现低速物流配送车的自主控制。在 CarSim/Prescan/Simulink联合仿真平台和实车平台上对提出的规划控制方法进行了试验。结果表明,相比传统的依据最近配送点策略确定的路径,所提出的方法搜索出的路径长度平均缩短了 6.15%。所设计的轨迹跟踪控制器能确保配送试验车与目标轨迹的横向偏差在 0.25 m 以内,航向角偏差在5°以内。     

基于POA和COLREGS的无人艇路径重规划方法

避碰能力是无人艇(USVs)自主技术的核心体现.为了提高无人艇高速避碰过程的稳定性和安全性,在全局路径规划层和实时避碰层之间增加路径重规划层,实时调整航路对远距离障碍物进行提前规避.针对障碍信息不确定条件下的无人艇高速避碰问题,提出了基于障碍投影区(POA)和国际海上避碰规则(COLREGS)的路径重规划方法,解决障碍信息不确定性问题的同时兼顾航行规则约束.在POA区域2侧同时搜索安全可达路径,结合前次路径重规划结果,提出定量评价函数选择最优路径,保证无人艇航行稳定性.在仿真平台下,对比避碰策略变化次数和避碰安全距离2项指标,3层避碰框架(2.632次,162.3 m)明显优于2层避碰框架(7.239次,35.8 m).在实艇高速避碰实验中,设计对遇、交叉、超越等典型会遇场景,每种场景下避碰策略变化次数均控制在5次以内,避碰安全距离保证在100 m以上.实验结果表明,基于POA和COLREGS的路径重规划方法能够兼顾安全性和稳定性.