基于光电导航无人驾驶电动汽车自动寻迹控制系统研究

在轮毂电机驱动电动汽车技术的基础上,采用光电传感器自动辨识行驶路径,利用车辆行驶预瞄理论,开发了无人驾驶汽车自动寻迹行驶控制系统.试验表明,该系统稳定性好、控制精度高和响应速度快.     

基于光电传感器的无人驾驶电动汽车导航系统研究

本文基于光电传感器设计了无人驾驶电动汽车导航系统,通过该系统,无人驾驶车辆可方便地检测预定路径的偏差,从而控制车辆的自动寻迹行驶。与其它导航方式相比,本文设计的系统具有结构简单、性能可靠和价格低廉等特点。     

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。     

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。     

汽车自动驾驶技术研究

自动驾驶汽车是一种通过电脑系统实现无人驾驶的智能汽车,它的行驶模式可以更加节能高效,可以为国家节省数千亿人民币的交通事故成本、交通拥堵成本以及运输过程中以人力提高生产力的成本。然而由于传感器的可靠性,系统漏洞等原因,现在使用的自动驾驶技术并不那么安全。针对上述内容从提高自动驾驶的可靠性方面,重点对汽车自动驾驶技术的网络化、人工智能、高精度地图、关键传感器、交通基础设施等方面进行研究。     

汽车防碰撞系统

本文主要阐述了汽车防碰撞系统的设计思想、主要装置和工作原理。汽车防碰撞系统可以使汽车在高速行驶过程中，当运行前方的障碍物对汽车构成危险时，该系统能够自动切断发动机动力，迅速降低车速，同时自动采取制动措施，防止车辆在行驶过程中发生碰撞，从而增强了汽车的主动安全性，减少了交通事故的发生。     

基于自动驾驶的车辆安全技术应用探讨

中国大量的道路基建工程建设充当着城市化发展的重要指标之一,然而交通基建并不能时刻满足日益增长的交通需求,随之而来的交通事故推动着车辆自身的安全及预警技术的研发,而该技术正是自动驾驶技术的基础。自动驾驶通过感知（传感器与创建环境地图）、规划（寻找与优化路径）与执行（ECU驱动车辆自动驾驶和安全功能）三个层面来实现,车辆自身的安全技术可被归纳为被动安全技术、防碰撞预警技术、主动安全技术和主动式无人驾驶技术,因此自动驾驶也是实现车辆安全技术的最高等级,然而即使是当下已商用的自动驾驶系统也不能完全保障交通安全,不成熟的避让算法、机器识别效率或处理系统高负载运行崩溃将更容易触发致命事故。自动驾驶的发展具有明朗的前景,但需要与智慧道路形成更高层次的环境感知水平,从而真正的推动人、车、路交通三要素有机结合,在更完善的交通感知环境中全方位保障三者在交通参与过程中的安全,助力车辆自动驾驶技术实现相应的社会价值。     

聚焦自动驾驶汽车技术的国际资讯

谷歌母公司Alphabet Inc旗下的自动驾驶汽车公司Waymo宣布,他们的汽车已实现全自动;为了成为世界上最有经验的自动驾驶汽车,Waymo在公共道路上行驶测试超过400万英里。Cruise AV是世界上第一款量产的无方向盘、无油门踏板和无刹车踏板的无人驾驶汽车;Cruise AV电动车达到了零排放、零碰撞事故和零拥塞的"三零"自驾指标。福特测试自动驾驶汽车送货服务;福特汽车将其自动驾驶汽车计划扩展至迈阿密。Aurora专注于无人驾驶汽车底层技术方案的研发,为多家著名车企提供自动驾驶的中枢神经系统。美国加州是全球首个为无人驾驶汽车制定法规的州郡,新法案允许未配备驾驶员、方向盘的无人驾驶汽车在特定的公共道路上进行测试;目前拿到测试许可的公司已经达到50家,DMV要求它们拿到许可满一整年后,提交一份"自动驾驶汽车脱离报告"。     

无人驾驶汽车的现状及发展趋势

无人驾驶汽车属于智能汽车的一种。也可以将其称为轮式移动机器人。它们主要是通过车辆内安装的智能操纵控制系统与感应设备来获取信息用以控制车辆姿态,实现自动安全的行驶。文章简要叙述了无人驾驶汽车的国内外发展历程及现状,展望了无人驾驶汽车未来的一个发展。     

无人驾驶商用车市场前瞻

正无人驾驶技术是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的智能汽车技术。它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,从而使车辆能够安全、可靠地在道路上行驶。它集自动控制、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。     

车-车协同下无人驾驶车辆的换道汇入控制方法

多车协同驾驶是智能车路系统领域的研究热点之一,可有效降低道路交通控制管理的复杂程度,减少环境污染的同时保障道路交通安全。基于多车协同驾驶控制结构,提出了一种无人驾驶车辆换道汇入的驾驶模型及策略,系统分析了多车协同运行状态的稳定条件。在综合分析无人驾驶车辆换道汇入的协作准则、安全性评估后,基于高阶多项式方法,结合车辆运行特性,通过引入乘坐舒适性的指标函数,设计得到无人驾驶车辆换道汇入的有效运动轨迹。通过研究汇入车辆与车队中汇入点前、后各车辆的运动关系,详细分析车辆发生碰撞的类型和影响因素,给出避免碰撞的条件准则,从而确保无人驾驶车辆汇入过程中多车行驶的安全性和稳定性。基于车辆运动学建立车辆位置误差模型,结合系统大范围渐进稳定的条件,选取线速度和角速度作为输入,应用李雅普诺夫稳定性理论和Backstepping非线性控制算法,设计了无人驾驶车辆换道汇入后的路径跟踪控制器。仿真试验和实车试验结果表明：所设计的换道汇入路径是可行、安全的,控制器具有良好的跟踪效果,纵向和横向的距离误差在15 cm以内,方向偏差的相对误差在10%以内。研究结果为智能车路系统中的多车状态变迁与协同驾驶研究提供了参考,可服务于未来道路交通安全设计和评价。     

Emergency steering control of autonomous vehicle for collision avoidance and stabilisation

ABSTRACT

Collision avoidance and stabilisation are two of the most crucial concerns when an autonomous vehicle finds itself in emergency situations, which usually occur in a short time horizon and require large actuator inputs, together with highly nonlinear tyre cornering response. In order to avoid collision while stabilising autonomous vehicle under dynamic driving situations at handling limits, this paper proposes a novel emergency steering control strategy based on hierarchical control architecture consisting of decision-making layer and motion control layer. In decision-making layer, a dynamic threat assessment model continuously evaluates the risk associated with collision and destabilisation, and a path planner based on kinematics and dynamics of vehicle system determines a collision-free path when it suddenly encounters emergency scenarios. In motion control layer, a lateral motion controller considering nonlinearity of tyre cornering response and unknown external disturbance is designed using tyre lateral force estimation-based backstepping sliding-mode control to track a collision-free path, and to ensure the robustness and stability of the closed-loop system. Both simulation and experiment results show that the proposed control scheme can effectively perform an emergency collision avoidance manoeuvre while maintaining the stability of autonomous vehicle in different running conditions.     

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。     

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。     

基于轨迹数据的危险驾驶行为识别方法

连续的跟驰行为和换道行为是驾驶行为的主要构成部分,对交通拥挤和交通事故有着重要影响。通过无人机视频拍摄和图像处理方式,提取了曹安公路沿线的2个交叉路口间正常交通流状态下共600条多车高精度轨迹数据。首先,考虑车辆类型对驾驶行为产生直接的影响,分析了大车和小车的车辆轨迹特征变量分布的差异性,包括速度、加速度、碰撞时间倒数、车头时距等,在标记危险驾驶行为的过程中考虑车辆类型的影响。其次,针对不同的车辆类型,利用修正碰撞裕度对跟驰行为和换道行为进行风险性评估,将其划分为安全型和风险型。根据风险型行为发生的顺序以及持续时间,评估驾驶人的整体驾驶状态是否危险,作为危险驾驶行为识别的样本标记。分别利用离散小波变换和统计方法提取车辆轨迹的关键特征参数,为了提高模型识别效率,将关键特征参数进行排序,从而确定最优判别指标;最后,利用轻量梯度提升机（LGBM）算法对危险驾驶行为进行识别,并与随机森林、多层感知器、支持向量机等算法在精度上进行比较。研究结果表明：在上述研究条件下,LGBM算法对危险驾驶行为的理论识别率最高可达93.62%,可以实现基于机器学习算法的危险驾驶行为的高精度自动识别,该结果对于智能驾驶辅助系统的设计、道路交通安全决策的制定具有显著的意义。     

智能汽车自动驾驶的控制方法分析

自动驾驶汽车通过使用电脑系统来实现无人驾驶的目的 ,自动驾驶模式的应用能够有效地解决各种类型的交通事故,降低人力成本,对促进社会发展具有重要的实用意义.但自动驾驶控制技术仍然存在诸多问题,例如传感器的可靠性不强、控制系统存在漏洞等都影响着自动驾驶技术的安全性.基于以上背景,首先阐述了智能汽车自动控制系统的原理以及设计架...     

基于行为融合的无人自动驾驶车辆的智能控制

针对动态环境下无人自动驾驶车辆控制的非线性、时变的特点,提出并设计了一种基于行为融合的无人驾驶车辆的智能控制策略。根据车辆行驶基于模糊逻辑方法设计了一系列的基本行为模式,用模糊控制的方法分别建立各行为模式控制器,进而对车辆的方向和速度进行控制。在行为选择机制设计中,对常用的行为竞争和行为融合2种方法进行分析比较后,提出限制各行为模式的使用范围,通过各行为的控制和融合,既达到有效避障,又能完成行驶目标的目的。通过几种典型障碍物环境下的避障仿真实验,结果显示设计达到了预期效果。     

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。     

车辆转向与驱动综合控制及横向速度观测器的设计

为了实现复杂工况下车辆自动跟踪控制,建立了纵横向耦合车辆模型,研究了车辆在弯道变速行驶工况的动力学耦合控制问题,根据滑模控制以及动态表面控制理论,提出了一种基于车辆转向与驱动控制的综合控制器,并针对横向车速不可测,设计了横向速度观测器。仿真结果表明该综合控制器具有良好跟踪性能,在复杂工况下表现出较好的动、静态特性。     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究,建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性,在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据,采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型,并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进,以描述不同风格驾驶人的行车安全区域,并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型,结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据,以换道纵向位移最短为目标,实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量,设计基于动力学的线性二次型最优（LQR）反馈控制器,通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制,可满足驾驶人个性化换道需求。