考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader-following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader-following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader-following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader-following算法可以用于机器人的避障控制。     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader—following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader—following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader—following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader—following算法可以用于机器人的避障控制。     

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。     

无人车辆轨迹规划与跟踪控制的统一建模方法

无人车辆的轨迹规划与跟踪控制是实现自动驾驶的关键.轨迹规划与跟踪控制一般分为两个部分，即先根据车辆周边环境信息以及自车运动状态信息规划出参考轨迹，再依此轨迹来调节车辆纵横向输出以实现跟随控制.本文通过对无人车辆的轨迹规划与跟踪进行统一建模，基于行车环境势场建模与车辆动力学建模，利用模型预测控制中的优化算法来选择人工势场定义下的局部轨迹，生成最优的参考轨迹，并在实现轨迹规划的同时进行跟踪控制.通过CarSim与MATLAB/Simulink的联合仿真实验表明，该方法可在多种场景下实现无人车辆的动态避障.     

基于全向移动平台的多机器人编队控制研究

针对多机器人编队控制中的队形控制和协同避障问题,提出了基于麦克纳姆轮的全向移动多机器人编队的基于领航-跟随型编队控制算法.首先建立多机器人运动学模型,得到车体运动控制参数,并针对传统领航跟随法进行改进,设计一种虚拟结构领航-跟随法,并将改进的人工势场法引入领航机器人的在线局部路径规划中,通过添加虚拟斥力旋转势场,解决了局部极小值问题,实现了多机器人编队在静态障碍环境中无碰撞路径规划.最后通过Python仿真验证了该算法结合的有效性.     

分布式无人机队列控制与动态障碍规避设计

研究分布式无人机集群巡航任务中的协同路径跟踪问题与动态避障控制问题.利用transverse feedback linearization(TFL)方法对无人机的动力学模型进行变换,通过解耦控制实现对期望巡航路径的跟踪.在期望路径方向上,设计基于一致性协议的分布式无人机队列协同控制算法,并结合势场法设计协同巡航过程中对移动障碍物的规避控制策略.在队列达成一致性目标的同时,能够保障队列行进的安全性.基于Lyapunov分析方法和LaSalle不变原理证明闭环系统的稳定性,同时采用能量法证明队列中的无人机不会与动态障碍物发生碰撞.最后,基于搭建的无人机协同飞行实验平台,完成多架无人机的协同队列控制和移动障碍物规避实验,飞行实验结果验证了所设计协同控制算法与避障控制策略的有效性.     

基于改进势场法的无人机编队协同避障控制算法

为了解决多无人机存在的自碰撞与障碍碰撞及编队通信架构等问题,在二阶模型的编队系统基础上,提出一种由图论和人工势场理论相结合的分布式编队控制策略。依据运动学原理建立无人机模型,以固定无向的通信拓补结构为基础,引入分段思想、旋转力、机间势场力来改进势场合力函数,以解决可能出现的目标不可达、死锁、编队安全问题,精准实现编队避障、避碰与航迹预规划;根据一致性理论对无人机状态误差进行修正,设计编队协同避障控制律以实现期望状态一致与航迹规划;通过构造Hamilton函数与反证法进行稳定收敛性分析,证明所提出控制算法的收敛一致性。通过仿真结果表明,无人机编队能够有效进行避障并快速达到期望一致。     

基于改进蚁群优化算法的自动驾驶多车协同运动规划

当前面向多辆自动驾驶汽车的协同运动规划方法能有效保证运行车辆与障碍物及其他车辆之间避免发生碰撞并保持安全距离,但车辆间的在线协同与规划能力仍有待提升。为实现多辆自动驾驶汽车在运动过程中的协同控制,提出一种基于改进蚁群优化算法的多车在线协同规划方法。以空间协同与轨迹代价为优化目标,构造多目标优化函数,确保了多车行驶过程中的协同安全性与轨迹平滑性。将多目标优化函数引入蚁群优化算法的信息素更新过程中,根据自动驾驶车辆数量产生多个种群,使得种群之间相互独立的同时为每辆自动驾驶汽车规划可行路线。最终对蚁群优化算法中的挥发因子进行自适应调整,提升了算法全局搜索能力及收敛速度。实验结果表明,该方法能使多辆自动驾驶汽车在运动过程中保持协同控制并规划出无碰撞路线,相比于基于人工势场和模型预测的协同驾驶方法在复杂道路场景下车辆间的协同效果更好且适应性更强。     

一种新的移动机器人组的多目标控制仿真实验

为了实现具有编队运动和避障能力的分布式自治系统,针对协同的轮式移动机器人组提出了一种非线性控制方法,使得其在动态变化环境中能编队运动,避开静态和动态障碍物,并有效地跟踪虚拟领航机器人。首先,建立了多目标控制问题模型,然后为环境中的每一个物体生成人工势场,在此基础上设计生成综合控制量。此方法系统地综合考虑了协同运动、虚拟领航者跟踪、避障和振荡抑制等多目标的实现。采用李亚普洛夫方法对所需的基本条件和主要特性进行了严格地证明和推导。所提出的控制基于势场法,提高了机器人组的瞬态性能,并解决了其固有的振荡问题。仿真研究表明,该方法保证了移动机器人组在动态环境中能有效地实现协同运动、虚拟领航者跟踪、避障和振荡抑制等多目标任务。     

多移动机器人避障编队控制

研究多移动机器人避障优化设计,针对多移动机器人在障碍物环境下的编队控制问题,为了保持整体合理避障和控制系统的稳定性和安全性,提出一种多机器人避障编队控制策略.首先获得多移动机器人编队的队形结构模型,结合多机器人完成避障编队任务的问题描述;在此基础上引入导航函数采用一种避障编队控制算法,使移动机器人能以设定的队形运动到目标点,可保证编队运动过程中未与障碍物发生碰撞.进行仿真的结果证明,所提算法解决了多机器人编队与避障问题,并保证了闭环系统的稳定性与安全性,验证了设计方法的有效性.     

Resilient and Safe Platooning Control of Connected Automated Vehicles Against Intermittent Denial-of-Service Attacks

Connected automated vehicles (CAVs) serve as a promising enabler for future intelligent transportation systems because of their capabilities in improving traffic efficiency and driving safety, and reducing fuel consumption and vehicle emissions. A fundamental issue in CAVs is platooning control that empowers a convoy of CAVs to be cooperatively maneuvered with desired longitudinal spacings and identical velocities on roads. This paper addresses the issue of resilient and safe platooning control of CAVs subject to intermittent denial-of-service (DoS) attacks that disrupt vehicle-to-vehicle communications. First, a heterogeneous and uncertain vehicle longitudinal dynamic model is presented to accommodate a variety of uncertainties, including diverse vehicle masses and engine inertial delays, unknown and nonlinear resistance forces, and a dynamic platoon leader. Then, a resilient and safe distributed longitudinal platooning control law is constructed with an aim to preserve simultaneous individual vehicle stability, attack resilience, platoon safety and scalability. Furthermore, a numerically efficient offline design algorithm for determining the desired platoon control law is developed, under which the platoon resilience against DoS attacks can be maximized but the anticipated stability, safety and scalability requirements remain preserved. Finally, extensive numerical experiments are provided to substantiate the efficacy of the proposed platooning method.      

基于车道映射矩阵的多车道车辆计数系统

针对城市交通路口的多车道车辆数量统计问题,提出基于车道映射矩阵的车道划分方案。根据车道映射矩阵分布情况判断车道中心线位置,利用相邻车道中心线间的距离对车道进行划分,与车辆计数算法结合,实现多车道车辆计数系统。该方案能够减少环境因素对车道划分的影响,在白天与夜晚情况下均取得较好效果。实验结果表明,该方案准确率为93.6%,能够适应复杂道路,多车道实时车辆计数系统准确率能够达到91%以上,在保证系统实时性的基础上,提供了较高的系统准确性和鲁棒性。     

协同自适应巡航控制车队仿真

如何评估道路环境等外部条件变化对协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）车队行驶安全性的影响,对于保障道路交通安全尤为重要。为此,结合Matlab/Simulink和CarSim搭建车辆-环境仿真平台研究道路环境对车队行驶安全性的影响。利用美国NGSIM车辆轨迹数据对平台采用的校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型的控制器进行验证;利用平台开展红灯状态、隧道行驶和匝道行驶三种道路环境对车队行驶状态影响的仿真实验。仿真结果表明：车队可以顺利通过路口红绿灯;在安全车速范围内车队进出隧道口时方向控制良好;匝道坡度主要影响车辆加速度和车间距,坡度分别为3%和5%时,车队均保持稳定车间距安全行驶。     

A Multi-Agent Spatial Logic for Scenario-Based Decision Modeling and Verification in Platoon Systems

To cater for the scenario of coordinated transportation of multiple trucks on the highway,a platoon system for autonomous driving has been extensively explored in the industry.Before such a platoon is deployed,it is necessary to ensure the safety of its driving behavior,whereby each vehicle's behavior is commanded by the decision-making function whose decision is based on the observed driving scenario.However,there is currently a lack of verification methods to ensure the reliability of the scenario-based decision-making process in the platoon system.In this paper,we focus on the platoon driving scenario,whereby the platoon is composed of intelligent heavy trucks driving on cross-sea highways.We propose a formal modeling and verification approach to provide safety assurance for platoon vehicles'cooperative driving behaviors.The existing Multi-Lane Spatial Logic(MLSL) with a dedicated abstract model can express driving scene spatial properties and prove the safety of multi-lane traffic maneuvers under the single-vehicle perspective.To cater for the platoon system's multi-vehicle perspective,we modify the existing abstract model and propose a Multi-Agent Spatial Logic(MASL) that extends MLSL by relative orientation and multi-agent observation.We then utilize a timed automata type supporting MASL formulas to model vehicles'decision controllers for platoon driving.Taking the behavior of a human-driven vehicle(HDV) joining the platoon as a case study,we have implemented the model and verified safety properties on the UPPAAL tool to illustrate the viability of our framework.     

基于Multi-Agent的多车道交通流的分布式仿真研究

该文以Agent技术为基础,对多车道交通流进行了模拟,并与实际的道路交通流特点进行了比较。首先根据驾驶员实际驾车的特点,建立车辆Agent的基本模型,对车辆Agent换道超车和加速策略进行描述。然后以分布式模型为基础,将多车道交通环境中的车辆运行模拟为Multi-Agent的相互作用。在仿真中,采用了面向Agent的仿真软件Starlogo。从微观上看,所描述的车辆模型能够完成加速和换道过程;从宏观上看,仿真中交通流特点与实际情况是一致的。说明该文的模型符合实际情况,同时也表明了使用Agent技术进行多车道交通流系统仿真的准确性和可行性。     

Shared Control of Highly Automated Vehicles Using Steer-By-Wire Systems

A shared control of highly automated Steer-by-Wire system is proposed for cooperative driving between the driver and vehicle in the face of driver's abnormal driving. A fault detection scheme is designed to detect the abnormal driving behaviour and transfer the control of the car to the automatic system designed based on a fault tolerant model predictive control (MPC) controller driving the vehicle along an optimal safe path. The proposed concept and control algorithm are tested in a number of scenarios representing intersection, lane change and different types of driver's abnormal behaviour. The simulation results show the feasibility and effectiveness of the proposed method.      

高速路的车道检测与车辆跟踪

基于智能交通的快速发展,研究了基于高速路的车道检测和车辆跟踪技术.对于多车道检测,根据路面与分道线灰度级相差较大的特点来实现车道路面的分割,接着结合直线方程和Catmull-Rom Spline插值算法来拟合分道线.对于单车道检测,首先基于HSV颜色空间和Sobel边缘提取方法对其进行有效分割,接着在透视变换空间中提取分道线坐标点并用二次多项式拟合分道线.针对车辆检测,使用Hog+Gentle-Adaboost分类算法实现无人车前方路面车辆的检测,接着基于车底阴影的特征对车底阴影进行检测以验证学习算法检测到的车辆区域的真伪性.针对车辆跟踪,采用动态二阶自回归模型的方法预测车辆的状态.其中,对于粒子滤波固有的粒子退化问题,引入Thompson_Taylor算法改善了粒子退化和低多样性的缺陷.本文的车道检测和车辆跟踪算法能较容易地移植在嵌入式平台,可靠性和准确性较高,且有助于进一步实现车道偏离报警和前向防撞系统.     

基于Haar-like和MB-LBP特征分区域多分类器车辆检测*

高级辅助驾驶系统中的预碰撞系统不仅需要检测前向车辆,预防追尾碰撞,同时需要检测临近车道斜侧向车辆,实现对其潜在换道、合流行为的预测,提供实时的预警功能.文中提出分区域融合多种特征的车辆检测方法,解决前向车辆特征与斜侧向车辆特征存在明显差异的问题.同时,文中方法分别检测远近不同的车辆,进行不同程度的图像降采样,提高检测系统的实时性.多种交通场景的实地测试表明,文中方法可以实时、稳定、准确地检测到前向车辆和斜侧向车辆,在行车环境良好的情况下,具有较高的召回率和准确率.