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.     

车辆弯道机动驾驶控制算法

受人工势场控制方法的启发,提出了车辆弯道机动行驶控制机制,采用了贝塞尔(Bezier)曲线车辆轨迹拟合的方法,针对车辆非完整控制系统的特征,将车辆运动学模型转换为链式系统模型,实现相对简化系统控制设计和增强系统实时性的目的.仿真控制实验表明这种方法对车辆的弯道控制具有较好的轨迹跟踪效果和全局稳定性.     

基于改进人工鱼群算法的车辆轨迹规划方法

针对车联网环境下若干典型车辆轨迹规划方法存在车速与轨迹波动性较大的问题,提出一种基于改进人工鱼群算法的车辆轨迹规划方法。该方法以短程通信（DSRC）的车联网应用场景为设计平台,以车辆的最优行车速度为核心计算基础,分析得到了车辆的最佳轨迹。首先,对人工鱼群算法在车联网应用场景的优势和不足进行分析,引入万有引力力学模型与避障模式控制,提出一种改进的人工鱼群算法;然后,分析车辆在车联网应用场景中的受力约束,利用网联车辆的自组织行为控制策略推导最优行车速度;最后,基于最优行车速度实现对车辆的实时轨迹诱导和轨迹避障控制规划。仿真测试结果表明,在运用了基于改进人工鱼群算法的轨迹规划模型后,车辆的驾驶速度更加平稳,轨迹波动性较小,对障碍物可实现零失误避撞;在多车相遇情况下,测试车辆为2~40时,相对于原人工鱼群算法和萤火虫算法,运用改进人工鱼群算法后车速的平均迭代次数减少,迭代效率提高3~7、4~8倍,且随着车辆数目越多,迭代效率提升越明显。     

基于改进人工势场算法的自主车辆局部路径规划方法研究

论文着眼于人工势场算法,将其应用于自主车辆的局部路径规划中.首先,根据正弦避障模型,提出了以最小安全距离为对称性的自主车辆路径规划方法.然后,引入椭圆势场调整障碍车辆势场的作用使路径规划曲率变化更平缓;接着,基于自然三次样条曲线和全局优化进行路径规划.最后,通过Prescan和Matlab进行路径规划的联合仿真实验.仿...     

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。     

基于改进人工势场法的物流无人配送车路径规划

传统人工势场法在面对多障环境时易陷入局部最优,导致路径长度和拐点数量增多从而严重降低配送效率。为此,考虑复杂环境多障密集和离散分布特征,结合相对位置检测策略和边界条件判断决策,采用自主虚拟圆作用域设计,修正路径长度和拐点数量缺陷;进一步地,基于模型预测理论,建立四轮转向车辆稳定性控制器,实现理想模型路径的精准跟踪控制;采用MATLAB软件进行模拟避障实验,并与传统算法路径搜索关键要素特征进行对比仿真。研究结果表明,所提出的改进人工势场算法相比于传统算法,全局拐点数量减少10个,路径缩短21.06%,跟踪偏差率低于6%。通过研究,解决了车辆多障环境适配及避障安全性问题,实现了指定轨迹的平稳、安全配送,为无人配送车规划算法的改进提供了理论指导。     

二轮小车倒立摆系统避障控制研究

二轮倒立摆小车要求其在控制摆杆稳定的同时在水平面上自由行走,对控制的时效性上提出了严格的要求.在此基础上为了实现二轮小车倒立摆的超声波避障,采用以人工势场法为主,栅格法为辅的方案实施避障.首先,根据势场法快速反应的特点迅速给出避障决策.当势场法不能准确给出正确决策的时候,采用栅格法对其做辅助决策,弥补人工势场法的不足.仿真结果表明:基于以人工势场法为主,栅格法为辅的避障方法能有效的实现二轮倒立摆小车的避障功能.     

基于人工势场一遗传算法的机械避障方法研究

人工势场法是机器人避障规划中常用的方法,具有简单、实时性强的特点,但其存在目标不可达和局部极小值问题;文中针对机械臂的避障问题,首先利用人工势场法确定机械臂末端的避障轨迹,使用改进的斥力场克服势场法的目标不可达问题,利用随机逃离和沿等势线逃离相结合的方法解决局部极小值问题;其次针对机械臂末端避障轨迹中的每个点,采用遗传算法计算其对应的机械臂逆运动学解,在确保杆件不发生碰撞的情况下,充分保持关节角变化的柔顺性;仿真结果表明算法能够有效地实现机械臂的避障规划.     

关于足球机器人避障控制的研究

介绍了足球机器人避障控制的特点,障碍物的数学描述和检测方法,把人工势场理论引入到足球机器 人避障控制中,并分析了人工势场法的优点和不足.     

基于PER-APF算法的无人驾驶汽车换道轨迹规划

针对传统人工势场算法在解决无人驾驶汽车换道轨迹规划过程中存在的不足,提出一种基于势能重构人工势场 (Potential Energy Reconstruction- Artificial Potential Field, PER-APF) 的无人驾驶汽车换道轨迹规划算法。首先,建立了具有斥力区分的道路边界约束条件和多约束换道轨迹规划模型,通过判断障碍车辆与道路边沿的距离来保证换道过程的安全性与有效性;其次,提出了基于势能重构的改进APF算法,通过构建虚拟区域以及重构物理势能力场,有效的解决了目标不可达以及局部最优问题。仿真结果表明,所设计的PER-APF算法能够快速有效地为无人驾驶汽车规划一条安全合理的换道轨迹。     

基于稀疏A*搜索和改进人工势场的无人机动态航迹规划

针对不同属性的障碍物所构成的威胁分布模型, 本文提出了一种基于稀疏A*搜索算法预规划和改进人工势场相结合的无人机动态避障算法. 该算法首先对威胁分布建立栅格化模型; 然后根据静态威胁, 基于稀疏A*搜索算法进行全局航迹规划; 最后结合预规划路径和动态威胁分布, 利用改进人工势场法完成无人机的动态避障. 仿真结果表明, 该方法能够规划出给定威胁指标下的全局最优路径并达到良好的动态规避性能.     

A model predictive obstacle avoidance method based on dynamic motion primitives and a Kalman filter

A dynamic motion primitive (DMP) is a robust framework that generates obstacle avoidance trajectories by introducing perturbative terms. The perturbative term is usually constructed with an artificial potential field (APF) method. Dynamic obstacle avoidance is rarely considered with this approach; furthermore, even when dynamic obstacles are considered, only the velocity and position information of the current state are incorporated into the obstacle avoidance framework. However, if the position of an obstacle changes suddenly, a robot may be placed in a dangerous position close to the obstacle, resulting in large obstacle avoidance accelerations, sharp trajectories, or even obstacle avoidance failure. Therefore, we present a model predictive obstacle avoidance method based on dynamic motion primitives and a Kalman filter. This method has three main components: Dynamic motion primitives are used to generate the desired trajectory and introduce perturbations to achieve obstacle avoidance; the Kalman filter method is adopted to estimate the future positions of the obstacles; and model predictive control is employed to optimize the repulsive force generated by the APF while minimizing the defined cost function, thus guaranteeing the safety and flexibility of the method. We validate the presented method with 2D and 3D obstacle avoidance simulations. The method is also verified with a real robot: the-Kinova MOVO. The simulation and experimental results show that the proposed method not only avoids dynamic obstacles but also tracks the desired trajectory more smoothly and precisely.     

基于模糊人工势场法的多智能体编队控制及避障方法

针对动态环境中多智能体编队控制及避障问题,提出了一种基于模糊人工势场法的编队方法。首先,在领航跟随法的框架下控制编队队形,在动态队形变换策略的异构模式下,使用人工势场法为多智能体编队中每个智能体规划避障路径;其次,利用模糊控制器控制跟随智能体追踪领航智能体,同时保持跟随智能体之间与领航智能体的相对距离,遇到未知障碍物时,及时保持多智能体编队之间的队形并避免碰撞障碍物。针对人工势场法在引力增量系数和斥力增量系数设置的局限性,利用模糊控制器选择出适应环境的增量系数。Matlab仿真实验结果表明,该方法能够有效地解决复杂环境下多智能体编队控制及避障问题,使用效率函数对实验数据进行分析,验证了所优化方法的合理性和有效性。     

On the design of an obstacle avoiding trajectory: Method and simulation

The paper suggests a new mathematical construction for the potential field used in the design of obstacle avoiding trajectories. The main benefits of the proposed construction are the quickness of minimum computation and the compensation for the main drawbacks specific to the “traditional approaches” belonging to the potential field method in general. The potential field definition and its minimum computation concept are presented. Next the concept is included in a design method for obstacle avoiding trajectories. The method is expressed in the form of an algorithm for obstacle avoidance. In the following step a state-space controller is designed in order to control the car along that trajectory. Digital simulation results obtained for the complete dynamic model of a car well validate the method.