汽车高速状态下紧急避障系统研究

为了保证汽车在高速状态下紧急避障的安全性,研究了汽车紧急避障系统。建立了汽车动力学模型和质点模型;使用S函数规划了初步避障路径,考虑避障过程中路径内出现新障碍物的情况,提出了模型预测控制的路径再规划方法;在路径跟踪方面,考虑汽车高速行驶在低附着路面等极限工况,以路径跟踪误差最小和输入量最小为优化目标,设计了考虑车辆非线性特征的线性时变模型预测控制器。经仿真验证,在避障过程中路径内出现新障碍物时,路径再规划方法可以规划出一条安全、且偏离初步路径最小的路径;在极限工况下,线性模型预测跟踪控制器会发生甩尾危险,无法实现路径跟踪;而线性时变模型能够实现路径跟踪,且跟踪过程安全稳定。     

智能汽车避障路径规划与跟踪控制研究

为了提高智能汽车行驶安全性,提出了基于人工水滴算法的避障路径规划和自适应路径跟踪控制方法.在路径规划方面,模拟水往低处流过程,提出了基于人工水滴算法的路径规划方法,经验证,人工水滴算法在动静态环境下都能够规划出避障路径.在路径跟踪方面,设计了转向控制与速度自适应控制的综合控制器;基于车辆线性二自由度模型,提出了模型预测转向控制;结合预瞄模型和二次规划方法,提出了速度随行驶路况自适应控制方法.经绕桩实验验证,本文提出的综合控制方法最大横向跟踪误差为0.1m,文献[11]提出的控制方法最大横向误差为0.6m,是本文方法的6倍,说明了综合控制器在路径跟踪控制中的精确性,且综合控制器的横摆角速度、侧向加速度均在约束范围内,满足国家标准对车辆的安全性要求.     

无人驾驶汽车横向运动LQR控制器设计及工况测试

为提高无人驾驶汽车横向运动效果,发明了一种能够自主调节加权矩阵的预瞄策略与线性最优控制（LQR）优化调节器,加入前馈控制方法来调节智能汽车横向运动参数。通过非预瞄方式构建得到路径跟踪误差的力学仿真模型,构建了横向前馈以及LQR反馈控制器,并采用仿真方法比较带前馈控制状态下LQR优化控制器。双移线工况测试结果表明：包含前馈控制的LQR优化控制器可以对0.3 m以内的路径进行跟踪距离偏差,并使航向偏差不超过0.1 rad,且仅需要调节较少次数。连续换道工况测试结果表明：设置前馈控制调节的LQR控制器可以获得较小的距离偏差与航向偏差,并更加精确跟踪目标路径,达到了理想控制状态。该研究显著提高了控制精度,且增强控制器自适应能力,为提高汽车运行稳定性提供了良好理论支撑。     

基于模型预测控制的智能网联汽车路径跟踪控制器设计

为解决智能车辆的自主转向问题,提高车辆在高速运动过程中的转向精度和稳定性,在智能网联汽车的背景下,从路径跟踪控制出发,提出一种变参数的智能网联汽车路径跟踪控制方法。该方法基于模型预测控制原理,设计了一种智能网联汽车的路径跟踪控制器。该方法先以3自由度模型的车辆模型为控制系统;对系统进行线性化后,确定系统的二次型目标函数,并依据函数形式确定矩阵形式;然后,在Carsim和Matlab/Simulink平台上进行离线仿真,确定各个典型工况下适用于该路径跟踪控制器的仿真参数;最后实现系统可根据由车联网获得车辆实际所处道路形状和实际车速选择合适的路径跟踪控制器的控制参数,完成智能网联汽车的自动转向。仿真结果表明该控制器相对于固定控制参数的控制器具有更好的控制效果,可控制车辆以较高车速行驶时达到较高跟踪精度和行驶稳定性。     

基于转角补偿的智能车辆循迹控制系统

文中提出了一种转角补偿智能车辆循迹控制系统。系统由纯追踪控制器和转角补偿控制器组成。PP控制器直接控制车辆跟踪路径;转角补偿控制器基于PI控制理论,综合考虑行驶偏差及道路曲率进行转向角补偿,其参数采用模糊控制理论实现自适应调节,进一步改善系统跟踪性能。仿真和试验结果表明:较于传统PP循迹系统,该系统在不同车速下横向偏差峰值降低了50%以上,方向偏差峰值降低了20%以上,路径跟踪性能显著提升。     

机械臂轨迹的阻抗滑膜控制

针对机械臂在接触操作物时进行移动时位置会产生偏差,导致两者之间会有作用力,该作用力将会对操作的物体产生破坏。所以先对机械臂采用滑膜控制,去控制机械臂更好的跟随路径。但是由于滑膜控制会产生抖振,所以改变滑膜控制的切换函数,减弱控制系统的抖振。在此基础上考虑机械臂末端位置的偏差,将阻抗控制和改进后的滑膜控制结合,减少滑膜控制中的抖振,控制机械臂末端力的接触力在合适范围之内,同时要让机械臂能够很好的跟踪预定曲线。仿真结果表明,双曲正切为切换函数的滑膜控制,能更好的降低控制器的抖振,而且将改进的滑膜控制和阻抗控制可以更好的控制机械臂末端的压力,同时机械臂末端也能将好的跟踪设定曲线。     

复杂环境下智能汽车自动驾驶系统研究

为了提高智汽车的驾驶安全性,研究了智能汽车自动驾驶系统,包括路径规划和跟踪两个方面。对于路径规划,在传统RRT算法基础上,将路径转角引入度量函数中,实现了对距离和平滑性的综合度量;将目标偏向策略和相向扩展策略引入到扩展方法中,将随机扩展改进为启发扩展,从而提出了CE-RRT算法,经仿真验证,CE-RRT算法不仅提高了路径规划成功率,而且缩短了规划时间。对于路径跟踪,建立了车辆路径跟踪的线性时变误差模型,设计了线性时变模型预测控制器,通过仿真验证,控制器可以实现对直线路径的完全跟踪,对圆形路径也有很高的跟踪精度。     

结构化道路下智能汽车自主换道轨迹规划研究

自主换道系统是智能汽车关键技术之一。针对自主换道系统的轨迹规划,提出基于路径-速度分解的分层换道轨迹规划方法。在路径规划层,基于改进二维正态分布函数建立道路、固定障碍物、周围车辆势场并生成环境总势场,采用五次多项式曲线构建换道路径簇,并基于环境总势场确定车辆的最优换道路径;在速度规划层,考虑换道效率、平顺性、安全性、动力学响应、换道时间窗、路径约束等多重影响因素,提出基于凸优化的速度规划方法并对方法有效性进行验证;最后,建立Prescan-Simulink联合仿真环境,在不同场景下对所提出的轨迹规划方法进行仿真验证。结果表明,该方法能够有效处理换道过程中的复杂约束,保证换道过程的安全性、舒适性与换道效率。     

基于目标路径规划无人驾驶设备导航控制分析

目标路径规划是无人驾驶设备导航与控制的基础。利用三偏差导航控制器具备的轨迹精确推算模型,研究地下无人驾驶设备在巷道内轨迹规划问题和避障问题;根据巷道导航的特点,定义了包括偏离角、偏离角偏差、横向位置偏差、目标路径等轨迹参数;建立各轨迹参数的关系模型和轨迹推算模型,在轨迹推算模型的基础上进行了轨迹跟踪研究。结果可知:沿着巷道中心线行走不能保证在障碍点和弯道处设备与巷道壁保持最大相对距离;在弯道处应根据弯道特性和车辆结构,在弯道中心线内侧以不同圆弧曲线作为目标路径,在障碍物处以简单的阶跃函数作为避障规则,同时由于无人驾驶设备的结构特点,正反向行驶时轨迹曲线不相同,在弯道处应分别规划正反向目标路径。     

智能汽车的路面附着极限横向轨迹跟踪控制

在极限轮胎-路面条件下,智能汽车的横向操纵性能急剧恶化,增加了自动驾驶系统的控制难度。现有研究主要聚焦智能汽车轨迹跟踪的性能,但是难以解决低附着路面、紧急避障等极限工况下的智能汽车轨迹跟踪时的安全性和稳定性。利用模型预测控制方法实现了智能汽车的轨迹跟踪,同时保证智能汽车行驶稳定性和安全性,仿真试验同样表明该控制器具有较好的鲁棒性。结合二次型代价函数和安全约束构建了轨迹跟踪的开环最优预测控制问题,通过约束车辆的前后轮侧偏角,保持极限工况下智能汽车的行驶稳定性。研究方法与结果可为智能汽车设计提供参考。