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.     

基于补偿控制的无人地面车辆轨迹跟踪方法

:针对无人地面车辆轨迹跟踪精度不高,鲁棒性差的问题,提出了一种基于补偿控制的算法;该算法分为运动学和动力学两部分:基于方向角调整策略的运动学控制律能确保无人地面车辆有效跟踪参考轨迹;基于PD与模型参考模糊滑模自适应控制相结合控制的动力学控制律能有效补偿建模不精确和外界扰动带来的影响;仿真结果表明:该算法能够有效跟踪参考轨迹,控制量分配合理且鲁棒性较好.     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制(MPC)的轨迹跟踪控制算法.针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器.仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有...     

基于参数自学习的无人车越野环境跟踪控制方法

针对无人车在越野环境下难以高速、高精度地跟踪复杂路况的问题,设计了一种参数自学习的前馈补偿控制器,与模型预测控制方法构成前馈-反馈的控制结构。在该控制结构中,前馈控制根据实时状态的跟踪误差在线更新学习系数,有效考虑车辆高速运动过程中无法精确建模的非线性动力学特性以及复杂路况不断变化的曲率和路面条件等的影响,在保证稳定性的同时快速减小跟踪误差。在越野场景进行了高速的S型与直角弯路径跟踪实车实验来验证参数自学习控制器的有效性,结果表明,所设计的参数自学习控制器相比传统的模型预测控制器跟踪误差和横摆都较小,在跟踪精度和车辆稳定性上都有较大改善。     

无人水面艇复合自适应轨迹跟踪控制

针对存在模型参数不确定性和极易受到风、浪、流等时变干扰的欠驱动无人水面艇的轨迹跟踪控制问题,根据扰动观测器能对不确定项和外界干扰进行估计和补偿且具有鲁棒性特点,提出一种基于复合扰动观测器的自适应轨迹跟踪控制。该复合自适应观测器利用跟踪误差和估计误差共同调节自适应参数,在不激励高频未建模动态的情况下,该复合自适应闭环控制系统可得到更快的收敛速度和更高的跟踪精度。理论分析和仿真实验证明了所提出的无人水面艇复合自适应控制的有效性。     

基于模型预测控制的直升机轨迹跟踪控制

针对直升机在实际任务中对轨迹精确控制的实际需求,提出基于模型预测控制(model predictive control,MPC)的直升机轨迹跟踪算法.轨迹控制的整体方案采用分层的架构:底层对直升机的速度以及姿态进行调节,顶层通过实施MPC算法对底层的姿态和速度指令进行调度,以期实现直升机轨迹的精确控制.通过分段MPC方...     

基于滑模预测控制的海底采矿车轨迹跟踪算法

海底采矿车多工作于稀软底质,其面临的外部扰动较大,难以快速收敛跟踪误差,精准地跟踪预设轨迹。为此,本文提出了一种海底采矿车的滑模预测控制（sliding model predictive control,SMPC）轨迹跟踪算法。基于海底采矿车的运动学模型,首先设计滑模控制率实现轨迹跟踪误差快速收敛,其次利用少预测时域的线性时变模型预测控制算法（linear time varying model predictive control,LTV-MPC）优化该滑模控制率。而后,通过证明滑模控制率收敛和模型预测控制稳定,保证了闭环控制系统的稳定性。RecurDyn&Simulink联合仿真结果表明,与单一的滑模控制（sliding mode control,SMC）和线性时变模型预测控制算法相比,所提出的SMPC轨迹跟踪算法提高了轨迹跟踪精度,且算法具有较好的实时性。     

基于MPC算法的深海采矿车轨迹跟踪控制

针对深海采矿车在海底行走作业时受到复杂环境影响而偏离预定路径问题,提出基于模型预测控制（MPC）算法的轨迹跟踪控制器。利用深海采矿车运动学模型在Matlab中进行数值仿真分析,利用深海采矿车多体动力学模型开展Matlab-RecurDyn联合仿真分析。仿真结果表明,在直线与曲线工况下轨迹跟踪控制器都有较好的跟踪效果,并且联合仿真比数值仿真的结果更加符合真实环境。     

一种新的履带机器车轨迹跟踪控制

以履带机器车为研究对象,通过对履带机器车轨迹跟踪误差的分析,给出了履带车的内部误差和外部误差的定义。采用交叉耦合控制器对履带车辆的内部误差进行补偿,采用专家模糊控制器对履带机器车的外部控制误差进行补偿,从而实现了履带机器车的轨迹跟踪控制。仿真结果验证了该算法的有效性。     

四旋翼无人侦察器轨迹跟踪控制研究

针对在系统动力参数不确定、干扰随机性的情况下,对四旋翼无人侦察器非线性模型进行有效控制的问题,建立了侦察器的动力学模型,并提出了一种基于双层回路的非线性控制器设计方法.其外层回路中设计了基于模糊PID(proportional-integral-derivation)控制的控制器来实现高度和位置跟踪;内层回路中利用滑模控制器来实现姿态稳定控制.仿真结果表明,设计的控制器能够使无人侦察器的运动轨迹和姿态角快速收敛到期望值且稳定在较小的误差范围内,具有较好的适应性和鲁棒性.     

智能车辆路径跟踪控制方法

为了提高智能车辆路径跟踪控制器的可靠性和控制精度,提出一种基于误差动力学模型的路径跟踪控制方法.基于车辆运动学模型和动力学模型建立系统误差动力学模型,并在此基础上推导出车辆路径跟踪控制的稳态控制律,利用李雅普诺夫稳定性理论验证稳态控制律的正确性.为了减小外部干扰对控制性能的影响,提高控制器的可靠性,进一步设计基于车辆侧向位移误差的瞬态控制律,并利用李雅普诺夫稳定性理论验证闭环系统的稳定性.稳态控制律和瞬态控制律构成了非线性的路径跟踪控制器.通过与车辆路径跟踪常用的线性控制器和非线性控制器对比验证所提出控制方法的有效性,线性控制器选用LQR控制器,非线性控制器选用Stanley控制器.仿真结果表明,与LQR控制器相比,所提出控制方法的路径跟踪控制精度、抗干扰性和可靠性更好.与Stanley控制器相比,所提出控制方法具有更好的路径跟踪控制精度和控制收敛速度,且在大曲率路径跟踪过程中具有更好的可靠性.     

无人驾驶车路径跟踪控制研究

研究被控对象无人驾驶车,基于预瞄控制思想,设计一种无人驾驶车路径跟踪控制器,将控制器分为预瞄控制和补偿控制两部分,预瞄控制模拟驾驶员在驾驶车辆过程中对前方的道路环境信息进行预瞄,根据道路曲率程度决定方向盘转向,补偿控制是对车辆遇到干扰偏离原车道的纠正。仿真实验结果表明,该控制器能够保证无人驾驶车准确跟踪各种参考路径,且具有较好的鲁棒性。     

基于交互车辆轨迹预测的自动驾驶车辆轨迹规划

针对城市道路等复杂行车场景,提出了一种基于交互车辆轨迹预测的自动驾驶车辆轨迹规划方法,将高维度的轨迹规划解耦为低维度的路径规划和速度规划;首先,采用五次多项式曲线和碰撞剩余时间规划车辆行驶路径;其次,在社会生成对抗网络Social-GAN的基础上结合车辆空间影响和注意力机制对交互车辆进行轨迹预测;然后,结合主车规划路径、交互车辆预测轨迹及碰撞判定模型得到主车S-T图,采用动态规划和数值优化方法求解S-T图,从而得到满足车辆动力学约束的安全、舒适最优速度曲线;最后,搭建PreScan-CarSim-Matlab&Simulink-Python联合仿真模型进行实验验证。仿真结果表明,提出的轨迹规划方法能够在对交互车辆有效避撞的前提下,保证车辆行驶的舒适性和高效性。     

基于新型导引向量场的自主水面船轨迹跟踪导引方法研究

针对自主水面船轨迹跟踪的导引问题, 提出一种基于新型导引向量场的轨迹跟踪导引方法. 首先, 为了简化导引律的设计, 以轨迹点为原点构建Serret-Frenet坐标系, 并在该坐标系下基于自主水面船运动模型构建轨迹误差模型; 然后, 考虑到相对位置对于自主水面船轨迹跟踪性能具有较大影响, 设计一种新型的导引向量场, 该向量场利用分段函数为自主水面船在与轨迹点不同相对位置情况下提供相应的导引律, 在保证相对稳定的艏向和速度的基础上实现高效精确的轨迹跟踪, 此外, 所提供的艏向角指令函数为光滑曲线, 用以提高实际中指令的可执行性; 其次, 依据该向量场设计艏向和速度的导引律, 基于Lyapunov稳定性理论证明系统的跟踪误差最终一致有界; 最后, 通过仿真验证所提出方法的有效性.     

Experimental Study of Dynamic Based Feedback Linearization for Trajectory Tracking of a Four-Wheel Autonomous Ground Vehicle

In this paper, experimental study of dynamic based trajectory tracking of an autonomous ground vehicle is presented.The vehicle with two front (steering) and two rear (driving) wheels and also an on-board computer, two DC motors, two batteries and two measurement systems is a good example of an autonomous ground vehicle. The dynamic model of this vehicle is presented in the state-space form with steering and driving torques as inputs; kinematic and dynamic parameters of the model and also electrical parameters of the motors are identified, measurement systems are calibrated and the simulation of controlling this model by feedback linearization method is compared with the experiments.The results of simulations and experiments for the feedback linearization technique are compared with those of a simple PID controller and also the results for sharp turn trajectory tracking illustrate the validity of the method used and the usefulness of the built autonomous ground vehicle.