基于MPC的自动驾驶车辆横向路径跟踪控制

由于驾驶技能、生理极限等原因,人工驾驶员在转向操作中存在响应迟滞、动作超调等问题,控制性能优良的自动驾驶车辆可以改善上述问题。设计了一种基于模型预测控制(MPC)的自动驾驶车辆横向路径跟踪控制器。基于预瞄跟随理论建立了最优侧向加速度的驾驶员转向模型,以分析驾驶员方向盘操作中预瞄时间和车速对车辆跟踪参考路径的影响。基于模型预测控制算法设计了车辆横向路径跟踪控制器,利用反馈校正机制改进车辆预测模型,以处理参数不完全确定和外部干扰对模型精度带来的影响;采用松弛因子对目标函数进行处理,以保证目标函数具有可行解;进一步地,将所设计的模型预测控制器每一步的优化求解转化为带约束的二次规划问题,利用模型预测控制滚动优化的特点,求解跟踪参考路径所需的方向盘转角,作用于自动驾驶车辆。实验结果表明:预瞄时间和车速对驾驶员操控车辆跟踪参考轨迹的影响较大,MPC控制器下的车辆实际行驶轨迹与参考轨迹之间的最大横向偏差为0.085 m,小于熟练驾驶员操控的车辆,同时,MPC控制器下的车辆转向起始时刻相对于熟练驾驶员操控的车辆提前0.89 s。     

自动驾驶汽车路径规划与轨迹跟踪研究综述

自动驾驶汽车路径规划与轨迹跟踪技术的发展对提升汽车技术与现代电子信息的深度融合具有十分重要的意义。文章围绕自动驾驶汽车路径规划与轨迹跟踪技术进行了阐述,介绍了基于环境建模和路径搜索策略的路径规划技术,分析了基于传统控制和先进控制方法的轨迹跟踪控制现状,并对未来自动驾驶汽车的发展方向进行了展望。     

基于深度强化学习的自动驾驶车辆专用道汇入引导

为满足自动驾驶车辆（CAV）与人工驾驶车辆混行过程中安全和效率的需求,自动驾驶车辆专用道应运而生。当高速公路内侧车道设为自动驾驶车辆专用道时,引导自动驾驶车辆从普通车道汇入至专用道的策略研究具有重要的理论意义和实际价值。首先,设计专用道入口并提出车辆控制规则;其次,以使更多自动驾驶车辆换道至专用道为目标,基于深度强化学习,选择换道信号动作引导车辆换道;最后,通过Python语言编译进行数值仿真验证。结果表明：在自动驾驶车辆渗透率、到达专用道自动驾驶车辆比例等不同因素构建的9种场景下,本文算法能够快速收敛;能够有效引导自动驾驶车辆汇入专用道,保证通行效率;相较无信号控制情况,渗透率为20%～40%时,第2车道交通拥堵显著减少;在两段式专用道入口场景下,CAV换道至专用道的比例比单入口场景明显提高。所提出的策略具有较好的适用性,能为工程建设提供参考借鉴。     

基于优化DeepSort的前方车辆多目标跟踪

为了提升自动驾驶汽车对周边环境的感知能力,提出优化DeepSort的前方多车辆目标跟踪算法. 采用Gaussian YOLO v3作为前端目标检测器,基于DarkNet-53骨干网络训练,获得专门针对车辆的检测器Gaussian YOLO v3-vehicle,使车辆检测准确率提升3%. 为了克服传统预训练模型没有针对车辆类别的缺点,提出采用扩增后的VeRi数据集进行重识别预训练. 提出结合中心损失函数与交叉熵损失函数的新损失函数,使网络提取的目标特征有更好的类内聚合以及类间分辨能力. 试验部分采集不同环境的实际道路视频,采用CLEAR MOT评价指标进行性能评估. 结果表明,与基准DeepSort YOLO v3相比,跟踪准确度提升1%,身份切换次数减少4%.     

深度强化学习在自动驾驶系统中的应用综述

深度强化学习兼具深度学习对高维输入的处理能力和强化学习的决策能力,能够实现由高维的感知信息到连续动作空间输出的直接映射,非常适合处理环境复杂、交互频繁的自动驾驶任务。本文介绍了深度强化学习的主要类别以及研究进展,对自动驾驶系统关键技术进行详细剖析,重点分析了深度强化学习在自动驾驶系统环境感知、决策规划、控制执行关键技术领域的应用现状,最后展望了深度强化学习（DRL）在自动驾驶系统中的应用前景,指出研究DRL算法的可解释性提升整车功能安全等级,以及研究DRL模型的决策稳定性或利用DRL算法提升系统综合控制能力已成为未来的发展方向。     

结合Spatial CNN的端到端自动驾驶研究

针对当前自动驾驶中端到端深度学习算法需要庞大数据集作为训练支撑且缺少针对性的问题,基于深度迁移的思想,提出了迁移预训练VGG-16网络结合Spatial CNN网络结构的端到端自动驾驶模型.将预训练模型在ImageNet数据集上已经学习到的图像识别能力迁移至转向预测任务上,同时嵌入Spatial CNN网络结构挖掘空间特征信息.研究结果表明:在基于同等少量样本的训练后,迁移学习模型提取的特征更具有相关性,与从零开始训练的DAVE-2模型相比,预测误差率降低11.1％.在测试地图上模型预测值能很好地跟随真实值变化,说明模型能够实现高精度预测.     

基于深度学习的多模态多任务端到端自动驾驶研究

当前端到端自动驾驶系统的研究方法主要是采用图像或图像序列作为输入,使用卷积神经网络直接预测方向盘转角,取得了较好的效果,但仅通过转向命令并不足以完成自动驾驶车辆的控制.为了更好地实现对自动驾驶车辆的横纵向控制,构建基于端到端学习的CNN-LSTM(卷积神经网络-长短时记忆)多模态多任务神经网络模型,将图像、速度序列和方...     

基于深度自动编码器与Q学习的移动机器人路径规划方法

针对移动机器人在静态未知环境中的路径规划问题,提出了一种将深度自动编码器( deep auto-encoder)与Q学习算法相结合的路径规划方法,即DAE-Q路径规划方法。利用深度自动编码器处理原始图像数据可得到移动机器人所处环境的特征信息;Q学习算法根据环境信息选择机器人要执行的动作,机器人移动到新的位置,改变其所处环境。机器人通过与环境的交互,实现自主学习。深度自动编码器与Q学习算法相结合,使系统可以处理原始图像数据并自主提取图像特征,提高了系统的自主性;同时,采用改进后的Q学习算法提高了系统收敛速度,缩短了学习时间。仿真实验验证了此方法的有效性。     

自适应LOS制导结合MPC控制的车辆循迹优化

为提升无人驾驶车辆循迹过程的动态响应能力,确保车辆能快速且稳定地跟踪参考路线,首先基于模糊控制的思想,在传统视线(line-of-sight, LOS)制导策略中引入了时变前视距离,提出了改进后的自适应LOS制导策略,把目标轨迹的跟踪简化为目标点航向的跟踪。其次,建立车辆三自由度动力学模型,并结合自适应LOS状态方程设计路径跟踪系统的线性数学模型。最后,基于模型预测原理,使用多步预测、滚动实时优化、反馈校正等控制方式,求解出最优反馈的方向盘控制指令。本文为验证上述所提及跟踪策略的有效性,在Simulink仿真环境中分别以直线路径和曲线路径作为参考轨迹进行追踪仿真实验,结果表明:所提自适应LOS制导策略能使循迹车辆的轨迹横向误差和航向误差迅速地收敛到零,从而验证了改进LOS制导算法可以提高无人车路径跟踪的响应速度和平稳性。     

自动驾驶车辆远程监控系统的设计

以WinCE系统下ARM为控制平台,设计一种嵌入式自动驾驶控制与远程监控系统。该系统融合了GPS与AHRS位置姿态数据,经与车载导航地图对比后,规划出行驶路径。基于Backstepping控制算法选取Lyapunov函数设计车辆轨迹跟踪控制器,Matlab仿真验证了决策算法的可行性。在远程监控端完成车辆实时姿态位置显示、历史轨迹回放、偏航报警,实现远程控制农业车辆。     

基于改进蚁群算法的智能车路径优化

用于自动泊车领域的AGV小车载质量大,对移动轨迹的平滑性与行走距离有更高要求。针对传统蚁群算法易死锁、囤余节点多与转向幅度不可控等问题,提出了一种改进蚁群算法。首先,在算法正式开始迭代前使用地图补偿函数对地图进行优化,降低死锁概率;其次,在对地图优化处理后,对地图进行了信息素浓度初始化,加快了算法收敛速度;最后,通过调整路径生成逻辑,实现算法自适应调整步长,提高了路径的平滑性,减少转向摆动。仿真结果表明：改进后的算法死锁现象减少,收敛速度更快,所生成的路径转向平滑,囤余节点数与总路径长度降低。     

用于车载导航路径规划的改进果蝇算法

车载导航路径规划技术辅助驾驶员规划从起点到终点的合理路线,是智能交通系统的重要组成部分。在复杂城市街道中进行路径寻优是典型的非线性优化问题,近年来,群智能算法被广泛应用于该类复杂非线性问题的优化与求解。文中对唐山市第四幼儿园—市人大—市教育局街区进行建模,设计了一种用于车载导航路径规划的改进果蝇优化算法,对该区域的行车路线进行规划,算法采用了适用于路径规划问题的味道浓度函数,并引入遗传算法的部分算子。仿真实验表明,该算法能够快速高效地为车辆构建从起点到终点的行车路线,从而降低行车成本和减少能源损耗。     

无人智能越障概念车的一种路径规划算法

介绍了一种基于神经网络的无人智能越障概念车路径规划算法,针对此算法给出了实现的具体步骤.用计算机仿真的方法分析了算法参数对其性能和效率的影响,结果证明,此算法有较强的实时性和可靠性.     

电动汽车加电站电池配送路径优化

在分析电动汽车加电站运营模式的基础上,根据电动汽车加电站需求动态变化的特点,建立了加电站电池配送路径问题的动态车辆调度模型. 利用自适应准则改进遗传算法,构造了自适应遗传算法;针对动态车辆调度问题实时性强的特点,设计了"初始化路径制定+实时动态调度"的两阶段求解策略,通过信息更新插入动态需求加电站,对已产生的计划路径进行局部优化调整,仿真计算结果验证了模型和算法的有效性.     

基于MapX的行车路线动态优化算法研究

考虑到道路交通状况的时变性和不确定性,结合基于出行者特性的路线优化方法（TC-B算法）的思路划分路网,对传统的最短路算法进行改进,提出了一种行车路线动态优化算法.该算法将城市路网按出行者特性划分为主要道路和次要道路,提高了路网搜索速度.为了在诱导软件中实现笔者提出的行车路线动态优化算法,还采用ActiveX组件MapX,建立了长春市区的局部试验路网,利用MapX实现了动态路阻矩阵和试验路网在诱导软件中的数据绑定及实时更新,达到了动态路径诱导的目的.     

一种新的AUV路径跟踪控制方法

研究了自主水下航行器(AUV)的路径跟踪问题,将跟踪控制问题分为导引和控制2部分.导引部分基于视线导引(Line of Sight)原理输出AUV的参考航向,针对AUV的参数不确定性及海流干扰等特点,航向控制器采用变结构控制律计算舵角控制输入,在此基础上,将航向控制器与路径跟踪控制器并行结合,构造了文中提出的混合型路径跟踪控制器.文章从理论上证明了控制律的稳定性,仿真结果表明,所设计的控制律可以保证AUV沿期望路径航行,路径跟踪误差快速收敛.     

Drilling Path Optimization Based on Particle Swarm Optimization Algorithm

This paper presents a new approach based on the particle swarm optimization (PSO) algorithm for solving the drilling path optimization problem belonging to discrete space.Because the standard PSO algorithm is not guaranteed to be global convergence or local convergence,based on the mathematical algorithm model,the algorithm is improved by adopting the method of generate the stop evolution particle over again to get the ability of convergence to the global optimization solution.And the operators are improved by establishing the duality transposition method and the handle manner for the elements of the operator,the improved operator can satisfy the need of integer coding in drilling path optimization.The experiment with small node numbers indicates that the improved algorithm has the characteristics of easy realize,fast convergence speed,and better global convergence characteris- tics.hence the new PSO can play a role in solving the problem of drilling path optimization in drilling holes.     

车辆导航系统中最短路径算法分析

路线选择是车辆导航系统的核心功能,其实用性和效率对整个系统有着重大的影响.从车辆自导航的角度出发,针对系统运行平台PDA设备容量小且运算速度慢的特点,从节约存储空间、提高运算效率等方面对现有Dijkstra算法提出改进,并结合实际城市地图数据给予实现,试验表明,应用效果良好.     

求解AGV路径优化问题的遗传算法参数优化

介绍了基于AGVS的有向图模型求解AGV路径优化问题的遗传并行路径规划算法和有关遗传算子.根据遗传算法的运行流程,首先对AGV路径进行初始路径集生成和确定复制算子;其次用实验的方法对交叉算子和变异算子进行了性能比较,确定AGV路径优化中选用部分交叉算子和反转变异算子;最后研究了种群的大小对遗传算子收敛速度的影响.本文给出了部分遗传算子的实验数据和不同种群规模时的收敛情况.本文工作是研究AGV动态调度遗传算法及其仿真与实验的基础.     

无人机路径规划的控制算法

传统的无人机连续路径算法,因计算飞行路径需要一定的时间而延迟响应,很难实时控制。采用贝塞尔曲线来计算飞行路径,过程会简化很多,但要产生预期的飞行路径仍然很难实现。现将数值控制系统的直线和圆弧插补技术用于飞机转弯路径控制算法,实现实时响应,精确控制飞行路径,再结合无人机飞行高度、速度和迎角,设计了一种实现转弯路径控制算法。研究结果表明该算法简单,路径控制准确,并通过飞行测试验证了设计的合理性。