无人驾驶快速公交车辆仿真分析

为实现快速公交系统智能化,提出了一种无人驾驶快速公交车辆方案。采用TruckSim软件建立快速公交车辆模型,设计无人驾驶快速公交车转向方案,并利用Simulink软件模块建立无人驾驶快速公交车辆模糊PID转向控制系统与车辆模型预测控制轨迹跟踪系统模型。最后联合TruckSim模型与Simulink控制算法,实现快速公交车辆在不同载荷下对于预定轨迹的跟踪仿真分析与精确停车仿真分析,验证了方案可行性,为后面快速公交系统车辆调度打下了基础。同时确定了该系统通过不同半径弯道时车辆保持有效跟踪的最大行驶速度,为快速公交系统参考轨迹建模提供依据。     

无人驾驶车辆路径规划算法综述

为了提高无人驾驶汽车路径规划效率,减少规划时间,对无人驾驶车辆路径规划问题的算法进行归纳和总结.从环境信息的理解层面出发,根据研究对象对行驶环境信息认知程度不同,将无人驾驶路径规划算法分为全局路径规划和局部路径规划两种类型.对这两种规划方法的相关具体算法进行分析,找出其优缺点,提出路径规划未来的发展趋势的思路.     

无人驾驶车辆路径跟踪控制预瞄距离自适应优化

基于道路信息,使用驾驶员预瞄模型产生执行器输入是无人驾驶车辆在路径跟踪中使用的主要方法之一,但对于车速较高与转弯半径小等工况,模型误差会导致较差的驾驶舒适性,车辆甚至失去稳定性。为提高无人驾驶车辆路径的跟踪精度,同时兼顾转向频度和车辆稳定性,提出基于粒子群多目标优化（Particle swarm optimization,PSO）算法的预瞄距离自适应驾驶员模型,并将之应用于路径跟踪控制。首先,基于单点预瞄偏差模型,采用滑模变结构设计转向控制器;其次,以路径跟踪精度、转向频度和车辆稳定性为综合性能指标,设计了PSO优化算法,实现了驾驶员模型预瞄距离的自适应寻优。最后,在搭建的CarSim-Simulink联合仿真平台与台架试验上,对所提出的预瞄距离自适应驾驶员预瞄模型进行了仿真和硬件在环试验验证。结果表明,经优化后的预瞄距离能够适应不同车速和道路曲率,驾驶员预瞄模型能兼顾路径跟踪精度、转向频度和车辆稳定性等需求。预瞄距离自适应驾驶员模型结合道路与车速信息,增大对路况与车况适应性,为无人驾驶车辆路径跟踪控制提供可靠的输入。     

智能车辆的纵向运动控制

建立使用发动机中等复杂模型和非线性刹车模型的车辆纵向运动数学模型。使用基于模糊逻辑和遗传算法的复杂对象控制器自动设计方法设计刹车控制器,构造一种油门和刹车切换逻辑,再基于刹车控制器和切换逻辑使用自动设计方法设计油门控制器,共同构成纵向运动控制器(LMC)。仿真检验LMC在IV巡航控制和自适应巡航控制中的有效性,结果表明所设计的LMC完全可以满足IV纵向运动高精度、强鲁棒性和平顺性的要求     

改进RRT算法的无人驾驶车辆路径规划研究

针对基础快速扩展随机树（Rapidly-exploring Random Trees,RRT）应用于无人驾驶车辆路径规划时缺乏导向性,收敛速度慢,路径平滑性差及规划结果并非最优解等问题,提出了一种基于RRT的路径规划改进算法。首先,设计了启发式采样策略：提出基于权重分配的目标指向的局部扩展方式,解决了节点盲目扩展的问题,避免了因目标偏向而出现路径陷入局部最小值的情况,并通过设置转角阈值约束节点转角范围,同时采用变步长采样策略,提高了算法局部避障能力;其次,对已得路径进行后处理：提出了节点优化策略,并用B样条曲线进行路径拟合,实现了路径长度的优化并满足平滑性要求,路径末端与目标点采用Reeds-Shepp曲线连接,解决了车辆抵达目标点时的航向问题。最后利用Matlab软件,将改进算法与基础RRT及其衍生算法进行了对比分析,验证了所提算法的有效性和优越性。     

考虑系统约束的预瞄Stanley车辆路径跟踪控制

近年来研究者们发现前轮转角速度约束等系统约束对路径跟踪控制的性能存在较大的影响,而常用于解决系统约束影响的模型预测控制存在实时性较差的问题。为此基于计算成本较低的Stanley控制,考虑前轮转角速度约束等系统约束的影响,提出了一种考虑系统约束的预瞄Stanley车辆(无人驾驶)路径跟踪控制算法,并通过MATLAB与Carsim联合仿真对该算法进行了仿真测试。在被控对象有系统约束的情况下,提出的控制方法仍具有较高的精确性和实时性,其中横向误差绝对值不超过0.273 4 m,航向误差绝对值不超过0.113 5 rad,每个控制周期内的计算时间不超过2 ms。仿真结果还表明,该控制方法在精确性方面优于经典Stanley控制、已有的未考虑系统约束的预瞄Stanley控制,在实时性方面优于模型预测控制。     

无人驾驶越野车辆纵向速度跟踪控制试验

以无人驾驶轻型战术轮式越野车辆为平台,开展模型预测纵向速度跟踪控制实车试验研究。针对平台控制特性设计合适的下位控制器,使用Matlab/Simulink与包含气压制动系统的TruckSim车辆联合仿真初步测试系统可行性,并在沥青路和土路分别进行实车试验。试验结果表明：模型预测速度跟踪控制系统能够克服气压制动延时长、整车质量重、越野路况行驶阻力波动大等模型误差和不确定干扰,自适应调节期望加速度大小,实现不同行驶工况高精度速度跟踪。试验过程驱动/制动切换平稳、无振荡,且能够像熟练驾驶员一样充分利用发动机辅助制动,必要时既不施加电控制动,也不请求发动机输出转矩。系统使用现代车辆易于获得的车辆状态参数,便于向其他车辆移植,可作为无人车辆车体控制得力技术加以推广。     

无人驾驶车辆横向位置跟踪控制

将无人驾驶车辆横向运动学模型经过适当简化,并且采用零极点对消的方法,进而将其简化成线性定常模型。采用古典校正的方法,制定出相应的控制策略,该控制方案结构简单、控制有效,即使在速度时变的情况下仍有很好的控制效果,由Simulink和VRML语言建立起的三维动画仿真证明了这一点。     

自动导引车路径跟踪和伺服控制的混合运动控制

对受到非完整约束和动力学影响的自动导引车(Automated guided vehicle,AGV),提出一种包含路径跟踪和伺服控制的混合运动控制模型。为消除AGV位姿偏差,在速度和加速度约束下,基于多步预测最优控制和智能预测迭代控制的路径跟踪技术,输出纠偏协调性最优的有限速度差控制量,并根据该控制量和AGV运行速度设置两驱动轮的目标速度。为消除驱动轮速度误差,以路径跟踪所需的伺服控制能力为决策偏好,采用多目标遗传算法优化伺服控制器的PID参数,保证两驱动轮的实际速度满足路径跟踪要求,并根据系统响应性能反馈速度和加速度约束。AGV路径跟踪试验表明,该混合运动控制模型可匹配路径跟踪技术的位姿纠偏能力与伺服控制技术的速度纠偏能力,有利于实现AGV运动性能的整体优化。     

基于无人驾驶的城铁车辆电气系统技术方案研究

本文提出了对无人驾驶城铁车电气系统的基本要求,针对无人驾驶车辆的特点,通过对牵引系统、辅助电源系统、列车控制及监控系统和旅客信息系统等列车电气系统的详细设计要求和参数,结合对整车技术参数的要求,对电气系统的技术方案进行了详细的研究工作.     

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。     

运动控制器的现状与发展

运动控制技术是推动新的技术革命和新的产业革命的关键技术.运动控制技术能够快速发展有两大主因:其一是得益于计算机、高速数字处理器(DSP)、自动控制、网络技术的发展;其二是有庞大的市场需求.基于网络的开放式结构和嵌入式结构的通用运动控制器逐步成为自动化控制领域里的主导产品之一.作为现代化设备的核心控制部件,开放性、可靠性是衡量其是否能够在工业界立足的关键.高速、高精度始终是运动控制技术追求的目标.充分利用DSP的计算能力,进行复杂的运动规划、高速实时多轴插补、误差补偿和更复杂的运动学、动力学计算,使得运动控制精度更高、速度更快、运动更加平稳;充分利用网络技术、FPGA技术等,使系统的结构更加合理和开放,通过网络连接方式减少系统的联线,提高系统的实用性和可靠性.运动控制器产品今后的发展基本上沿着上述两个方向走,但是专业化、个性化的运动控制器将是一个新的发展方向.     

无人驾驶混合动力汽车轨迹跟踪节能控制融合研究

为进一步提高无人驾驶混合动力汽车轨迹跟踪精度和能耗经济性,提出了一种轨迹跟踪节能控制融合策略。首先,建立车辆运动学模型,采用模型预测控制策略对车辆进行轨迹跟踪控制;在此基础上,以速度为交互变量,提出了一种三阶段动态规划节能控制策略,在线优化最优经济性函数,以降低整车能耗总成本;最后,选择相互独立的纯跟踪轨迹跟踪算法与功率跟随节能控制策略进行比较。结果表明,所提出的轨迹跟踪节能控制融合策略提高了轨迹跟踪效果,降低了整车能耗总成本,轨迹跟踪精度提高了70.47%,纯电动和混合驱动模式下能耗总成本分别下降了4.52%和25.10%。     

基于混沌理论的无人驾驶车辆行驶轨迹量化分析

针对无人驾驶车辆客观量化评价困难的问题,提出基于混沌理论的无人驾驶车辆行驶轨迹的量化分析方法。应用五次多项式方法结合优秀驾驶员驾驶车辆行驶的初始状态和目标状态设计无人驾驶车辆的理想轨迹,计算实际行驶轨迹与理想轨迹的偏差得到偏差时间数据序列;采用混沌理论的C-C方法对偏差时间数据序列重构相空间;计算偏差时间数据序列的Lyapunov指数,实现无人驾驶车辆行驶轨迹的量化表示。运用提出的方法对无人驾驶车辆避障换道的行驶轨迹偏差时间数据序列进行相空间重构,计算其Lyapunov指数为正值,表征人驾驶车辆系统的混沌性,还表征人驾驶车辆收敛到稳态响应的快慢程度。试验表明基于混沌理论的无人驾驶车辆行驶轨迹的量化分析是可行的,有效的。     

移动机器人轨迹跟踪与运动控制

针对轮式移动机器人在实际运行中受环境因数影响,采用扩展卡尔曼滤波(EKF)算法融合里程计与激光雷达的观测数据,对机器人的参考轨迹信息进行校正,并与离散卡尔曼滤波进行比较。在机器人动力学模型的基础上,运用Lyapunov直接法,构造具有全局渐近稳定的轨迹跟踪控制器,控制机器人运动的角w速度,v,使机器人的位姿状态达到要求。根据Lyapunov稳定性定理证明了系统的全局稳定性。仿真及实验验证表明,卡尔曼滤波算法对机器人的定位数据滤波与Lyapunov方法结合的轨迹跟踪控制器效果良好。     

两栖六足仿生机器人的水陆运动控制研究

两栖六足机器人不仅需应对崎岖地形对陆地爬行提出的挑战,还要解决机器人在水下灵活运动的控制问题。因此,本文首先提出了基于深度强化学习的崎岖地形运动控制方法。通过MuJoCo为机器人执行爬行任务构建交互环境,并采用近端策略优化(PPO)算法训练智能体使其获取适应于不同崎岖程度地形的控制策略。仿真数据表明,陆地控制策略可使机器人在平坦、轻度崎岖、重度崎岖3类地形上快速、稳定地完成前进任务。针对水下运动控制问题,本文通过分析机器人动力学模型将其分解为：采用视线法与PID控制器解决平面轨迹跟踪和深度控制问题。水下实验表明,机器人可在平面快速跟踪Sigmoid曲线且轨迹偏差不超过0.11 m。深度控制实验中,机器人可平稳到达指定深度且控制精度在0.02 m以内。     

车辆自动驾驶纵向运动控制优化及求解算法

针对车辆自动驾驶纵向运动控制开发一款快速求解器,建立了车辆纵向运动模型、纵向运动模型预测控制(MPC)优化问题和二次规划(QP)模型,并采用欧氏投影、拉格朗日松弛法处理不等式和等式约束,将原优化问题转化为拉格朗日对偶问题;基于Nesterov快速梯度法设计了拉格朗日对偶问题求解算法,并对算法参数进行了分析,采用试验数据...     

浅析无人驾驶汽车发展现状与问题

回顾并介绍了国内外无人驾驶汽车的发展历程与现状,结合目前的技术发展水平对无人驾驶汽车领域面临的问题进行了讨论与分析,对无人驾驶汽车的普及应用和产业化的发展做了总结与展望。     

极限工况下无人驾驶车辆运动规划策略研究

针对无人驾驶车辆在极限工况下的运动规划问题,提出一种适应极限工况的无人驾驶车辆运动规划策略。首先,建立了准确描述车辆运动的动力学模型,并采用修正的非线性轮胎模型反映轮胎与不同路面之间的动力学特性;其次,提出一种基于安全制动距离的自适应势场模型,以适应极限工况下外界条件与车辆参数的变化;再次,考虑到车辆在极限工况下易发生横向失稳,设计出横向稳定性指标(Lateral stability index,LSI)作为关键优化参数,并展开车辆横向稳定性分析;然后,基于模型预测控制方法(Model predictive control,MPC),将极限工况下的运动规划问题转化为多目标优化问题;最后,构建出PreScan-Simulink-CarSim联合仿真平台,并在冰雪路面等多种极限工况下对所提出的运动规划策略进行了验证。仿真结果表明,该策略有效提升了无人驾驶车辆在极限工况下的安全性与稳定性。     

基于改进领航-虚拟跟随法的车辆队列控制

文中分析了车辆队列控制方法中传统的领航-虚拟跟随法存在模型误差的问题,提出一种考虑跟随车参考路径点连线与横轴的夹角作为参考航向角的改进领航-虚拟跟随方法,将队列控制问题转化为对特定位置的轨迹跟踪问题。然后基于车辆运动学模型实时规划跟随车的速度,运用误差修正的Stanley方法和PD控制分别进行车辆横向控制和车辆纵向油门/刹车控制。最后,通过CarSim/Simulink联合仿真,验证了改进领航-虚拟跟随方法在3车三角形队列圆周和正弦曲线工况下的效果。结果表明：改进领航-虚拟跟随方法较传统领航-虚拟跟随法,使1号和2号跟随车横向误差均值和最大值得到了降低。