基于MPC下车辆自主避障算法

车辆在复杂路况下避障会出现稳定性与避免障碍物的行为冲突,提出了一种基于MPC的车辆避障控制算法。首先对车辆进行动力学建模,并加入轮胎非线性模型,再对其进行离散系统线性化。将路径跟踪、车辆稳定性和避免障碍物集成在一起,通过设定其优先级来协调行为冲突。最后通过MATLAB仿真验证算法性能,并利用CarSim/MATLAB联合仿真了该算法应对复杂路况的可行性。仿真结果表明:该控制算法在避障过程中能够协调好稳定性与避障的行为冲突,能够较为准确地表示出车辆的避障路径,为开发无人驾驶和优化智能车辆系统提供了重要依据。     

基于分层模糊控制的自主车辆避障仿真

针对自主车辆在避障中所使用单层模糊逻辑控制器输入、输出变量多而导致模糊规则难以详细划分的问题,提出了将车辆避障过程划分为车辆绕开障碍物过程和车辆趋向目标过程的新方法。建立了Matlab仿真环境下精确的车辆运动学模型,并根据人类驾驶经验制定了详细的模糊控制规则,以达到理想的避障效果。仿真结果表明,该算法计算量小、运算速度快、精度高,可以满足车辆避障时的系统要求,也具有一定的工程实用价值,为下一步精确控制奠定了基础。     

基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法

提出了一种改进的无人驾驶车辆路径规划方法, 并搭建了相应的软件在环实时仿真系统, 对方法在结构化道路下的复杂动态交通工况进行性能验证.首先, 引入基于凸近似的避障原理, 对障碍物参考点的选取进行优化, 扩大了路径规划的可行域范围.采用改进后的方法, 并结合模型预测控制(Model predictive control, MPC)原理和曲线坐标系统, 综合考虑自车及障碍车的外形、道路几何约束及自车的机械结构约束、路径最短、侧向加速度、道路对中、逐次变道、车距安全度、左变道优先和前轮转角变化率等权重的影响, 实现了车辆在复杂动态交通工况下的路径规划.最后, 以长城H7运动多用途车作为无人驾驶实验及仿真平台, 搭建基于dSPACE多核架构的Carsim + Simulink软件在环实时仿真系统, 对算法进行验证.结果表明, 所提出的方法不仅可获得合理、平滑的行驶路径, 顺利避开运动障碍车的干扰, 而且具有良好的实时性.     

基于禁区惩罚函数和MPC倍增预测的车辆避障研究

为了增强无人驾驶汽车对障碍物预测及躲避的可靠性,以模型预测控制（MPC）和车辆动力学模型为基础,提出了一种基于障碍物禁区惩罚函数和MPC预测距离倍增法的避障控制策略。考虑车辆的尺寸,对于障碍物边界的确定引入以阶跃函数为基础的禁区边界惩罚函数。同时在障碍预测环节中对预测距离进行倍数扩增,提高了车辆在较远距离处对障碍物的预测能力。仿真实验以车辆动力学平台CarSim为基础,结合Matlab/Simulink的S函数,对不同仿真工况进行测试。实验结果表明车辆可以避开给定障碍物并能够返回到原始路径,结果达到预期要求,验证了算法的可行性。     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

基于贝叶斯方法的分类预测

介绍了基本的贝叶斯分类模型和贝叶斯信念网络模型,对网络模型的学习进行了讨论。并从实际出发,提出了几种可以简化模型结构、降低学习复杂性的可行方法,简要说明了这些方法在网络模型中的应用。对贝叶斯分类模型的准确性及其主要特点进行了分析。     

基于模糊贝叶斯网络算法的智能轮椅避障

对传统BP神经网络模糊逻辑的智能轮椅避障方法在训练过程中存在的过拟合和避障路径不够优化的问题,提出了一种模糊贝叶斯网络避障算法以降低神经网络的复杂度;该算法利用模糊神经网络对隶属度函数的参数进行自主学习调整,同时为增强神经网络的泛化能力和计算能力,在网络目标函数中加入权衰减项,利用贝叶斯原理优化神经网络的结构和权值;仿真和实机实验表明,该算法在训练结果和避障效果上均优于传统BP神经网络,提高了智能轮椅避障的实时性,优化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。      

基于自抗扰技术的无人机自主避障研究

摘要：随着无人机民用化的持续加速, 其应用场景越来越复杂, 自主避障技术成为拓宽应用领域的技术瓶颈. 自主避障技术的突破, 无疑成为无人机更大规模应用必要条件. 自抗扰控制器技术, 是发扬PID控制技术的精髓并吸取现代控制理论思想归纳探索而来. 自抗扰控制器具有的不依赖被控对象精确模型、算法简单、参数易于调节的特点, 使其适合作为无人机自主避障的控制算法来应用. 针对无人机避障中位置给定阶跃信号幅值较大且幅值不定的情况, 传统PID控制器快速性不能很好满足要求且需要重复调节参数, 而自抗扰控制器则具有更好的鲁棒性. 为了更好的实现无人机自主避障, 设计了基于自抗扰控制器的外环位置控制器, 对基于自抗扰的无人机自主避障系统进行仿真和实验研究, 并与传统双环PID控制器进行对比分析, 结果证明外环控制器采用自抗扰控制器的无人机自主避障系统的可行性.     

基于深度强化学习的自主避障技术研究

针对变电站自动巡检这一场景,研究机器人的自主避障。当机器人的感知仅限于单目视觉时,由于缺乏3D信息,避障将变得更具挑战性。传统的路径规划等避障技术难以适用新场景。对此,提出一种基于策略迭代(DPPO)的自主避障深度强化学习模型,该模型仅以原始的RGB图像为训练数据,实现机器人的快速灵活控制。仿真实验表明,相比于基于值迭代的方法,该模型避障性能更佳。     

基于改进贝叶斯方法的轨迹预测算法研究

针对传统轨迹预测方法在历史轨迹数目有限时,预测准确度较低的问题,提出一种改进的贝叶斯推理(MBI)方法,MBI构建了马尔可夫模型来量化相邻位置的相关性,并通过对历史轨迹进行分解来获得更准确的马尔可夫模型,最后得到改进的贝叶斯推理公式。实验结果表明,MBI方法比现有方法的预测速度快2到3倍,并且有较高的准确度和稳定性。MBI方法充分利用现有轨迹信息,不仅提高了查询效率,还保证了较高的预测精度。     

Safe Autonomous Agent Formation Operations Via Obstacle Collision Avoidance

In this paper, we consider the problem of flocking and shape‐orientation control of multi‐agent systems with inter‐agent and obstacle collision avoidance. We first consider the problem of forcing a set of autonomous agents to form a desired formation shape and orientation while avoiding inter‐agent collision and collision with convex obstacles, and following a trajectory known to only one of the agents, namely the leader of the formation. Then we build upon the solution given to this problem and solve the problem of guaranteeing obstacle collision avoidance by changing the size and the orientation of the formation. Changing the size and the orientation of the formation is helpful when the agents want to go through a narrow passage while the existing size or orientation of the formation does not allow this. We also propose collision avoidance algorithms that temporarily change the shape of the formation to avoid collision with stationary or moving nonconvex obstacles. Simulation results are presented to show the performance of the proposed control laws.     

Robust Supervisors for Intersection Collision Avoidance in the Presence of Legacy Vehicles

International Journal of Control, Automation and Systems - Vehicle coordination at road intersections to prevent collisions has recently drawn a lot of research attention, but still remains...     

Simulation and Field Testing of Multiple Vehicles Collision Avoidance Algorithms

A global planning algorithm for intelligent vehicles is designed based on the A* algorithm, which provides intelligent vehicles with a global path towards their destinations. A distributed real-time multiple vehicle collision avoidance (MVCA) algorithm is proposed by extending the reciprocal ${ n}$-body collision avoidance method. MVCA enables the intelligent vehicles to choose their destinations and control inputs independently, without needing to negotiate with each other or with the coordinator. Compared to the centralized trajectory-planning algorithm, MVCA reduces computation costs and greatly improves the robustness of the system. Because the destination of each intelligent vehicle can be regarded as private, which can be protected by MVCA, at the same time MVCA can provide a real-time trajectory planning for intelligent vehicles. Therefore, MVCA can better improve the safety of intelligent vehicles. The simulation was conducted in MATLAB, including crossroads scene simulation and circular exchange position simulation. The results show that MVCA behaves safely and reliably. The effects of latency and packet loss on MVCA are also statistically investigated through theoretically formulating broadcasting process based on one-dimensional Markov chain. The results uncover that the tolerant delay should not exceed the half of deciding cycle of trajectory planning, and shortening the sending interval could alleviate the negative effects caused by the packet loss to an extent. The cases of short delay (${ < 100}$ ms) and low packet loss (${ < 5\%}$) can bring little influence to those trajectory planning algorithms that only depend on V2V to sense the context, but the unpredictable collision may occur if the delay and packet loss are further worsened. The MVCA was also tested by a real intelligent vehicle, the test results prove the operability of MVCA.      

自动避障和火焰搜索在智能灭火机器人中的实现

针对目前已有的硬件条件,从硬件和软件两方面描述了自动避障和火焰搜索在智能灭火机器人中的实现方法.现场运行实验表明,该系统能够较好地实现灭火机器人的自动避障和火焰搜索.     

基于DBN的特种车辆前向防撞推理模型

针对特种车辆在动态环境中的前向碰撞风险评估问题,对特种车辆前向碰撞风险的自然因素、驾驶员行为特征等进行研究,并对固定的车辆安全防撞距离阈值进行改进,提出了一种基于动态贝叶斯网络的前向防撞推理模型。该模型将自车与周围环境的位置关系、环境关系、驾驶员行为等因素进行融合,一旦周围环境发生变化,该模型可以及时评估前向风险,并与静态贝叶斯网络的前向推理模型进行对比分析。仿真实验验证了该前向防撞推理模型的可行性和有效性。     

Optic-Flow-Based Collision Avoidance

Flying in and around caves, tunnels, and buildings demands more than one sensing modality. This article presented an optic-flow- based approach inspired by flying insects for avoiding lateral collisions. However, there were a few real-world scenarios in which optic flow sensing failed. This occurred when obstacles on approach were directly in front of the aircraft. Here, a simple sonar or infrared sensor can be used to trigger a quick transition into the hovering mode to avoid the otherwise fatal collision. Toward this end, we have demonstrated a fixed-wing prototype capable of manually transitioning from conventional cruise flight into the hovering mode. The prototype was then equipped with an IMU and a flight control system to automate the hovering process. The next step in this research is to automate the transition from cruise to hover flight.     

虚拟行人仿真最低能耗动态避障

虚拟行人仿真动态避障算法设计直接影响了仿真效果的真实性与科学性.大部分基于速度障碍的动态避障方法假定场景中的所有个体按照相同的避碰策略调整速度大小和方向.为提升虚拟行人仿真中局部动态避碰的真实性,本文对经典的底层分布式动态障算法ORCA中使用调节系数以区分不同行人的避障策略,同时引入行人瞬间能耗的概念,讨论行人在局部避碰过程中的能量消耗与速度变化之间的关系,在改进ORCA算法得到的可行速度域基础上使用线性规划的高效解法得到虚拟行人仿真的最低能耗避障速度.实验结果表明本文方法可以提升动态避障的仿真效率,计算性能也满足实时仿真的要求.     

基于贝叶斯估计的水下机器人罗盘故障检测

以电子磁通门罗盘为例对自主水下机器人(Autonomous Underwater Vehicles,AUVs)传感器故障检测方法展开研究.针对电子罗盘极易受到周围磁场的影响而产生时对时错的数据这一问题,首先联立AUV的运动学和动力学方程得到AUV的全状态非线性模型;然后分析了电子罗盘的误差来源,建立了误差的模型;在此基础上,提出了基于贝叶斯估计的故障检测方法并给出了该方法离散形式的递推迭代公式;最后参照实际使用的电子罗盘的参数和AUV的机动能力,设计了仿真实验和外场试验,通过实验验证了该方法的正确性和有效性.     

Path-Following Control With Obstacle Avoidance of Autonomous Surface Vehicles Subject to Actuator Faults

This paper investigates the path-following control problem with obstacle avoidance of autonomous surface vehicles in the presence of actuator faults, uncertainty and external disturbances. Autonomous surface vehicles inevitably suffer from actuator faults in complex sea environments, which may cause existing obstacle avoidance strategies to fail. To reduce the influence of actuator faults, an improved artificial potential function is constructed by introducing the lower bound of actuator efficie...