自动驾驶车辆路径跟踪控制方法研究

路径跟踪控制是自动驾驶车辆关键技术的一个重要环节,主要研究如何控制关键的参数使得自动驾驶车辆稳定无偏差地沿着已经规划好的路径行驶。本文介绍了常用的一些控制方法,并分析了其在自动驾驶汽车路径跟踪方面的研究应用,指出将多种算法相结合、改善模型动力学约束的完整性等会使路径跟踪的效果更精准的研究。     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

自动泊车路径纯跟踪算法应用研究

为实现自动泊车系统的路径跟踪功能,解决纯跟踪算法由于预瞄距离选取不当导致的方向盘抖动、跟踪精度下降的问题,文中提出了一种改进的纯跟踪路径跟踪算法,该方法在传统纯跟踪算法的计算结果基础上设计了一种带记忆参数的方向盘转角修正算法.实车实验表明,该方法适用于自动泊车系统,可以在适用工况下选取较小的预瞄距离,在保证跟踪精度的同时解决了纯跟踪算法在小预瞄距离下的方向盘抖动问题.     

采用变时域模型预测的车辆路径跟踪控制方法

为了解决自动驾驶车辆变速行驶时模型预测路径跟踪控制器的可靠性问题,提出一种变预测时域自适应路径跟踪控制方法.首先,推导简化后适用于仿真验证的车辆三自由度动力学模型,引入松弛因子以避免求解过程中出现非可行解,并将跟踪控制转化为二次规划求解问题;然后,确定模型预测控制器的重要设计参数,分析车速和预测时域的变化关系,拟合预测时域与车速的函数曲线,设计一种变时域自适应路径跟踪控制器;最后,搭建Carsim/Matlab/Simulink联合仿真平台进行验证.结果表明:变时域自适应路径跟踪控制器能够随着车速变化实时更新预测时域,可保证车辆具有较好的跟踪精度和稳定性.     

基于动力学和预瞄理论的超车路径跟踪控制

为提高辅助超车安全性,对超车换道的规划路径进行预瞄跟踪控制研究.基于汽车侧向动力学模型和预瞄理论,推导出转向角到预瞄误差的传递关系,得到路径跟踪控制器.在Simulink中建立跟踪控制器,在Carsim中建立车辆模型和规划路径,定义二者的传递参数,分别对五次多项式超车路径和Carsim自带双移线路径进行路径跟踪控制的仿...     

变预瞄距离的智能车路径跟踪控制

在智能车路径跟踪控制研究中,针对预瞄距离对路径跟踪精度影响较大的问题,提出了一种根据车速大小调整预瞄距离的智能车模糊控制方法.建立了车辆运动学模型和预瞄模型,给出了预瞄距离的确定方案,结合模糊理论设计出一种变预瞄距离的路径跟踪模糊控制器,并以双移线为目标路径在不同车速下进行了仿真.仿真结果显示,该车型变预瞄距离跟踪控制...     

智能车辆局部路径规划与跟踪控制算法研究

针对无人驾驶汽车局部路径规划与跟踪控制,提出一种基于改进A^*算法的局部路径动态规划算法及一种基于改进LQR算法控制理论结合模糊控制与PID控制的路径跟踪控制算法。主要包括：搭建无人车辆在Frenet坐标系下利用栅格法构建预行驶区域模型;优化改进节点扩展方向,提出针对无人驾驶的五邻域扩展节点方式;A^*算法一次规划出代价值最小的目标节点,二次A^*算法规划出实时动态最优路径。另外,搭建以路径曲率变化率和横向误差变化率为状态变量的横向路径模糊跟踪控制模型,搭建以纵向误差和纵向误差变化率为状态变量的模糊PID控制模型解决参数难调问题。通过Carsim、Simulink与Perscan联合仿真平台验证设计的路径规划与跟踪控制算法有效性。     

自主车辆线性时变模型预测路径跟踪控制

为提高自主车辆路径跟踪控制的实时性和鲁棒性,研究一种线性时变模型预测路径跟踪控制方法.建立用于控制器仿真验证的纵向侧向二维车辆非线性动力学模型;从二轮三自由度模型出发,推导出线性时变路径跟踪预测模型;引入向量松弛因子解决优化求解过程中硬约束导致的控制算法非可行解问题,基于模型预测控制理论将路径跟踪控制算法转化为带软约束的在线二次规划问题;最后通过Matlab/Simulink实现车辆动力学建模和控制器设计,双移线工况仿真结果表明,所设计的控制器能够适应不同车速、不同设计参数的鲁棒性要求.     

基于滚动预瞄模型的纯跟踪算法

针对无人驾驶车辆采用纯跟踪算法对不同曲率路径跟踪时,出现道路适应能力弱和跟踪精度差的问题,提出一种基于代价的滚动预瞄模型(rolling preview model, RPM),以提高纯跟踪算法跟踪精度与鲁棒性。首先,根据车辆运动学与阿克曼转向几何,提出预瞄轨迹的确定方法以及预瞄轨迹与待跟踪路径间的几何约束;其次,设计道路弯曲度加权项并构建目标函数对预瞄轨迹进行优化,以获得预瞄距离的最优值;最后,在ROS/Gazebo仿真环境下设置不同初始状态与不同曲率的工况进行对比仿真实验,并在空旷环境中对8字形路径进行实车跟踪实验。实验结果表明,所提出的滚动预瞄模型能够根据预瞄轨迹与待跟踪路径的几何关系有效调节预瞄距离,相较于麻省理工(Massachusetts Institute of Technology, MIT)算法和Stanley算法,滚动预瞄模型在特殊初始状态、大曲率道路下有利于跟踪精度的提高。     

无人驾驶高速4WID-4WIS车辆路径跟踪单点预瞄控制

针对无人驾驶高速四轮独立驱动独立转向(4WID-4WIS)车辆的驱动冗余、强非线性和不确定特性,提出一种基于控制分配和自抗扰控制法的路径跟踪单点预瞄控制方法。首先建立车辆单点预瞄路径跟踪系统的动力学模型。然后构建以控制分配器为核心的控制系统,使用自抗扰控制方法设计单点预瞄解耦控制器;提出目标生成器的类惯性环节算法,讨论其合理性;给出4WID-4WIS车辆路径跟踪控制分配问题的求解方法。最后进行仿真,结果表明所提方法能够实现快速、高精度的双移线圆弧路径跟踪控制。     

基于自适应模型预测控制的拖拉机路径跟踪研究

自主化作业的拖拉机由于作业速度和跟踪路径曲率的不断变化,基于固定参数模型预测控制的路径跟踪器不能达到理想效果.为提高控制器的自适应性,提出基于改进粒子群优化的自适应模型预测控制算法.该算法将作业场景与粒子群算法相结合,对模型预测控制中的预测时域进行自适应调整,当作业场景发生改变时,则用粒子群优化算法选取理想预测时域参数.为提高粒子群优化算法的寻优效果,采用分段函数的方式对惯性权重进行改进.以东方红-X1304拖拉机为研究对象,对作业速度为1、2m/s和变速,跟踪路径为直线和曲线等情况进行仿真实验,并对比分析基于固定预测时域和自适应预测时域的控制器.结果表明,相对于基于三个固定时域的控制器,基于自适应预测时域控制器的跟踪精度和收敛速度分别提高了2％～44％和2％～71％.     

自动驾驶车辆的变步长路径跟踪控制

为提高自动驾驶车辆路径跟踪控制的稳定性并保证实时性,设计变步长模型预测控制器.通过变步长对预测时域进行分级,引入道路曲率及侧偏角约束,采用CVXGEN进行优化求解.通过Carsim和Matlab/Simulink联合仿真,对文中方法进行验证.结果表明:变步长模型预测控制器既能保证较好的跟踪效果,又能确保车辆行驶的稳定性.     

考虑车辆稳定性的模型预测路径跟踪方法

针对目前车辆路径跟踪控制大多集中于跟踪的精确性,却忽略车辆行驶稳定性的问题,提出一种考虑车辆稳定性的模型预测路径跟踪方法.首先,以简化后的车辆动力学模型为基础,推导线性时变路径跟踪预测模型,增添表征车辆稳定性的质心侧偏角等约束条件;然后,对二次规划进行求解,添加向量松弛因子解决计算中出现的无解问题;最后,通过Carsim和Matlab/Simulink联合仿真对文中方法进行验证.仿真结果表明:基于文中所提方法设计的控制器能够在不同车速、不同附着系数下,保证跟踪参考路径较为精确的同时,还可以保证车辆的稳定性.     

智能车辆路径跟踪与稳定性的模型预测控制

为了改善车辆在路径跟踪时因车速较快或路面较差而发生侧滑的情况,提出一种智能车辆转向与制动联合控制器;在模型预测控制理论的基础上,通过监测轨迹偏差、横摆角偏差以及横摆角速度偏差3个控制参考量,在每个控制时域得到最优的前轮转角和附加横摆力偶矩,并以单轮制动逻辑分配给4个车轮制动力矩;利用CarSim和MATLAB Simu...     

基于多模型自适应方法的智能汽车路径跟踪控制

路径跟踪控制是智能汽车的一项核心技术,跟踪效果的精确性和在各种路面附着条件下的鲁棒性是该技术的两大关键要素。但汽车动力学模型的不确定性,尤其是轮胎侧偏刚度的摄动使这两者难以同时得到满足。针对这一问题,将多模型自适应理论引入到智能汽车运动控制中处理不确定性系统的控制。首先,推导了多模型自适应控制律,提出了凸包构架下各个顶点的子模型对真实模型的自适应逼近律,并通过李雅普诺夫函数证明了所提出自适应律的收敛能力。在此基础上建立了汽车动力学模型和车辆-路径联合模型,并由多个顶点子模型构建可覆盖汽车轮胎侧偏刚度摄动范围的凸多面体,利用汽车动力学模型求解自适应率,通过车辆-路径联合模型,基于线性二次型方法(linear quadratic regulator, LQR)求解各个顶点的子模型处的反馈控制律,并通过所得出的自适应权重进行加权。基于Carsim/Simulink的联合仿真结果表明,所提出的多模型自适应路径跟踪控制器在保证鲁棒性的同时克服了传统鲁棒控制方法的保守性问题,与基于名义模型的LQR控制器和鲁棒保性能控制器相比,在高附着路面和低附着路面上都可以取得更好的控制效果,很好地解决了路径跟踪...     

移动机器人路径跟踪控制方法的研究

介绍了移动机器人的基本硬件组成，基于预测控制的思想，提出了一种参考路径产生的新方法，这种方法可根据对机器人的运动预测，提前实现相应的控制动作，能在2～3个控制周期内准确逼近参考路径，且不存在一般反馈控制器的振荡问题，能够完成移动机器人路径跟踪的智能控制。实验表明：此控制方法可保证移动机器人沿各种参考路径行走且具有理想的鲁棒性。该技术也可应用到实用自主车的自动导航。     

基于MPC的智能车辆路径规划与跟踪控制

针对在障碍物环境下的避障路径动态规划效果较差,以及在面对复杂工况和曲率较大的路况时,跟踪控制的效果仍然不理想等问题,本文以智能车辆为研究对象,提出了一种模型预测控制(MPC)结合人工势场(APF)算法的路径规划跟踪系统。将改进的势场模型函数引入到MPC的目标函数和约束中,设计了基于MPC和APF的避障路径动态规划器。。运用模糊控制对MPC的车辆横向路径跟踪控制器的权重系数进行优化。仿真结果表明：在干燥路面下,与MPC控制器相比,模糊MPC路径跟踪控制器的最大横向偏差减少19.14%。在湿润路面下,模糊MPC控制器最大横向偏差减少0.55 m。基于MATLAB/Simulink与Carsim软件搭建避障路径规划与跟踪控制联合仿真模型,选择动态障碍物不同速度进行障碍物路径动态规划及跟踪控制仿真试验。实验结果表明：跟踪规划路径过程中的最大横向偏差约为0.170 m,说明规划的避障路径能够安全有效地避开障碍物。     

采用极点配置的自动驾驶汽车换道路径规划与跟踪控制

针对自动驾驶汽车高速行驶过程中切换道路避让障碍物工况,提出了一种基于三次多项式曲线的路径规划算法和一种基于线性矩阵不等式区域极点配置方法的路径跟踪控制策略。首先,将汽车换道避让路径分解成几何形状相同的4段路径,采用三次多项式曲线规划出满足汽车运动学和动力学约束的第一段路径,并通过对第一段路径进行平移、翻转和旋转操作得到后3段路径,以及实现4段路径的平滑连接;然后,基于线性二自由度汽车动力学模型建立能够充分表征轮胎侧偏刚度不确定性的汽车换道避让路径跟踪控制模型,并采用线性矩阵不等式区域极点配置方法设计具有"前馈+反馈"控制结构的汽车换道避让路径跟踪控制策略,使闭环系统的极点配置在期望的位置上,保证闭环系统具有良好的动态和稳态性能。仿真实验结果表明:所提出的方法可将汽车驶离本车道时的纵向延迟距离由4.3m减小到2.3m,并且将汽车靠近目标车道时的最大侧向超调量由0.21m减小到0.004m,呈现出更好的动态和稳态性能。     

基于预测--模糊联合控制的分布式驱动车辆路径跟踪方法

为研究分布式驱动车辆（4wid）路径跟踪中的跟踪精度和稳定性的问题,提出了模型预测-模糊(Mpc-Fuzzy)的联合控策略, 缓解了单一模型预测控制下车辆跟踪精度与控制器计算压力间的冲突。采用模型预测控制设计了上层路径跟踪控制器,旨在利用模型预测“滚动优化”的优点降低跟踪误差的同时保证车辆的稳定性。下层采用模糊控制,将转向过度和转向不足量化为“方向偏差”和“位置偏差”,利用四轮转矩独立控制的优点进一步优化转矩输出,旨在降低模型预测控制器对参考模型线性化后带来的跟踪误差。为验证控制策略的可靠性,基于Carsim和Simulink.、Driving Scenario搭建联合仿真模型,将联合控制器和单运动学模型预测控制器进行对比研究。仿真结果表明联合控制器可在完成对给定路径跟踪的基础上,减少转向不足和转向过度的发生,降低了方向误差和位置误差。     

基于自适应MP C的自动驾驶汽车轨迹跟踪控制

为提高无人驾驶汽车轨迹跟踪精度和稳定性,设计一种基于模型预测控制(MPC)的自适应轨迹跟踪控制器.利用遗忘因子递推二乘算法在线估计轮胎侧偏刚度,实时更新控制器预测模型;设计控制参数选择器,采用模糊控制对预测时域和控制时域进行在线优化,实现预测时域能根据横向和纵向车速自适应的选择.通过Simulink/Carsim进行联...