起伏道路条件下无人车纵向速度控制方法研究

为提升无人车在起伏道路条件下速度控制的准确性,本文提出一种对目标轨迹上的道路坡度进行预瞄检测的方法。首先,通过实验测定车辆速度控制系统响应延迟参数,确定预瞄时间;然后,以直径为车辆宽度的圆存储激光雷达点云,根据预瞄时间、车辆速度、激光雷达的检测盲区和目标轨迹的长度确定存储点云圆的数量和圆心坐标;随后,根据圆心与车辆前轴中心的欧式距离和预瞄时间以及车速对存储点云的圆进行动态更新和提取,采用三角函数法计算预瞄区域内的路面相对于车身姿态的坡度;最后,与惯性导航系统提供的车身俯仰角叠加得到预瞄区域内路面的绝对坡度。实验结果表明,本文提出的道路坡度预瞄检测方法能够提升无人车在起伏道路条件下速度控制的准确性。就无人车在上坡过程中最低速度分析,与忽略道路坡度的控制方法和采用惯导提供的俯仰角作为道路坡度的方法相比,在通过4°坡道时,速度控制的准确率分别提升了5.9%和2.5%,在通过16°坡道时,速度控制的准确率分别提升了85%和17.5%。

基于反馈纯跟踪的智能车路径跟随方法

为提高智能车在不同速度和载荷下的路径跟随精度和稳定性,提出一种基于反馈纯跟踪的智能车路径跟随方法。首先,基于车辆运动学模型和纯跟踪模型分析影响控制效果的因素;然后根据车辆速度和路径曲率动态调整前视距离,将横向偏差作为反馈变量对传统纯跟踪控制方法进行补偿;接着通过仿真试验选定控制参数,分析控制参数对路径跟随精度和车辆稳定性的影响;最后通过实车试验,验证该方法在实车环境中的控制性能。结果表明,该方法具有较高的路径跟随精度,在不同速度和载荷下保持良好的适应性和稳定性。

野外环境下基于AK—means聚类算法的障碍检测研究

为了完成野外环境下无人自主导航车的障碍检测任务，应用AK—means聚类算法对四线激光雷达数据进行挖掘，聚类结果输出为候选障碍，为了克服车辆颠簸引起的错误聚类，引入加权欧氏距离对聚类评价指标DBI进行改进。试验结果表明，障碍检测算法在车辆低速行驶时稳定可靠。

基于多缩微车的智能交通半实物仿真平台

为了更真实地模拟现实环境中的人、车、路等交通要素及相关的交通设施,解决交通安全与拥堵等问题,提出一种缩微尺度下智能交通半实物仿真平台。介绍了半实物仿真平台的硬件组成和软件架构,进行车载系统、道路及路侧系统设计,详细说明此平台在车辆自主驾驶与多车交互驾驶、三维构图与定位和基于事件驱动的车联网集群混成控制3个方面的应用,并进行仿真。仿真结果表明:该平台能够使缩微智能车实现完全模拟真车在真实道路环境下的驾驶行为,为交通系统仿真与智能交通系统的研究提供了有益借鉴。

受阅地面装备方队训练考核系统的设计与实现

为满足阅兵地面装备方队在行驶过程中必须遵循等速、骑线、标齐和卡距等要求,利用北斗实时动态差分定位和WIFI无线通信技术,设计了受阅地面装备方队的训练考核系统。利用北斗卫星定位和实时动态差分原理,构建车辆模型及地图模型,解算出等速、骑线、标齐和卡距等参数。最后通过软件处理后,将参数实时显示于车载端平板电脑上;利用无线通信把计算结果实时传输到方队指挥中心,实现远程监控和训练考核。

基于模糊控制的智能车辆纵向加速度跟踪控制器设计

纵向控制是实现车辆自主驾驶的关键技术之一。采用模糊控制方法,根据车辆发动机和制动系统的工作特性以及执行机构的设计特点,以车辆加速度为决策变量,分别设计油门执行机构模糊控制器和制动系统模糊控制器。实验结果表明,该控制器能够实现对不同加速度进行快速、准确的跟踪。

基于数值优化的智能车自主泊车路径规划算法

为解决智能车在低速行驶状态下实现狭窄停车环境下的自主泊车问题,提出一种基于数值优化的自主泊车路径规划算法。首先将自主泊车路径规划问题转化为非凸优化问题,针对非凸优化问题的特点,通过引入辅助决策变量,对碰撞避免约束进行重构;然后构建泊车路径规划的最优目标模型函数;最后利用梯度下降法求解目标函数,获得最优的自主泊车路径。仿真实验结果表明:本算法目标模型函数将混合A*算法规划出的初始路径作为初始解,可以生成一条满足车辆运动学模型、无碰撞、平滑的路径,相较于混合A*算法,本算法生成的轨迹更平滑且更容易被跟踪。

基于改进进化匈牙利的多目标跟踪算法研究

为解决智能车在城市环境下多个障碍物同时跟踪的难点问题,提出一种基于改进进化匈牙利的激光雷达多目标跟踪算法。首先利用广度优先搜索算法划分出多个最大连接子图;然后采用进化匈牙利算法对非平衡问题下的最大连接子图序列依次求解、关联;最后将卡尔曼滤波跟踪过程实时优化,对关联上的障碍物进行平滑跟踪,对未关联的已有的障碍物进行预测,将未关联的新出现的障碍物添加到跟踪列表。实验结果表明:该方法可以很好地解决误关联问题,较多目标假设跟踪算法跟踪距离提升27%,跟踪精度提升35%,同时将卡尔曼滤波跟踪过程优化以后,速度准确率较传统卡尔曼滤波提升10%,检测精度显著提高。

基于无迹卡尔曼滤波算法的车辆质心侧偏角估计

针对车辆质心侧偏角难以直接测量的问题,提出采用无迹卡尔曼滤波算法(UKF)估计质心侧偏角.基于统一指数(Uni-tire)轮胎模型,建立非线性车辆模型,利用所测得的其他状态量,采用UKF算法进行质心侧偏角估计.仿真实验结果表明,设计的侧偏角估计器具有较高的估计精度,能够满足工程实践的要求.

基于模糊控制器的缩微智能车纵向控制研究

缩微智能车是智能车的缩影,对智能车相关技术的研究具有一定的借鉴意义,车辆的纵向控制技术是其研究的一项重要基础内容.分析缩微智能车驱动电机的特性,选用AVR-M128单片机作为底层驱动主控芯片,调制出可变占空比的PWM方波,使电机的转速得到较为平滑的控制.同时,将模糊控制器应用到缩微智能车速度控制过程中,并在缩微道路环境中进行试验.结果表明,该纵向控制方案在试验中表现出了良好的控制效果.

基于模糊调节的智能车路径跟随方法

为提高智能车在不同速度下的路径跟随精度,提出一种基于模糊调节的智能车路径跟随方法。首先基于纯跟踪模型和运动学误差模型,分别设计纯跟踪(PP)控制器和线性二次型调节器(LQR);然后针对两种方法存在的跟随精度低和抗干扰能力弱等问题,提出一种以车速和曲率为输入、以PP方法控制量权重为输出的模糊调节策略;最后通过实车试验验证路径跟随方法的控制性能。结果表明,设计的控制器在不同速度下保持较高的跟随精度。