基于SSA-SVM车辆换道决策模型设计

为解决传统支持向量机算法(Support Vector Machine,SVM)应用于智能驾驶车辆换道决策阶段时出现的决策分类不精确问题,提出一种结合智能优化算法的支持向量机模型分类算法,将智能优化算法中的麻雀搜索算法(Sparrow Search Algorithm, SSA)应用到支持向量机中,可以进行惩罚参数和核函数自适应调整,避免人工经验试凑的不足,加速算法收敛。采用MATLAB软件对车辆换道决策模型建模,应用改进的SSA-SVM算法进行决策分类。仿真结果表明:相对于传统的SVM算法,该算法有效加速迭代收敛,大幅提高算法分类准确度。

基于改进人工势场法的车辆路径规划与跟踪控制

针对采用传统人工势场法进行车辆路径规划时易造成局部极小值与目标不可达的问题,通过改变斥力函数并增加车道边界约束条件函数的方式改进传统人工势场法,进行车辆路径规划。采用模型预测控制(model predictive control,MPC)算法跟踪控制改进人工势场法生成的规划路径,采用软件CarSim与Simulink搭建联合仿真模型对路径跟踪效果进行仿真试验。结果表明:改进人工势场法路径规划合理有效;跟踪路径与规划路径的横向误差小于0.4 m。改进人工势场法和MPC算法应用于无人驾驶车辆的路径规划与跟踪控制具有可行性。

纯电动大客车紧急避让路径跟踪研究

紧急避让辅助驾驶技术是实现大客车无人驾驶的关键技术之一.引入曲率连续变化三次B样条函数设计紧急避让路径,基于二自由度的车辆动力学原理,设计出线性滑模的自抗扰路径和跟踪控制器,对汽车的横摆角速度进行操控,以便于对规划路径理想横摆角速度进行跟踪.基于Trucksim软件建立后驱纯电动大客车模型,其控制效果验证通过结合Simulink和Trucksim的仿真方法来实现.依据仿真结果可知,当出现外界侧向风干扰的情况下,采用路径轨迹控制器,不仅有利于纯电动大客车跟踪理想规划路径,还可保证车辆高速安全避让前方车辆.

无人驾驶路径规划算法综述

根据静、动状态可以把路径规划分为全局路径规划、局部路径规划2个方面,通过对不同形式路径规划方法的属性进行分析,从时间复杂程度、空间复杂程度以及准确度进行讨论,最后对无人驾驶路径规划的发展前景做了符合实际的展望。