自动驾驶微客模型预测的多点预瞄轨迹跟踪控制算法研究

为提高自动驾驶微客轨迹跟踪精度,对原纯追踪算法进行改进及验证;再根据模型预测控制理论,提出模型预测多点预瞄控制算法。实车验证表明,该算法能更进一步改善轨迹跟踪效果。

汽车主动悬架多点预瞄控制算法设计

设计了一种多点预瞄控制算法,并将该算法应用于具有主动悬架系统的二分之一车辆模型中。采用Pade近似算法描述路面多点预瞄信息,基于最优控制理论,对带有多点预瞄的悬架控制力进行了优化设计。在MATLAB／Simulink环境下,进行了车辆系统仿真,仿真结果显示,带有多点预瞄控制算法的车辆具有优良的行驶性能。对影响预瞄控制算法的主要参数(如预瞄加权系数和预瞄距离等)进行了讨论。

基于多点预瞄的车道保持辅助系统

提出一种基于多点预瞄的车道保持辅助系统,通过选取多个预瞄点建立仲裁规则,以最能表征车辆偏离车道中心线的预瞄点作为误差输入,设计前馈控制加反馈控制的横向位置控制方法。并进行实车试验验证。

基于多点预瞄的自动驾驶汽车轨迹跟踪算法

以自动驾驶清扫车为实际应用背景,提出了一种基于多点预瞄的自动驾驶汽车轨迹跟踪算法。算法中采用前馈与反馈控制对车辆的横向运动进行控制,一部分预瞄点用以检测轨迹偏差,并采用基于测轨迹偏差的比例积分反馈控制,对轨迹偏差进行校正;另一部分预瞄点用以获取目标轨迹子点集,然后通过对所获取的目标轨迹子点集进行圆拟合,获得目标轨迹前方的曲率信息,用以确定前馈控制中车辆所需要的合适方向盘转角。预瞄点的距离随车速变化而变化,以适应不同车速的要求。仿真和实车测试的结果表明,该算法能够满足自动驾驶清扫车的实际应用。

基于预瞄模糊PID控制的嵌入式轮式机器人设计

采用ARM作为核心处理器件设计了一款自动寻迹的轮式机器人并完成寻迹实验.基于模仿人工驾驶思想将多点预瞄和模糊PID控制结合提出了多点预瞄模糊PID控制方法.经调试,轮式机器人能分别按照直线、虚线道路行走,并能完成自动寻找目标道路等行为.重点给出了控制器与硬件电路图设计.实验表明,机器人完全能满足性能要求,为新型轮式移动机器人的设计提供了方案.

基于轨迹预测与模型预测的换道路径跟踪控制

针对自主车辆换道轨迹跟踪精度较低等问题进行了研究。提出了基于轨迹预测的多点预瞄权重增益分配的方法。首先,根据车辆与路径的实时横向偏差以及航向角偏差,建立驾驶员转向模型,获得最优方向盘转角;其次,为了提高车辆换道路径跟踪时的稳定性,采用线性模型预测控制(linear model predictive control,L-MPC)策略设计轨迹跟踪控制器。最后,搭建Carsim&Simulink联合仿真模型,针对不同车速设置对比实验进行分析,结果表明基于轨迹预测的驾驶员模型能较好地跟踪换道轨迹,且稳态行驶下的路径跟踪最大横向误差为8.1%,但在高速极限工况时路径跟踪适应性较差,而L-MPC策略在高速时具有更好的路径跟踪精度及稳定性,其跟踪误差小于4%。

摆臂式全向移动机器人双模式轨迹跟踪研究

为了提升室外轮式移动机器人全向机动能力,文中提出一种通过普通轮作为驱动的移动机器人,根据不同动力分配及摆腿转角实现四轮转向(4WS)、斜行和原地转向模式。基于斜行及4WS模式设计了双模式混合控制器,其中,斜行模式采用多点预瞄模糊补偿轨迹跟踪控制,4WS模式采用增量线性时变模型预测控制(ILTV-MPC)。通过试验样机的横、纵向跟踪性能试验得到双模式混合控制器所需的约束条件。采用Simulink∕CarSim联合仿真平台对控制器的有效性进行验证。采用混合控制器的移动机器人底盘在低曲率跟踪时较4WS模式均方根误差相差0.18%,且横摆角与横摆角速度维持不变。结果表明:混合控制器保证全轮转向机器人低曲率跟踪精度的同时提升了其横摆稳定性。

基于门控循环单元优化的轨迹跟踪控制方法

为提高智能汽车轨迹跟踪精度,以多点预瞄模型为基础,设计了一种基于门控循环单元(GRU)神经网络优化的轨迹跟踪模型。首先,在车辆二自由度模型上,基于预瞄理论建立了3种预瞄轨迹跟踪模型,仿真验证结果表明,多点预瞄模型跟随效果最佳。然后,将多点预瞄横向位移偏差和转向盘转角等参数作为GRU神经网络的输入,经过训练后,输出优化后的转向盘转角控制车辆的行驶方向。验证结果表明,与多点预瞄模型相比,经GRU优化的轨迹跟踪模型在双移线路径和S型曲线路径下均有更好的跟踪效果。