基于自适应神经模糊推理系统的平行泊车路径规划

针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法。以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效解决该方法求解过程计算量大的问题。通过仿真分析验证所提出方法的可行性和有效性,结果表明:自动训练后的自适应神经模糊推理系统可依据汽车初始泊车位姿和泊车位信息快速规划出可行的平行泊车路径。

基于回旋曲线的平行泊车路径规划和跟踪控制

综合考虑汽车运动学约束、泊车过程中碰撞约束和计算实时性等要求,提出了一种基于回旋曲线的平行泊车路径规划和跟踪控制方法。首先,基于圆弧-直线组合方式推导出平行泊车可行泊车起始区域边界,并通过对固定回旋曲线的旋转和翻转变换完成曲率连续的平行泊车路径的设计,避免原地转向现象。随后,基于非奇异快速终端滑模理论和双幂次趋近律推导出非时间参考的路径跟踪滑模控制律,提高了泊车路径跟踪控制的动态响应特性和鲁棒性。最后,结合车辆动力学仿真软件对所提出的平行泊车路径规划和控制方法的有效性进行了仿真验证。