基于B样条曲线模型的结构化道路检测算法

提出一种新的基于均匀非周期B样条曲线模型的结构化道路检测算法.算法首先利用Canny边缘检测算法提取道路边缘,然后使用最小二乘法拟合道路标识线,最后利用所提取的道路标识线求取道路中央线,进而完成道路拟合.为了准确定位道路弯道位置,算法运用最大转向偏差定位(Maximum deviation of position shift,MDPS)方法求解道路模型控制点.实验证明该算法快速、稳定、灵活,可以满足智能导航的要求.

基于非线性模型的无人驾驶车辆路线修正算法

传统无人驾驶车辆转向位移偏差修正算法忽略了对车辆运动模型的转换,转向角获取出现误差,导致传统算法存在抗干扰能力不理想和修正精度偏低问题。为此提出基于非线性模型的无人驾驶车辆转向位移偏差修正算法。构建车辆运动模型,得到车辆在行驶过程中产生的各种速度值,将车辆运动模型转换为状态空间形式。以此获得车辆转向控制中的转向角,并与正常数据对比得到转向偏移误差。通过将最小二乘法与误差平方和最小原则相结合得到转向位移偏差修正模型,以此实现对无人驾驶车辆的转向误差修正。实验验证了所提算法较大程度的优化了抗干扰能力和修正精度,对无人驾驶车辆的进一步研究提供了参考依据。

基于增益模糊滑模变结构的线控液压转向控制

在分析全液压转向结构与转向偏差机理的基础上,设计了一种线控液压转向系统以实现车辆转向同步,消除转向偏差;针对现有方法确定的期望转向曲线可跟踪性差而无法实现转向同步,提出一种基于转向效率的期望转向曲线及其可行域确定方法,以最大、最小转向效率对应转向曲线为期望转向曲线可行域的上、下边界,确保期望转向曲线的可跟踪性;针对系统扰动不确定性及油液泄漏非线性,基于组合趋近律滑模控制,并引入饱和函数代替符号函数,在一定程度上抑制了控制系统的抖振;由于组合趋近律增益自适应性不足,导致车轮转角及角速度发生变化时,存在系统动态响应能力差的问题,通过分析车轮转角、角速度与趋近律增益的关系,制定了基于车轮转角及角速度的模糊规则表以自适应调整趋近律增益,实现增益模糊滑模控制,进一步提高油液补偿自适应能力和线控液压转向系统的鲁棒性;最后基于MATLAB/Simulink进行了仿真和试验验证。结果表明:提出的基于转向效率的期望转向曲线均具有良好的可跟踪性能;增益模糊滑模变结构控制具有良好的动态响应特性及控制精度,可有效地消除转向偏差,实现线控液压转向系统的同步转向。