智能汽车轨迹跟踪控制算法研究

发布时间：2020-08-07 00:59

【摘要】：随着人均汽车占有量不断上升,由此引发了例如车辆拥堵、交通事故、环境污染、能源消耗等一系列问题,其中交通事故的发生问题尤为突出。因为智能汽车能够部分或全部地剔除了人为因素的影响,所以智能汽车被认为可以极大的解决交通安全问题。高效稳定的轨迹跟踪控制算法是实现自动驾驶车辆安全稳定行驶的前提,也是智能车实现智能化商用化的必要条件。本文首先对传统的基于最优LQR(Linear Quadratic Regulator)理论的轨迹跟踪控制算法进行了研究,并建立了轨迹跟踪控制的动力学模型和Fiala非线性轮胎模型。基于建立的动力学模型,采用最优线性二次型调节器,求得反馈增益并确定出最优反馈控制率来实现最优的轨迹跟踪控制输入。由于最优LQR跟踪控制算法在轨迹跟踪过程中存在稳态横向偏差,因此提出了最优前馈LQR轨迹跟踪控制算法,来消除稳态横向偏差以提高轨迹跟踪控制精度。由于该方法无法处理约束条件,并且将非线性系统进行线性化近似处理,没有考虑参考轨迹形状对控制系统的影响。所以该方法对曲率突变敏感,在突变曲率输入下会有超调。鉴于此,本文进一步研究了基于前馈-反馈的轨迹跟踪控制算法。首先设计了基本前馈-反馈轨迹跟踪控制算法,前馈控制算法以车辆质心为参考点进行设计,主要对参考路径曲率的变化进行干扰量补偿;反馈控制算法以汽车前瞻点为参考点进行设计,主要根据车辆状态反馈调整控制输入使得扰动和模型误差对跟踪的影响最小化,使车辆更接近期望路径并保持稳定。由于基本前馈-反馈控制算法是以不同的参考点来设计的,无法消除极限行驶时后轮侧偏力对横摆稳定性的影响。因此,为了提高车辆在极限工况下轨迹跟踪控制的稳定性,提出了以COP(Center Of Percussion)为参考点来设计的集成前馈-反馈控制算法,并在反馈控制的设计过程中融合了最优LQR控制算法,提高了轨迹跟踪控制的精度和稳定性。最后,为了验证所提出的算法的有效性,对以上算法都进行了仿真验证,并对最优前馈LQR轨迹跟踪控制算法和基本前馈-反馈控制算法进行了实车实验。结果表明,所提出的改进型基本前馈-反馈控制算法具有较好的控制效果,能够满足智能汽车轨迹跟踪控制的要求。
【学位授予单位】：湖北汽车工业学院
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6
【图文】：

第一章 绪论转移到了城市，相比与前两次的比赛，这次比赛对技术的要求提高了难度。卡内基 梅隆大学的 BOSS 赛车以 4 小时 10 分 20 秒的成绩得到冠军[4]。goo当今无人驾驶技术的最高水平，在 2010 年，google 智能汽车完成了主要城市动驾驶测试，可通过自身的传感器完成对环境和道路的感知与识别，传感器包三维激光雷达、毫米波雷达等，该无人驾驶车辆已经具备完备的自主驾驶能力 年，特斯拉新版的 Model S 车辆加入了 Autopilot 模式，可通过视觉传感器、载传感设备，使车辆具备自动倒车、障碍物识别以及高速公路上半自动驾驶等

视觉导航系统，应用的场所较为单一，主要是工，不仅在视觉导航系统上有很大的突破，而且识别，换道、超车等功能展开研究[9]。清华大学和激光雷达数据的信号融合，可以获得道路的准路径规划、行为决策等技术，配合数据融合技术。从 2013 年开始起步，由百度研究院主导研发。2驾驶领域签署了战略协议。2015 年百度无人车在，在测试过程中百度无人车还完成了调头、变道车流到驶出车流不同场景的切换，测试最高车速辆样车在 2015 年 10 月完成了国内首次亮相，在驾驶测试，其中历时 6 天，途径四川、河南等

图 3-1 最优 LQR 控制算法模型框图图 3-2 最优前馈 LQR 控制算法模型框图最优 LQR 控制算法的轨迹跟踪控制仿真分析了验证算法对车速的适应性，选取的道路为高附着系数路面（ =0.85），以

【参考文献】

相关期刊论文 前8条

1 单会会;史博;麻晓敏;陶宗明;;定轴转动中打击中心位置分析[J];物理与工程;2015年02期

2 张贤启;余有晟;刘俊才;;无人驾驶汽车的发展及可行性[J];山东工业技术;2015年04期

3 沈\

本文编号：2783226