无人驾驶汽车路径跟踪控制方法研究与实现
发布时间：2021-03-09 06:48
目前,随着人工智能技术、互联网技术的不断发展,高度智能化的无人驾驶汽车将是汽车发展的必然趋势。无人驾驶汽车不仅能有效提高交通运行效率,保证汽车行驶安全性,还可以替代人类完成一些特殊任务。无人驾驶汽车路径跟踪控制是无人驾驶领域的重要研究内容之一,也是汽车自主稳定行驶的重要条件之一。研究无人驾驶汽车路径跟踪控制方法具有重要的实际意义。论文针对目前国内外使用的无人驾驶汽车路径跟踪控制方法进行了分析,总结了多种跟踪控制方法用于实际工程的优缺点;论文根据实际车辆参数在Carsim/Simulink中建立了车辆仿真模型,对其运动学和动力学特性进行分析;论文结合整车模型,研究了传统纯跟踪控制（Pursuit-Tracking）和传统模型预测控制（MPC）算法原理,综合分析该两种算法在实际工程应用上的可行性、可靠性、准确性,针对算法本身的不足对其进行了改进,进而提出了曲率模糊补偿纯跟踪控制算法和基于最大相关熵准则（MCC）的改进型模型预测控制算法,并对该两种改进算法原理进行了详细介绍;论文根据该两种改进算法的相关数学理论,在Carsim/Simulink平台上设计了对应的仿真控制器,结合整车车辆模型对...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
“人-车-路”传统道路交通系统构成图
1绪论31981年，MacAdam等人[12]在最优控制理论的基础上提出一种单点最优预瞄模型，该方法根据路径跟随误差平方和最小确定汽车控制参数。当在曲率变化程度较小的路径上行驶时，将车辆看作是线性模型，该方法控制汽车跟随路径的准确度较高。但该方法只能保证在路径曲率变换不大的情况下的跟踪精度，不能保证在车辆在大曲率路径下的跟踪准确度。1992年，美国卡内基梅隆大学机器人研究所针对无人驾驶汽车路径跟踪，提出了一种纯跟踪控制器[13]，如图1.2所示。其实质是一种将车辆当前位置与期望位置的航向偏差按一定控制比例转化为前轮转角控制量的简单比例反馈控制器。该方法在存在较大的横向偏差的情况下能达到比较高的路径跟踪精度。但该方法的预瞄距离易受较多参数的影响，在复杂曲率路径工况下很难保证较强的跟踪能力。图1.2纯跟踪控制模型简图Figure1.2Asketchofpuretrackingcontrolmodel进入21世纪之后，随着对人类视觉转向机制的深入研究，国外部分学者结合远、近两点预瞄信息来控制无人驾驶汽车的自动转向。2004年，Salvuccia等[14]提出一种驾驶员通过预瞄近点与远点来控制转向的控制模型，即通过近点保持车辆在道路中心稳定行驶，通过注视远点来补偿道路曲率的变化对控制系统的影响。2005年，Sharp等人[15]提出多点预瞄转向控制算法，利用线性二次规划对目标路径与未来行驶的路径偏差平方和最小化来实现最优控制，该算法可对多个路径目标进行优化，跟踪效果较好。2011年，意大利Riccardo.Marino等人提出一种双闭环PID转向控制算法，外环采用PID方法根据侧向位置偏差计算参考的横摆角速度，内环则进行横摆角速度的跟踪控制，这种算法不需要测量车辆的侧向速度和
重庆大学硕士学位论文6的C平台移植。但在区域型路径跟踪模式中，所建立车辆道路二维关系模型只给出了路径左右理想边界函数，实际情况中，道路边界通常由GPS或雷达传感器得到，由于传感器本身存在定位误差和检测误差，使得道路边界实时信息难以精确得到，从而使依据该模型设计的控制算法只能在简单的道路环境下进行验证，若在曲率多变且宽度不一致的道路上进行验证，会由于传感器精度问题造成一定的系统误差。同在2016年，长安大学王振对比亚迪F3汽车进行改造，在F3的基础上设计了无人驾驶汽车运动控制实车系统[29]。该系统包括纵向和横向运动控制子系统：针对油门驱动控制设计了一种融合道路坡度的增量式PID算法；在横向控制中，采用航向预估模型将智能汽车的航向变化趋势作为偏差输入到控制器中，消除道路曲率对控制带来的影响，航向预估模型如下图1.3所示。但是，首先，航向预估算法本身仅从几何运动模型对航向进行预估，难以保证预估准确性，所以航向预估模型在高速情况下实用性不高；其次，该系统在汽车横向控制中没有外加其他控制器，虽然预估模型可以在一定程度上保证车辆转向时的行驶稳定性，但是由于车辆转向时受外界其他许多因素干扰，转向时的航向控制精度难以得到保证；再次，该系统采用加装执行机构的方式改造车辆的转向系统，可能导致附加控制系统和原车控制系统不能合理地兼容，难以达到预定的控制效果。图1.3航向预估模型示意图Figure1.3Diagramofheadingpredictionmodel同样在2016年，湖南大学潘鲁彬借鉴郭孔辉院士提出的预瞄-补偿控制理论，考虑驾驶员对实际道路的预瞄和跟随控制模型，运用模型预测控制算法搭建了汽车路径跟随转向控制模块，设计了一种滚动优化的控制方式，使算法鲁棒性提高
本文编号：3072443
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
“人-车-路”传统道路交通系统构成图
1绪论31981年，MacAdam等人[12]在最优控制理论的基础上提出一种单点最优预瞄模型，该方法根据路径跟随误差平方和最小确定汽车控制参数。当在曲率变化程度较小的路径上行驶时，将车辆看作是线性模型，该方法控制汽车跟随路径的准确度较高。但该方法只能保证在路径曲率变换不大的情况下的跟踪精度，不能保证在车辆在大曲率路径下的跟踪准确度。1992年，美国卡内基梅隆大学机器人研究所针对无人驾驶汽车路径跟踪，提出了一种纯跟踪控制器[13]，如图1.2所示。其实质是一种将车辆当前位置与期望位置的航向偏差按一定控制比例转化为前轮转角控制量的简单比例反馈控制器。该方法在存在较大的横向偏差的情况下能达到比较高的路径跟踪精度。但该方法的预瞄距离易受较多参数的影响，在复杂曲率路径工况下很难保证较强的跟踪能力。图1.2纯跟踪控制模型简图Figure1.2Asketchofpuretrackingcontrolmodel进入21世纪之后，随着对人类视觉转向机制的深入研究，国外部分学者结合远、近两点预瞄信息来控制无人驾驶汽车的自动转向。2004年，Salvuccia等[14]提出一种驾驶员通过预瞄近点与远点来控制转向的控制模型，即通过近点保持车辆在道路中心稳定行驶，通过注视远点来补偿道路曲率的变化对控制系统的影响。2005年，Sharp等人[15]提出多点预瞄转向控制算法，利用线性二次规划对目标路径与未来行驶的路径偏差平方和最小化来实现最优控制，该算法可对多个路径目标进行优化，跟踪效果较好。2011年，意大利Riccardo.Marino等人提出一种双闭环PID转向控制算法，外环采用PID方法根据侧向位置偏差计算参考的横摆角速度，内环则进行横摆角速度的跟踪控制，这种算法不需要测量车辆的侧向速度和
重庆大学硕士学位论文6的C平台移植。但在区域型路径跟踪模式中，所建立车辆道路二维关系模型只给出了路径左右理想边界函数，实际情况中，道路边界通常由GPS或雷达传感器得到，由于传感器本身存在定位误差和检测误差，使得道路边界实时信息难以精确得到，从而使依据该模型设计的控制算法只能在简单的道路环境下进行验证，若在曲率多变且宽度不一致的道路上进行验证，会由于传感器精度问题造成一定的系统误差。同在2016年，长安大学王振对比亚迪F3汽车进行改造，在F3的基础上设计了无人驾驶汽车运动控制实车系统[29]。该系统包括纵向和横向运动控制子系统：针对油门驱动控制设计了一种融合道路坡度的增量式PID算法；在横向控制中，采用航向预估模型将智能汽车的航向变化趋势作为偏差输入到控制器中，消除道路曲率对控制带来的影响，航向预估模型如下图1.3所示。但是，首先，航向预估算法本身仅从几何运动模型对航向进行预估，难以保证预估准确性，所以航向预估模型在高速情况下实用性不高；其次，该系统在汽车横向控制中没有外加其他控制器，虽然预估模型可以在一定程度上保证车辆转向时的行驶稳定性，但是由于车辆转向时受外界其他许多因素干扰，转向时的航向控制精度难以得到保证；再次，该系统采用加装执行机构的方式改造车辆的转向系统，可能导致附加控制系统和原车控制系统不能合理地兼容，难以达到预定的控制效果。图1.3航向预估模型示意图Figure1.3Diagramofheadingpredictionmodel同样在2016年，湖南大学潘鲁彬借鉴郭孔辉院士提出的预瞄-补偿控制理论，考虑驾驶员对实际道路的预瞄和跟随控制模型，运用模型预测控制算法搭建了汽车路径跟随转向控制模块，设计了一种滚动优化的控制方式，使算法鲁棒性提高
本文编号：3072443
本文链接：https://www.wllwen.com/kejilunwen/qiche/3072443.html
