针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Me...针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Mean Square,LMS)自适应状态估计器提升系统的抗噪性。路径点筛选器提升运算速度并减少筛选过程中的关键信息损失,速度规划器在安全行驶前提下生成最优速度曲线。路径跟踪控制器考虑跟踪偏差软约束,提升跟踪效果。LMS状态估计器基于在线矫正的动力学模型,对横摆角速度与横向速度在线估计。搭建dSPACE-TX2硬件在环仿真环境,在高速公路工况及双移线工况下对比所提出方案与传统运动跟踪控制。半实物仿真结果表明,所提出的运动控制架构提升了抗噪性能与21%的跟踪精度,且满足50 Hz高频控制的要求。展开更多
针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control–MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及...针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control–MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。展开更多
文摘针对高速自动驾驶车辆实时高精度的运动控制问题,提出一种上层为基于路径点Cost的路径点筛选器与基于横纵向轮胎力分析的速度规划器、下层为基于线性时变动力学模型预测的路径跟踪控制器与速度控制器的两层架构,并引入最小均方(Least Mean Square,LMS)自适应状态估计器提升系统的抗噪性。路径点筛选器提升运算速度并减少筛选过程中的关键信息损失,速度规划器在安全行驶前提下生成最优速度曲线。路径跟踪控制器考虑跟踪偏差软约束,提升跟踪效果。LMS状态估计器基于在线矫正的动力学模型,对横摆角速度与横向速度在线估计。搭建dSPACE-TX2硬件在环仿真环境,在高速公路工况及双移线工况下对比所提出方案与传统运动跟踪控制。半实物仿真结果表明,所提出的运动控制架构提升了抗噪性能与21%的跟踪精度,且满足50 Hz高频控制的要求。
文摘针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control–MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。