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
基金supported by the Higher School Science and Technology Development Foundation of Tianjin(20100821)the Humanities and Social Science Research Youth Foundation of Ministry of Education (11YJC790006)
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。
文摘半挂车辆的非稳定运动学特性为其泊车过程中自主运动规划带来严峻挑战。针对半挂车在多障碍物的静态场景中泊车运动规划算法效率低、结果平滑性差等问题,本文提出了序列式运动规划方法(sequential motion planning algorithm,SMPA)。首先,提出了基于二次规划策略和改进双向快速扩展随机树(bidirectional rapidly-exploring random tree algorithm,Bi-RRT)的初始路径生成方法。然后,结合车辆非完整微分约束下的路径节点可行性判别方法研究,提出基于概率的目标偏向采样策略,提高了采样效率。最后,构建了面向车辆系统控制变量连续性的非线性最优化控制模型,解决泊车换向点的对接问题,提高了泊车轨迹平滑性。仿真结果表明,该方法在多障碍物场景中,规划时间相比Hybrid A*和Bi-RRT分别降低了86.71%和21.44%,轨迹质量也更具优越性。
