本文關鍵詞：無人駕駛地下礦用汽車路徑跟蹤與速度決策研究

  更多相關文章： 地下礦用汽車 路徑跟蹤 速度決策 無人駕駛 機器學習

【摘要】：隨著我國對地下礦產(chǎn)資源開采量的顯著增加,國家大力發(fā)展深部采礦,隨著開采深度增加,工作環(huán)境高溫、高濕、噪聲振動等對礦山設備操作人員健康造成極大危害,因此無人駕駛系統(tǒng)受到廣泛關注。本文以30噸級地下礦用鉸接式自卸車為研究對象,針對無人駕駛地下礦用汽車的路徑跟蹤控制、速度決策算法方面做了相應的研究。旨在實現(xiàn)無人駕駛過程中的路徑跟蹤和抑制地形引起的整車振動。本文對實車進行電氣化改造,并搭建了小比例模型樣機,建立了用于硬件在環(huán)仿真的實時模型虛擬樣機。在實車和小比例樣機上加裝了相同的信息采集系統(tǒng)、通信系統(tǒng)和主控制器,實現(xiàn)了地下礦用汽車實車及其模型樣機的人工操作、遙控操作以及無人駕駛功能。在樣機的基礎上定義了參考軌跡與實際軌跡的偏差并證明了車速與整車垂向振動響應幅值線性關系。對實車轉向與速度控制模型進行系統(tǒng)辨識,發(fā)現(xiàn)轉向控制模型為純滯后比例環(huán)節(jié),速度控制模型為純滯后一階慣性環(huán)節(jié)。為路徑跟蹤與速度決策算法設計提供了理論依據(jù)。根據(jù)反應式導航控制策略,以PID控制算法為基礎,設計了基于強化學習的自適應PID路徑跟蹤方向控制器,該控制器以軌跡偏差為輸入,以轉角控制量為輸出,通過強化學習算法對PID參數(shù)進行在線自適應整定。之后根據(jù)駕駛員預瞄模型,制定了路徑跟蹤速度控制策略,并設計了基于監(jiān)督學習的模糊神經(jīng)網(wǎng)絡路徑跟蹤速度控制器。利用監(jiān)督學習算法,以駕駛員行駛數(shù)據(jù)作為訓練樣本,對控制器參數(shù)進行學習。以垂向振動加速度幅值與車速的線性關系為基礎,推導了基于整車垂向振動的理想速度,并以路徑跟蹤速度控制器輸出、理想速度和縱向加速度作為約束,設計了速度決策算法,參數(shù)通過監(jiān)督學習算法由駕駛員數(shù)據(jù)訓練得出。隨后定義了激光雷達點云數(shù)據(jù)的特征向量和地形粗糙度評分函數(shù),并根據(jù)粗糙程度將地形分類二值化以使用自監(jiān)督學習算法進行學習,學習樣本由激光雷達和慣性導航模塊數(shù)據(jù)經(jīng)濾波后在線自動產(chǎn)生。將地形粗糙度結果用于速度預測從而改進速度決策算法。最后通過仿真驗證和道路實車實驗分別對路徑跟蹤和速度決策算法進行測試。路徑跟蹤實驗結果顯示自適應PID路徑跟蹤方向控制器相比傳統(tǒng)固定參數(shù)PID控制器橫向位置偏差、航向角偏差、曲率偏差和轉角控制量的幅值、均值、方差均有明顯減少,而模糊神經(jīng)網(wǎng)絡路徑跟蹤速度控制器輸出與駕駛員速度控制意圖接近；速度決策算法實驗結果顯示該算法結合速度預測在崎嶇路面可以明顯降低整車超閾值垂向振動次數(shù)與幅值,同時在平坦路面能夠提高車速。實驗結果證明了路徑跟蹤方向和速度控制器能夠對無人駕駛地下礦用汽車進行有效控制。速度決策算法可以有效抑制由地形引起的整車垂向振動。本文為無人駕駛地下礦用汽車路徑跟蹤與速度決策研究提供了理論依據(jù)。
【關鍵詞】：地下礦用汽車 路徑跟蹤 速度決策 無人駕駛 機器學習
【學位授予單位】：北京科技大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TD634
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-13
• 1 引言13-33
• 1.1 研究背景及意義13-14
• 1.2 無人駕駛地下鉸接式車輛國內外技術現(xiàn)狀14-27
• 1.2.1 國外技術現(xiàn)狀15-26
• 1.2.2 國內相關技術現(xiàn)狀26-27
• 1.3 路徑跟蹤控制技術發(fā)展概況27-29
• 1.4 速度決策技術發(fā)展概況29-30
• 1.5 地形檢測技術發(fā)展概況30-31
• 1.6 課題技術路線和研究內容31-32
• 1.6.1 技術路線31
• 1.6.2 主要研究內容31-32
• 1.7 本章小結32-33
• 2 無人駕駛地下鉸接式自卸車33-57
• 2.1 無人駕駛地下鉸接式自卸車系統(tǒng)組成33-34
• 2.2 模型樣機系統(tǒng)組成34-36
• 2.3 動力系統(tǒng)36
• 2.4 信息采集系統(tǒng)36-40
• 2.4.1 傳感器的選取及布置37-39
• 2.4.2 激光雷達39
• 2.4.3 里程計39-40
• 2.4.4 轉角傳感器40
• 2.4.5 慣性導航模塊40
• 2.5 通信系統(tǒng)40-49
• 2.5.1 CAN總線通信41-47
• 2.5.2 基于UDP協(xié)議的以太網(wǎng)通信47-49
• 2.6 控制系統(tǒng)49-56
• 2.6.1 控制系統(tǒng)設計49-50
• 2.6.2 控制系統(tǒng)軟件設計50-56
• 2.7 本章小結56-57
• 3 整車模型分析57-71
• 3.1 轉向運動學模型57-59
• 3.2 運動軌跡描述59-61
• 3.3 軌跡偏差方程61-62
• 3.4 車輛動力學模型62-63
• 3.5 整車垂向受迫振動響應模型63-65
• 3.6 控制模型系統(tǒng)辨識65-70
• 3.6.1 系統(tǒng)辨識方法與原理65-67
• 3.6.2 轉向控制模型系統(tǒng)辨識67-68
• 3.6.3 速度控制模型系統(tǒng)辨識68-70
• 3.7 本章小結70-71
• 4 基于強化學習的路徑跟蹤方向控制71-92
• 4.1 無人駕駛自主導航技術71-73
• 4.1.1 反應式導航技術71-72
• 4.1.2 反應式導航控制策略72-73
• 4.2 基于強化學習的自適應PID路徑跟蹤方向控制器設計73-83
• 4.2.1 PID控制算法73-75
• 4.2.2 時域差值學習算法75-76
• 4.2.3 CMAC神經(jīng)網(wǎng)絡76-77
• 4.2.4 Actor-Critic學習77-78
• 4.2.5 強化學習自適應PID控制器78-82
• 4.2.6 路徑跟蹤方向控制器設計82-83
• 4.3 硬件在環(huán)仿真83-91
• 4.3.1 硬件在環(huán)仿真平臺83-85
• 4.3.2 仿真設計85
• 4.3.3 仿真結果分析85-91
• 4.4 本章小結91-92
• 5 基于監(jiān)督學習的路徑跟蹤速度控制92-106
• 5.1 基于駕駛員預瞄的速度控制策略92-93
• 5.2 基于監(jiān)督學習的模糊神經(jīng)網(wǎng)絡路徑跟蹤方向控制器設計93-102
• 5.2.1 模糊控制算法93-95
• 5.2.2 自適應神經(jīng)網(wǎng)絡模糊推理系統(tǒng)95-97
• 5.2.3 ANFIS結構97-100
• 5.2.4 ANFIS學習算法100-101
• 5.2.5 路徑跟蹤速度控制器設計101-102
• 5.3 仿真實驗102-105
• 5.3.1 實驗設計102-103
• 5.3.2 實驗結果分析103-105
• 5.4 本章小結105-106
• 6 基于監(jiān)督學習的速度決策算法106-112
• 6.1 速度決策算法106-107
• 6.2 監(jiān)督學習算法107-109
• 6.2.1 坐標下降法107
• 6.2.2 優(yōu)化目標107-108
• 6.2.3 參數(shù)學習108-109
• 6.3 硬件在環(huán)仿真109-111
• 6.3.1 仿真設計109
• 6.3.2 仿真結果分析109-111
• 6.4 本章小結111-112
• 7 基于自監(jiān)督學習的地形分類和速度預測112-128
• 7.1 三維點云數(shù)據(jù)采集112-113
• 7.2 地形分類與速度預測113-115
• 7.3 訓練樣本標定115-122
• 7.3.1 原始數(shù)據(jù)濾波115-116
• 7.3.2 地形粗糙度系數(shù)計算116
• 7.3.3 數(shù)據(jù)融合姿態(tài)解算116-118
• 7.3.4 雷達點云位置信息解算118-122
• 7.4 自監(jiān)督學習算法122-124
• 7.4.1 接收者操作特征曲線122-123
• 7.4.2 優(yōu)化目標123
• 7.4.3 參數(shù)迭代123-124
• 7.5 模型樣機實驗124-127
• 7.5.1 實驗設計124-125
• 7.5.2 實驗結果分析125-127
• 7.6 本章小結127-128
• 8 道路實驗研究128-137
• 8.1 路徑跟蹤控制實驗128-133
• 8.1.1 實驗設計128-129
• 8.1.2 實驗結果分析129-133
• 8.2 速度決策控制實驗133-136
• 8.2.1 實驗設計133-134
• 8.2.2 實驗結果分析134-136
• 8.3 本章小結136-137
• 9 結論137-141
• 9.1 全文總結137-138
• 9.2 創(chuàng)新點138
• 9.3 研究展望138-141
• 參考文獻141-149
• 作者簡歷及在學研究成果149-153
• 學位論文數(shù)據(jù)集153

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 趙，

本文編號：1030385