【摘要】：在智能車(chē)實(shí)際運(yùn)動(dòng)特性優(yōu)化控制的研究中,由于傳統(tǒng)非線性算法難以適應(yīng)無(wú)人駕駛智能車(chē)實(shí)際運(yùn)動(dòng)特點(diǎn)的問(wèn)題,提出一種基于交互式多模型(IMM)帶衰減因子的自適應(yīng)無(wú)跡卡爾曼濾波(UKF)方法。上述方法在UKF基礎(chǔ)上增加了衰減因子、自適應(yīng)濾波理論、IMM結(jié)構(gòu)。克服了歷史數(shù)據(jù)對(duì)濾波的影響、系統(tǒng)線性化誤差、以及參數(shù)設(shè)置難以適應(yīng)模型不確定性等技術(shù)難點(diǎn)。仿真結(jié)果表明:改進(jìn)方法比傳統(tǒng)濾波方法的估計(jì)精度高,穩(wěn)定性好,收斂速度快而且魯棒性更強(qiáng),滿足了智能車(chē)導(dǎo)航系統(tǒng)的實(shí)際用需求。采用改進(jìn)方法的智能車(chē)導(dǎo)航控制系統(tǒng)提高了無(wú)人駕駛智能車(chē)整體的安全性和可靠性。
[Abstract]:In the research of optimal control of actual motion characteristics of intelligent vehicles, because the traditional nonlinear algorithm is difficult to adapt to the actual motion characteristics of driverless intelligent vehicles, An adaptive unscented Kalman filter (UKF) method based on interactive multi-model (IMM) with attenuation factor is proposed. The above methods add attenuation factor, adaptive filtering theory and IMM structure to UKF. The technical difficulties such as the influence of historical data on filtering, the linear error of the system, and the difficulty of parameter setting to adapt to the uncertainty of the model are overcome. The simulation results show that the improved method has higher estimation accuracy, better stability, faster convergence speed and stronger robustness than the traditional filtering method, which meets the practical requirements of intelligent vehicle navigation system. The navigation and control system of intelligent vehicle with improved method improves the safety and reliability of driverless intelligent vehicle as a whole.
【作者單位】： 北京工業(yè)大學(xué)北京市交通工程重點(diǎn)實(shí)驗(yàn)室;
【基金】：北京市教委重點(diǎn)項(xiàng)目 北京市自然科學(xué)基金項(xiàng)目(JJ002790200802) 北京市屬高等學(xué)校人才強(qiáng)教計(jì)劃資助項(xiàng)目
【分類(lèi)號(hào)】：U463.67

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黨宏社,韓崇昭,段戰(zhàn)勝;智能車(chē)輛系統(tǒng)發(fā)展及其關(guān)鍵技術(shù)概述[J];公路交通科技;2002年06期

2 韓俊淑 ,韓佳文 ,高翔 ,趙玉凡 ,常明;智能車(chē)輛的研究及發(fā)展[J];世界汽車(chē);2003年09期

3 胡國(guó)強(qiáng);陳昌生;熊明潔;;世界智能車(chē)輛的關(guān)鍵共性技術(shù)研究現(xiàn)狀[J];輕型汽車(chē)技術(shù);2011年03期

4 李進(jìn);徐朝勝;陳杰平;李忠芳;;基于集散決策體系結(jié)構(gòu)的智能車(chē)輛自主導(dǎo)航[J];控制工程;2012年04期

5 徐玉翔;劉會(huì)平;張艷軍;;智能車(chē)輛實(shí)驗(yàn)平臺(tái)的研究與設(shè)計(jì)[J];科技信息;2014年07期

6 滿益明;陳慧巖;胡玉文;江燕華;王振坤;龔建偉;;智能車(chē)輛捷聯(lián)視線穩(wěn)定跟蹤平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[J];中國(guó)慣性技術(shù)學(xué)報(bào);2009年04期

7 郭克友,王榮本,儲(chǔ)江偉;智能車(chē)輛在物流領(lǐng)域的應(yīng)用[J];天津汽車(chē);2005年03期

8 李進(jìn);陳無(wú)畏;李碧春;;基于行為的智能車(chē)輛導(dǎo)航控制體系結(jié)構(gòu)[J];機(jī)械工程學(xué)報(bào);2007年07期

9 李秀珍,王永吉,師菁;關(guān)于智能車(chē)輛轉(zhuǎn)向問(wèn)題的研究[J];機(jī)械設(shè)計(jì);1998年09期

10 尤亞男;;智能車(chē)輛導(dǎo)航技術(shù)[J];金田;2013年08期

相關(guān)會(huì)議論文 前2條

1 汪鐵民;;智能車(chē)輛的若干問(wèn)題[A];四川省第九屆（2009年）汽車(chē)學(xué)術(shù)交流年會(huì)論文集[C];2009年

2 黃鴻;呂曉華;任雪梅;;基于SPCE061A的智能車(chē)模語(yǔ)音控制系統(tǒng)[A];國(guó)產(chǎn)科學(xué)儀器應(yīng)用、創(chuàng)新和產(chǎn)業(yè)化學(xué)術(shù)研討會(huì)論文集（二）[C];2007年

相關(guān)重要報(bào)紙文章 前2條

1 陳海霞　顏士秀 小莉;常州“智能車(chē)”全國(guó)奪冠[N];常州日?qǐng)?bào);2010年

2 記者張兆軍;兩種智能車(chē) 無(wú)人可駕駛[N];科技日?qǐng)?bào);2003年

相關(guān)博士學(xué)位論文 前4條

1 汪明磊;智能車(chē)輛自主導(dǎo)航中避障路徑規(guī)劃與跟蹤控制研究[D];合肥工業(yè)大學(xué);2013年

2 焦俊;基于多Agent系統(tǒng)的智能車(chē)輛自主行駛控制研究[D];合肥工業(yè)大學(xué);2010年

3 郭景華;視覺(jué)導(dǎo)航式智能車(chē)輛橫向與縱向控制研究[D];大連理工大學(xué);2012年

4 陳龍;城市環(huán)境下無(wú)人駕駛智能車(chē)感知系統(tǒng)若干關(guān)鍵技術(shù)研究[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李寒峰;基于GPS的智能車(chē)評(píng)估系統(tǒng)[D];上海交通大學(xué);2010年

2 王晨;無(wú)人駕駛智能車(chē)控制與規(guī)劃系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];上海交通大學(xué);2009年

3 梁昆;智能車(chē)校園自主導(dǎo)航方法研究[D];上海交通大學(xué);2011年

4 楊栩;基于視覺(jué)的智能車(chē)控制系統(tǒng)及其算法的應(yīng)用研究[D];西華大學(xué);2011年

5 王虎;面向路徑識(shí)別的智能車(chē)系統(tǒng)設(shè)計(jì)與研究[D];安徽工程大學(xué);2013年

6 李?yuàn)檴?基于單片機(jī)的兩輪智能車(chē)設(shè)計(jì)[D];南京理工大學(xué);2013年

7 李志海;智能車(chē)輛驅(qū)動(dòng)系統(tǒng)研究與開(kāi)發(fā)[D];湖南大學(xué);2008年

8 王迪;智能車(chē)定向天線跟蹤系統(tǒng)的研究與開(kāi)發(fā)[D];山東科技大學(xué);2009年

9 楊京峰;基于CMOS圖像傳感器的智能車(chē)設(shè)計(jì)與實(shí)現(xiàn)[D];東北大學(xué);2008年

10 周智;基于激光雷達(dá)的智能車(chē)主動(dòng)安全算法與模型研究[D];中南大學(xué);2012年

，

本文編號(hào)：2490745