【摘要】：隨著人均汽車占有量不斷上升,由此引發(fā)了例如車輛擁堵、交通事故、環(huán)境污染、能源消耗等一系列問題,其中交通事故的發(fā)生問題尤為突出。因為智能汽車能夠部分或全部地剔除了人為因素的影響,所以智能汽車被認(rèn)為可以極大的解決交通安全問題。高效穩(wěn)定的軌跡跟蹤控制算法是實現(xiàn)自動駕駛車輛安全穩(wěn)定行駛的前提,也是智能車實現(xiàn)智能化商用化的必要條件。本文首先對傳統(tǒng)的基于最優(yōu)LQR(Linear Quadratic Regulator)理論的軌跡跟蹤控制算法進(jìn)行了研究,并建立了軌跡跟蹤控制的動力學(xué)模型和Fiala非線性輪胎模型�；诮⒌膭恿W(xué)模型,采用最優(yōu)線性二次型調(diào)節(jié)器,求得反饋增益并確定出最優(yōu)反饋控制率來實現(xiàn)最優(yōu)的軌跡跟蹤控制輸入。由于最優(yōu)LQR跟蹤控制算法在軌跡跟蹤過程中存在穩(wěn)態(tài)橫向偏差,因此提出了最優(yōu)前饋LQR軌跡跟蹤控制算法,來消除穩(wěn)態(tài)橫向偏差以提高軌跡跟蹤控制精度。由于該方法無法處理約束條件,并且將非線性系統(tǒng)進(jìn)行線性化近似處理,沒有考慮參考軌跡形狀對控制系統(tǒng)的影響。所以該方法對曲率突變敏感,在突變曲率輸入下會有超調(diào)。鑒于此,本文進(jìn)一步研究了基于前饋-反饋的軌跡跟蹤控制算法。首先設(shè)計了基本前饋-反饋軌跡跟蹤控制算法,前饋控制算法以車輛質(zhì)心為參考點進(jìn)行設(shè)計,主要對參考路徑曲率的變化進(jìn)行干擾量補(bǔ)償;反饋控制算法以汽車前瞻點為參考點進(jìn)行設(shè)計,主要根據(jù)車輛狀態(tài)反饋調(diào)整控制輸入使得擾動和模型誤差對跟蹤的影響最小化,使車輛更接近期望路徑并保持穩(wěn)定。由于基本前饋-反饋控制算法是以不同的參考點來設(shè)計的,無法消除極限行駛時后輪側(cè)偏力對橫擺穩(wěn)定性的影響。因此,為了提高車輛在極限工況下軌跡跟蹤控制的穩(wěn)定性,提出了以COP(Center Of Percussion)為參考點來設(shè)計的集成前饋-反饋控制算法,并在反饋控制的設(shè)計過程中融合了最優(yōu)LQR控制算法,提高了軌跡跟蹤控制的精度和穩(wěn)定性。最后,為了驗證所提出的算法的有效性,對以上算法都進(jìn)行了仿真驗證,并對最優(yōu)前饋LQR軌跡跟蹤控制算法和基本前饋-反饋控制算法進(jìn)行了實車實驗。結(jié)果表明,所提出的改進(jìn)型基本前饋-反饋控制算法具有較好的控制效果,能夠滿足智能汽車軌跡跟蹤控制的要求。
【學(xué)位授予單位】：湖北汽車工業(yè)學(xué)院
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6
【圖文】：

第一章 緒論轉(zhuǎn)移到了城市，相比與前兩次的比賽，這次比賽對技術(shù)的要求提高了難度�？▋�(nèi)基 梅隆大學(xué)的 BOSS 賽車以 4 小時 10 分 20 秒的成績得到冠軍[4]。goo當(dāng)今無人駕駛技術(shù)的最高水平，在 2010 年，google 智能汽車完成了主要城市動駕駛測試，可通過自身的傳感器完成對環(huán)境和道路的感知與識別，傳感器包三維激光雷達(dá)、毫米波雷達(dá)等，該無人駕駛車輛已經(jīng)具備完備的自主駕駛能力 年，特斯拉新版的 Model S 車輛加入了 Autopilot 模式，可通過視覺傳感器、載傳感設(shè)備，使車輛具備自動倒車、障礙物識別以及高速公路上半自動駕駛等

視覺導(dǎo)航系統(tǒng)，應(yīng)用的場所較為單一，主要是工，不僅在視覺導(dǎo)航系統(tǒng)上有很大的突破，而且識別，換道、超車等功能展開研究[9]。清華大學(xué)和激光雷達(dá)數(shù)據(jù)的信號融合，可以獲得道路的準(zhǔn)路徑規(guī)劃、行為決策等技術(shù)，配合數(shù)據(jù)融合技術(shù)。從 2013 年開始起步，由百度研究院主導(dǎo)研發(fā)。2駕駛領(lǐng)域簽署了戰(zhàn)略協(xié)議。2015 年百度無人車在，在測試過程中百度無人車還完成了調(diào)頭、變道車流到駛出車流不同場景的切換，測試最高車速輛樣車在 2015 年 10 月完成了國內(nèi)首次亮相，在駕駛測試，其中歷時 6 天，途徑四川、河南等

圖 3-1 最優(yōu) LQR 控制算法模型框圖圖 3-2 最優(yōu)前饋 LQR 控制算法模型框圖最優(yōu) LQR 控制算法的軌跡跟蹤控制仿真分析了驗證算法對車速的適應(yīng)性，選取的道路為高附著系數(shù)路面（ =0.85），以

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 單會會;史博;麻曉敏;陶宗明;;定軸轉(zhuǎn)動中打擊中心位置分析[J];物理與工程;2015年02期

2 張賢啟;余有晟;劉俊才;;無人駕駛汽車的發(fā)展及可行性[J];山東工業(yè)技術(shù);2015年04期

3 沈\

本文編號：2783226