智能車輛能夠利用環(huán)境感知、信息融合、智能控制等關(guān)鍵技術(shù)實現(xiàn)自動駕駛功能。本文針對智能電動汽車在跟車自主行駛工況下對橫向和縱向運動實現(xiàn)智能化和實時性控制的要求,依托課題組已有的電動汽車自動駕駛平臺QUTEV-1,進行了跟車工況下整車控制系統(tǒng)的信息感知與輸入研究,研究了跟車工況下智能電動汽車自動變速、制動和轉(zhuǎn)向的上層控制策略和下層控制算法,在此基礎(chǔ)上完成整車控制系統(tǒng)的軟硬件設(shè)計,并通過仿真和實車實驗驗證控制系統(tǒng)的性能。設(shè)計了基于單目視覺和前車車牌寬度測量的車距測量算法,為整車控制系統(tǒng)提供車距、本車車速、前車車速和前車加速度等基礎(chǔ)輸入?yún)?shù)。設(shè)計了基于單目視覺的車輛偏航角、橫向距離和彎道曲率的測量算法,制定了車輛姿態(tài)控制策略,實現(xiàn)了每秒自動調(diào)整修正車輛姿態(tài),為跟車自主行駛提供了前提條件。基于安全車距模型,結(jié)合道路交通擁擠度和基于NAR神經(jīng)網(wǎng)絡(luò)的車速預(yù)測方法,設(shè)計了跟車自主行駛工況下的自動變速和制動耦合控制策略。設(shè)計了縱向運動下層控制算法,對輪轂電機調(diào)速電壓和制動輪缸壓力實現(xiàn)了實時自動控制。通過自動變速和制動耦合控制策略和縱向運動下層控制算法實現(xiàn)了跟車工況下QUTEV-1的縱向運動自動控制。通過分析側(cè)滑和側(cè)翻穩(wěn)定性這兩個指標,建立了彎道行駛安全性評價模型�；趶澋佬旭偘踩栽u價模型,通過車輛動力學(xué)軟件仿真,建立了彎道安全行駛速度與彎道曲線半徑之間的函數(shù)關(guān)系,從而設(shè)計了彎道自主轉(zhuǎn)向上層控制策略。研究了與控制策略相匹配的橫向運動下層控制算法,實現(xiàn)了對橫向運動偏差的最優(yōu)化控制。利用電路設(shè)計軟件對整車控制系統(tǒng)進行了硬件設(shè)計,利用ARM單片機語言和C語言對整車控制系統(tǒng)進行了軟件設(shè)計。通過仿真和實車試驗驗證了控制系統(tǒng)具有良好的實時性,準確性和魯棒性。
【學(xué)位單位】：青島理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U469.72
【部分圖文】：

原始圖像

圖 2-2 灰度變換圖Fig.2-2 Gray scale transform image第二步是直方圖均衡化。直方圖均衡化通過灰度映灰度級上均勻分布。處理后的圖像將同時具有較高連續(xù)的灰度范圍下，圖像的歸一化直方圖用概率密p( x ),0 x 1函數(shù)的性質(zhì)可以推導(dǎo)出以下關(guān)系式：1x 0p ( x ) dx1 前的概率密度函數(shù)為 p rr ，均衡化后的概率密度

應(yīng)乘以最大灰度值maxD （對于灰度圖就是 2公式如下。 max0f( )AADB A DD D D p d 變換后的灰度值，AD 為變換前的灰度值。 maxmax00DB A iiDD f D HA 是第 i 級灰度的像素個數(shù)，0A 是圖像的面積，即為中的變換函數(shù) f 為單調(diào)的增函數(shù)，這保證了灰度反（保證了變換前后的相對灰度保持不變），杜絕，從而避免了圖像的識別的影響。處理效果如圖

【參考文獻】

相關(guān)期刊論文 前10條

1 王豐元;韓悅;孫凡晴;楊冉;;基于單片機的載貨汽車后視鏡轉(zhuǎn)向隨動系統(tǒng)[J];汽車實用技術(shù);2017年15期

2 陳春雄;黃超;黃宇翔;張顯飛;;智能控制的筆記本外置散熱器[J];電子技術(shù);2014年12期

3 孫川;吳超仲;褚端峰;傅宇浩;崔海龍;于躍;;基于車輛側(cè)向穩(wěn)定性分析的彎道行駛安全評價[J];交通信息與安全;2014年06期

4 黃鋼;陳亞振;侯悅;呂能超;;基于車輛穩(wěn)定性的改擴建高速公路橫坡方案安全性評價研究[J];交通信息與安全;2014年04期

5 于豐華;雷宇橋;胡玉杰;朱鳳武;;基于OV7620循跡的智能車算法研究[J];微型機與應(yīng)用;2013年17期

6 劉光宇;李睿;孫穎;王嵩;;純電動汽車整車控制策略研究[J];產(chǎn)業(yè)與科技論壇;2012年14期

7 郭烈;黃曉慧;劉寶印;李兵;;基于道路模型的彎道檢測研究與應(yīng)用[J];交通信息與安全;2012年03期

8 郭景華;胡平;李琳輝;王榮本;;基于視覺的無人駕駛車自主導(dǎo)航控制器設(shè)計[J];大連理工大學(xué)學(xué)報;2012年03期

9 杜艷紅;高慶吉;衛(wèi)勇;于亞萍;;基于神經(jīng)網(wǎng)絡(luò)的機器人驅(qū)動系統(tǒng)數(shù)學(xué)模型辨識[J];安徽農(nóng)業(yè)科學(xué);2011年18期

10 李健;王冬青;王麗美;;模糊PID控制器設(shè)計及MATLAB仿真[J];工業(yè)控制計算機;2011年05期

相關(guān)重要報紙文章 前1條

1 唐強;;從重慶到北京長安無人駕駛汽車正式開跑[N];證券時報;2016年

相關(guān)博士學(xué)位論文 前5條

1 張衛(wèi)忠;基于仿人智能控制的無人地面車輛自動駕駛系統(tǒng)研究[D];中國科學(xué)技術(shù)大學(xué);2014年

2 張蕊;考慮道路幾何特征的車速自適應(yīng)控制方法研究[D];武漢理工大學(xué);2014年

3 張琨;智能汽車自主循跡控制策略研究[D];哈爾濱工業(yè)大學(xué);2013年

4 趙盼;城市環(huán)境下無人駕駛車輛運動控制方法的研究[D];中國科學(xué)技術(shù)大學(xué);2012年

5 顧柏園;基于單目視覺的安全車距預(yù)警系統(tǒng)研究[D];吉林大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 徐巧妮;智能電動車自動轉(zhuǎn)向控制系統(tǒng)研究[D];青島理工大學(xué);2016年

2 何施;道路交通環(huán)境檢測及其信息融合技術(shù)[D];青島理工大學(xué);2016年

3 成旺龍;輪轂電機驅(qū)動電動汽車自適應(yīng)巡航控制算法的研究[D];吉林大學(xué);2016年

4 袁魯山;基于NAR神經(jīng)網(wǎng)絡(luò)的車速預(yù)測及應(yīng)用[D];大連理工大學(xué);2016年

5 焦金戈;四旋翼飛行器控制器設(shè)計[D];華北水利水電大學(xué);2016年

6 洪浩;基于視覺的車輛防碰撞預(yù)警系統(tǒng)算法研究[D];遼寧工業(yè)大學(xué);2016年

7 黃野;車牌信息識別與傳輸方法研究[D];哈爾濱理工大學(xué);2016年

8 梁炳春;基于機器視覺的輔助駕駛系統(tǒng)中車輛檢測與測距研究[D];東華大學(xué);2016年

9 謝憲毅;電動汽車自動駕駛平臺及其技術(shù)研究[D];青島理工大學(xué);2015年

10 吳浩;車輛安全預(yù)警自動控制系統(tǒng)的研究與開發(fā)[D];重慶交通大學(xué);2015年

本文編號：2815025