智能車輛(Intelligent Vehicle,IV)路徑跟蹤控制是智能車輛無人駕駛技術(shù)的核心問題。智能車輛是高度耦合非線性系統(tǒng),具有參數(shù)時(shí)變和外界干擾不確定的特點(diǎn)。本文基于智能車輛無人駕駛試驗(yàn)平臺(tái),開展了路徑跟蹤控制方法研究,主要分為以下幾點(diǎn)工作:首先,以實(shí)際試驗(yàn)車輛結(jié)構(gòu)和數(shù)據(jù)為基礎(chǔ),基于控制系統(tǒng)驗(yàn)證需求,采用模塊化建模思想,建立能夠反映車輛主要?jiǎng)恿W(xué)特性和輪胎非線性的整車十四自由度動(dòng)力學(xué)模型。同時(shí)基于易測(cè)量的狀態(tài)量建立車輛實(shí)時(shí)位置、質(zhì)心側(cè)向加速度和質(zhì)心側(cè)偏角估計(jì)模型。同參數(shù)同工況下,將搭建的模型與車輛動(dòng)力學(xué)仿真軟件IPG/CarMaker提供的物理模型進(jìn)行對(duì)比仿真驗(yàn)證。結(jié)果顯示,本文建立的模型能夠準(zhǔn)確描述車輛基本動(dòng)力學(xué)特性并表征相應(yīng)車輛狀態(tài),為智能車輛路徑跟蹤控制系統(tǒng)設(shè)計(jì)提供了模型基礎(chǔ)。第二,以視覺導(dǎo)航系統(tǒng)為研究對(duì)象,建立以道路曲率為輸入的預(yù)瞄誤差計(jì)算模型。針對(duì)智能車輛系統(tǒng)的高度非線性、參數(shù)不確定性以及外界干擾不可測(cè)的特點(diǎn),基于滑模變結(jié)構(gòu)理論設(shè)計(jì)路徑跟蹤控制器,再以RBF神經(jīng)網(wǎng)絡(luò)逼近滑�？刂破鞯那袚Q部分,消除輸出抖振。雙移線工況仿真結(jié)果顯示,控制器輸出平穩(wěn),具有良好的跟蹤精度和魯棒性。第三,基于固定預(yù)瞄距離設(shè)計(jì)的路徑跟蹤控制器,在道路曲率大范圍變化時(shí),難以保證車輛的穩(wěn)定性滿足要求。本文通過分析不同預(yù)瞄距離對(duì)跟蹤精度和車輛穩(wěn)定性的影響,得出了“預(yù)瞄距離長(zhǎng),穩(wěn)定性好;預(yù)瞄距離短,跟蹤精度好”的結(jié)論。并根據(jù)這一結(jié)論設(shè)計(jì)了模糊控制器與迭代學(xué)習(xí)控制器組成的預(yù)瞄距離自適應(yīng)控制系統(tǒng),并使用遺傳算法對(duì)模糊規(guī)則和隸屬度函數(shù)進(jìn)行了優(yōu)化。仿真結(jié)果表明,優(yōu)化后車輛穩(wěn)定性提升明顯。最后,為進(jìn)一步驗(yàn)證本文設(shè)計(jì)的控制系統(tǒng)的實(shí)時(shí)性和有效性。首先,基于ADAS測(cè)試臺(tái)架進(jìn)行硬件在環(huán)仿真。以虛擬的交通環(huán)境、車輛模型和真實(shí)的電子控制單元驗(yàn)證控制系統(tǒng),結(jié)果顯示控制系統(tǒng)的實(shí)時(shí)性和有效性均滿足要求。再選擇單移線和普通道路工況,基于智能車輛試驗(yàn)平臺(tái)驗(yàn)證控制系統(tǒng)對(duì)真實(shí)車輛的控制效果。試驗(yàn)結(jié)果顯示,中低速下,本文設(shè)計(jì)的預(yù)瞄距離自適應(yīng)分層式路徑跟蹤控制系統(tǒng)能夠在保證車輛平穩(wěn)的、準(zhǔn)確的跟蹤期望路徑的同時(shí),有效提升車輛穩(wěn)定性。根據(jù)車輛狀態(tài)自適應(yīng)調(diào)整預(yù)瞄距離的路徑跟蹤控制系統(tǒng)相對(duì)于傳統(tǒng)控制器,在保證路徑跟蹤精度滿足要求的同時(shí),有效提升了車輛穩(wěn)定性,高速雙移線仿真下,質(zhì)心側(cè)向加速度和質(zhì)心側(cè)偏角分別優(yōu)化了42.71%和42.75%,效果顯著。硬件在環(huán)仿真及實(shí)車試驗(yàn)證明了該控制系統(tǒng)有效。
【學(xué)位單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U463.6
【部分圖文】：

圖 1.1 NavLab-11 智能車輛Fig. 1.1 Intelligent vehicle NavLab-11能車輛包含了激光雷達(dá)、GPS 系統(tǒng)、CCD 攝像機(jī)等多種傳感器，機(jī)對(duì)傳感器獲取的外部信息進(jìn)行分析處理，生成控制指令后發(fā)送 系列各型智能車輛均能實(shí)現(xiàn)半自動(dòng)或自動(dòng)駕駛。

圖 1.2 Shelley 智能車輛Fig. 1.2 Intelligent vehicle Shelleyo 智能車輛旗下公司W(wǎng)aymo推出的智能車輛系統(tǒng)以菲亞特-克萊斯勒Pacific

圖 1.3 Waymo 智能車輛Fig. 1.3 Waymo’s intelligent vehicle能車裝備了四周連貫視野的短距激光雷達(dá)、高清中距離激光雷達(dá)
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜巖;龔建偉;熊光明;陳慧巖;;基于運(yùn)動(dòng)微分約束的無人車輛縱橫向協(xié)同規(guī)劃算法的研究[J];自動(dòng)化學(xué)報(bào);2013年12期

2 宋彥;趙盼;陶翔;李碧春;梁華為;梅濤;;基于μ綜合的無人駕駛車輛路徑跟隨串級(jí)魯棒控制方法[J];機(jī)器人;2013年04期

3 管欣;張立增;賈鑫;;駕駛員方向控制模型圓弧式預(yù)瞄算法的研究[J];汽車工程;2012年12期

4 王萍;郭洪艷;丁海濤;陳虹;;高速公路車輛智能駕駛仿真平臺(tái)[J];系統(tǒng)仿真學(xué)報(bào);2012年12期

5 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(jì)[J];大連理工大學(xué)學(xué)報(bào);2012年03期

6 戴斌;聶一鳴;孫振平;安向京;;地面無人駕駛技術(shù)現(xiàn)狀及應(yīng)用[J];汽車與安全;2012年03期

7 何克忠;;清華智能車技術(shù)研究[J];中國(guó)新技術(shù)新產(chǎn)品;2012年02期

8 趙熙俊;陳慧巖;;智能車輛路徑跟蹤橫向控制方法的研究[J];汽車工程;2011年05期

9 張丙強(qiáng);李亮;;人-車-路耦合系統(tǒng)振動(dòng)分析及舒適度評(píng)價(jià)[J];振動(dòng)與沖擊;2011年01期

10 李紅志;李亮;宋健;于良耀;吳凱輝;張小龍;;預(yù)瞄時(shí)間自適應(yīng)的最優(yōu)預(yù)瞄駕駛員模型[J];機(jī)械工程學(xué)報(bào);2010年20期

相關(guān)博士學(xué)位論文 前5條

1 趙樹恩;基于多模型智能遞階控制的車輛底盤集成控制研究[D];重慶大學(xué);2010年

2 付皓;汽車電子穩(wěn)定性系統(tǒng)質(zhì)心側(cè)偏角估計(jì)與控制策略研究[D];吉林大學(xué);2008年

3 黃炳強(qiáng);強(qiáng)化學(xué)習(xí)方法及其應(yīng)用研究[D];上海交通大學(xué);2007年

4 周勇;智能車輛中的幾個(gè)關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2007年

5 孫振平;自主駕駛汽車智能控制系統(tǒng)[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前5條

1 陳哲;基于四輪轉(zhuǎn)向和差動(dòng)制動(dòng)聯(lián)合控制系統(tǒng)的高速汽車側(cè)風(fēng)穩(wěn)定性控制研究[D];浙江大學(xué);2015年

2 王聰;基于預(yù)瞄的車輛路徑跟蹤控制研究[D];哈爾濱工業(yè)大學(xué);2014年

3 李顥;基于視覺的智能車輛自主導(dǎo)航方法研究[D];上海交通大學(xué);2009年

4 覃來豐;基于遺傳算法優(yōu)化的模糊控制器在鋼球磨煤機(jī)中的應(yīng)用[D];浙江大學(xué);2007年

5 張媛;遺傳算法優(yōu)化模糊控制器的工程船舶控制方法的研究[D];武漢理工大學(xué);2005年

本文編號(hào)：2881925