目前,隨著人工智能技術(shù)、互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,高度智能化的無人駕駛汽車將是汽車發(fā)展的必然趨勢。無人駕駛汽車不僅能有效提高交通運行效率,保證汽車行駛安全性,還可以替代人類完成一些特殊任務(wù)。無人駕駛汽車路徑跟蹤控制是無人駕駛領(lǐng)域的重要研究內(nèi)容之一,也是汽車自主穩(wěn)定行駛的重要條件之一。研究無人駕駛汽車路徑跟蹤控制方法具有重要的實際意義。論文針對目前國內(nèi)外使用的無人駕駛汽車路徑跟蹤控制方法進行了分析,總結(jié)了多種跟蹤控制方法用于實際工程的優(yōu)缺點;論文根據(jù)實際車輛參數(shù)在Carsim/Simulink中建立了車輛仿真模型,對其運動學(xué)和動力學(xué)特性進行分析;論文結(jié)合整車模型,研究了傳統(tǒng)純跟蹤控制（Pursuit-Tracking）和傳統(tǒng)模型預(yù)測控制（MPC）算法原理,綜合分析該兩種算法在實際工程應(yīng)用上的可行性、可靠性、準(zhǔn)確性,針對算法本身的不足對其進行了改進,進而提出了曲率模糊補償純跟蹤控制算法和基于最大相關(guān)熵準(zhǔn)則（MCC）的改進型模型預(yù)測控制算法,并對該兩種改進算法原理進行了詳細(xì)介紹;論文根據(jù)該兩種改進算法的相關(guān)數(shù)學(xué)理論,在Carsim/Simulink平臺上設(shè)計了對應(yīng)的仿真控制器,結(jié)合整車車輛模型對... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

“人-車-路”傳統(tǒng)道路交通系統(tǒng)構(gòu)成圖

1緒論31981年，MacAdam等人[12]在最優(yōu)控制理論的基礎(chǔ)上提出一種單點最優(yōu)預(yù)瞄模型，該方法根據(jù)路徑跟隨誤差平方和最小確定汽車控制參數(shù)。當(dāng)在曲率變化程度較小的路徑上行駛時，將車輛看作是線性模型，該方法控制汽車跟隨路徑的準(zhǔn)確度較高。但該方法只能保證在路徑曲率變換不大的情況下的跟蹤精度，不能保證在車輛在大曲率路徑下的跟蹤準(zhǔn)確度。1992年，美國卡內(nèi)基梅隆大學(xué)機器人研究所針對無人駕駛汽車路徑跟蹤，提出了一種純跟蹤控制器[13]，如圖1.2所示。其實質(zhì)是一種將車輛當(dāng)前位置與期望位置的航向偏差按一定控制比例轉(zhuǎn)化為前輪轉(zhuǎn)角控制量的簡單比例反饋控制器。該方法在存在較大的橫向偏差的情況下能達(dá)到比較高的路徑跟蹤精度。但該方法的預(yù)瞄距離易受較多參數(shù)的影響，在復(fù)雜曲率路徑工況下很難保證較強的跟蹤能力。圖1.2純跟蹤控制模型簡圖Figure1.2Asketchofpuretrackingcontrolmodel進入21世紀(jì)之后，隨著對人類視覺轉(zhuǎn)向機制的深入研究，國外部分學(xué)者結(jié)合遠(yuǎn)、近兩點預(yù)瞄信息來控制無人駕駛汽車的自動轉(zhuǎn)向。2004年，Salvuccia等[14]提出一種駕駛員通過預(yù)瞄近點與遠(yuǎn)點來控制轉(zhuǎn)向的控制模型，即通過近點保持車輛在道路中心穩(wěn)定行駛，通過注視遠(yuǎn)點來補償?shù)缆非实淖兓瘜刂葡到y(tǒng)的影響。2005年，Sharp等人[15]提出多點預(yù)瞄轉(zhuǎn)向控制算法，利用線性二次規(guī)劃對目標(biāo)路徑與未來行駛的路徑偏差平方和最小化來實現(xiàn)最優(yōu)控制，該算法可對多個路徑目標(biāo)進行優(yōu)化，跟蹤效果較好。2011年，意大利Riccardo.Marino等人提出一種雙閉環(huán)PID轉(zhuǎn)向控制算法，外環(huán)采用PID方法根據(jù)側(cè)向位置偏差計算參考的橫擺角速度，內(nèi)環(huán)則進行橫擺角速度的跟蹤控制，這種算法不需要測量車輛的側(cè)向速度和

重慶大學(xué)碩士學(xué)位論文6的C平臺移植。但在區(qū)域型路徑跟蹤模式中，所建立車輛道路二維關(guān)系模型只給出了路徑左右理想邊界函數(shù)，實際情況中，道路邊界通常由GPS或雷達(dá)傳感器得到，由于傳感器本身存在定位誤差和檢測誤差，使得道路邊界實時信息難以精確得到，從而使依據(jù)該模型設(shè)計的控制算法只能在簡單的道路環(huán)境下進行驗證，若在曲率多變且寬度不一致的道路上進行驗證，會由于傳感器精度問題造成一定的系統(tǒng)誤差。同在2016年，長安大學(xué)王振對比亞迪F3汽車進行改造，在F3的基礎(chǔ)上設(shè)計了無人駕駛汽車運動控制實車系統(tǒng)[29]。該系統(tǒng)包括縱向和橫向運動控制子系統(tǒng)：針對油門驅(qū)動控制設(shè)計了一種融合道路坡度的增量式PID算法；在橫向控制中，采用航向預(yù)估模型將智能汽車的航向變化趨勢作為偏差輸入到控制器中，消除道路曲率對控制帶來的影響，航向預(yù)估模型如下圖1.3所示。但是，首先，航向預(yù)估算法本身僅從幾何運動模型對航向進行預(yù)估，難以保證預(yù)估準(zhǔn)確性，所以航向預(yù)估模型在高速情況下實用性不高；其次，該系統(tǒng)在汽車橫向控制中沒有外加其他控制器，雖然預(yù)估模型可以在一定程度上保證車輛轉(zhuǎn)向時的行駛穩(wěn)定性，但是由于車輛轉(zhuǎn)向時受外界其他許多因素干擾，轉(zhuǎn)向時的航向控制精度難以得到保證；再次，該系統(tǒng)采用加裝執(zhí)行機構(gòu)的方式改造車輛的轉(zhuǎn)向系統(tǒng)，可能導(dǎo)致附加控制系統(tǒng)和原車控制系統(tǒng)不能合理地兼容，難以達(dá)到預(yù)定的控制效果。圖1.3航向預(yù)估模型示意圖Figure1.3Diagramofheadingpredictionmodel同樣在2016年，湖南大學(xué)潘魯彬借鑒郭孔輝院士提出的預(yù)瞄-補償控制理論，考慮駕駛員對實際道路的預(yù)瞄和跟隨控制模型，運用模型預(yù)測控制算法搭建了汽車路徑跟隨轉(zhuǎn)向控制模塊，設(shè)計了一種滾動優(yōu)化的控制方式，使算法魯棒性提高


本文編號：3072443