交通安全、道路擁堵、停車(chē)位緊張的問(wèn)題隨著汽車(chē)保有量的迅猛增加逐漸暴露出來(lái),研究智能汽車(chē)是解決以上問(wèn)題的有效途徑。避障路徑規(guī)劃是智能汽車(chē)技術(shù)的關(guān)鍵部分,具有重大研究意義與應(yīng)用前景。汽車(chē)行駛過(guò)程中,道路環(huán)境比較復(fù)雜,而且具有不確定性,同時(shí)要滿(mǎn)足車(chē)輛自身的約束條件,使避障路徑規(guī)劃存在一定的難度,智能車(chē)輛如何尋找到符合實(shí)際需要的最優(yōu)路徑是路徑規(guī)劃的重難點(diǎn)。針對(duì)傳統(tǒng)局部路徑規(guī)劃算法容易陷入局部最優(yōu),存在路徑不可達(dá),避障模型復(fù)雜導(dǎo)致計(jì)算量大的問(wèn)題。本文以汽車(chē)動(dòng)力學(xué)模型為基礎(chǔ),根據(jù)車(chē)輛的運(yùn)動(dòng)特點(diǎn),刻畫(huà)了智能車(chē)直線道路上行駛的道路模型。提出一種基于車(chē)頭圓-車(chē)尾圓的智能車(chē)行駛過(guò)程中的障礙物建模方法,并以此建立智能車(chē)局部路徑規(guī)劃的最優(yōu)控制模型。采用直接配點(diǎn)法對(duì)智能車(chē)換道的路徑規(guī)劃進(jìn)行研究。直接配點(diǎn)法是通過(guò)擬合多項(xiàng)式來(lái)近似時(shí)間和空間上的狀態(tài)變量和控制變量,對(duì)多項(xiàng)式求一階導(dǎo)數(shù)來(lái)近似離散點(diǎn)處的狀態(tài)微分量,從而將最優(yōu)控制問(wèn)題轉(zhuǎn)化為非線性規(guī)劃問(wèn)題（NLP）。直接配點(diǎn)法避免了間接解析法繁瑣的理論推導(dǎo)過(guò)程,具有更快的計(jì)算效率。以智能車(chē)換道超車(chē)避開(kāi)拋錨車(chē)的典型工況為例,利用直接配點(diǎn)法和序列二次規(guī)劃法相結(jié)合的軌跡優(yōu)化方案求... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 智能車(chē)輛概述
        1.2.1 智能車(chē)輛的關(guān)鍵技術(shù)
        1.2.2 智能車(chē)輛路徑規(guī)劃的研究現(xiàn)狀
    1.3 智能車(chē)輛避障路徑規(guī)劃算法
        1.3.1 避障路徑規(guī)劃算法的分類(lèi)
        1.3.2 避障路徑規(guī)劃算法的研究現(xiàn)狀
    1.4 基于最優(yōu)避障路徑規(guī)劃的應(yīng)用場(chǎng)景
    1.5 論文文研究的主要內(nèi)容
第二章 智能車(chē)避障路徑規(guī)劃建模
    2.1 車(chē)輛的動(dòng)力學(xué)模型
    2.2 障礙物的建模
        2.2.1 道路可行駛區(qū)域模型
        2.2.2 障礙車(chē)輛模型
        2.2.3 低速運(yùn)動(dòng)車(chē)輛模型
    2.3 靜態(tài)車(chē)輛的表達(dá)
    2.4 本章小結(jié)
第三章 基于直接配點(diǎn)法的超車(chē)換道避障路徑規(guī)劃
    3.1 直接配點(diǎn)法
        3.1.1 最優(yōu)控制問(wèn)題的描述
        3.1.2 直接配點(diǎn)法的原理
        3.1.3 三階Simpson方法
    3.2 最優(yōu)控制問(wèn)題的離散
        3.2.1 最優(yōu)控制問(wèn)題的模型變換
        3.2.2 非線性規(guī)劃問(wèn)題的求解
    3.3 超車(chē)換道避開(kāi)拋錨車(chē)的路徑規(guī)劃
        3.3.1 道路建模與避障約束
        3.3.2 基于直接配點(diǎn)法求解最優(yōu)控制問(wèn)題
        3.3.3 仿真分析
    3.4 本章小結(jié)
第四章 避開(kāi)靜態(tài)障礙物回原車(chē)道的路徑規(guī)劃
    4.1 避開(kāi)車(chē)道中間拋錨的小轎車(chē)回原車(chē)道工況
        4.1.1 避開(kāi)車(chē)道中間拋錨的小轎車(chē)回原車(chē)道建模
        4.1.2 避開(kāi)車(chē)道中間拋錨的小轎車(chē)回原車(chē)道仿真分析
    4.2 避開(kāi)車(chē)道中間拋錨的公交車(chē)回原車(chē)道工況
        4.2.1 避開(kāi)車(chē)道中間拋錨的公交車(chē)回原車(chē)道建模
        4.2.2 避開(kāi)車(chē)道中間拋錨的公交車(chē)回原車(chē)道仿真分析
    4.3 本章小結(jié)
第五章 避開(kāi)低速運(yùn)動(dòng)障礙物的路徑規(guī)劃
    5.1 避開(kāi)低速運(yùn)動(dòng)障礙物工況
        5.1.1 避開(kāi)低速運(yùn)動(dòng)障礙物的建模
        5.1.2 避開(kāi)低速運(yùn)動(dòng)障礙物仿真分析
    5.2 避開(kāi)低速車(chē)輛與拋錨車(chē)的對(duì)比分析
    5.3 幾種工況的對(duì)比分析
    5.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于勢(shì)場(chǎng)搜索的無(wú)人車(chē)動(dòng)態(tài)避障路徑規(guī)劃算法研究[J]. 陳浩,喻厚宇.  北京汽車(chē). 2019(04)
[2]自動(dòng)駕駛下的未來(lái)交通出行格局[J]. 鄭赟.  上海汽車(chē). 2018(11)
[3]我國(guó)智能汽車(chē)發(fā)展中的困境與出路[J]. 董鵬,王昊,謝峰波,劉大慶.  客車(chē)技術(shù). 2018(01)
[4]百度谷歌無(wú)人駕駛汽車(chē)發(fā)展綜述[J]. 何佳,戎輝,王文揚(yáng),田曉笛,高嵩,郭蓬.  汽車(chē)電器. 2017(12)
[5]改進(jìn)RRT在汽車(chē)避障局部路徑規(guī)劃中的應(yīng)用[J]. 宋曉琳,周南,黃正瑜,曹昊天.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[6]國(guó)外智能網(wǎng)聯(lián)汽車(chē)發(fā)展現(xiàn)狀及啟示[J]. 黎宇科,劉宇.  汽車(chē)工業(yè)研究. 2016(10)
[7]百度“無(wú)人駕駛” 智馭未來(lái)出行[J]. 孫秋霞,徐芳芳.  中國(guó)科技獎(jiǎng)勵(lì). 2016(07)
[8]智能車(chē)避障路徑規(guī)劃方法研究[J]. 杜,郭達(dá),張新鋒.  交通節(jié)能與環(huán)保. 2016(03)
[9]基于遺傳模糊算法的智能車(chē)輛避障路徑規(guī)劃研究[J]. 胡永仕,張陽(yáng).  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[10]基于模糊神經(jīng)網(wǎng)絡(luò)算法的機(jī)器人路徑規(guī)劃研究[J]. 姚毅,陳光建,賈金玲.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2014(06)

博士論文
[1]智能電動(dòng)汽車(chē)主動(dòng)循跡與避撞控制研究[D]. 任玥.重慶大學(xué) 2018
[2]城市交通發(fā)展的哲學(xué)思考[D]. 芮海田.長(zhǎng)安大學(xué) 2017
[3]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]. 汪明磊.合肥工業(yè)大學(xué) 2013
[4]智能汽車(chē)自主循跡控制策略研究[D]. 張琨.哈爾濱工業(yè)大學(xué) 2013

碩士論文
[1]基于ROS的車(chē)輛遠(yuǎn)程控制和定位導(dǎo)航仿真[D]. 謝萌.中國(guó)科學(xué)技術(shù)大學(xué) 2019
[2]基于高斯偽譜法的智能車(chē)局部路徑規(guī)劃研究[D]. 郭泉成.華南理工大學(xué) 2018
[3]智能車(chē)輛局部避障路徑規(guī)劃及橫向運(yùn)動(dòng)控制研究[D]. 陳東.湖南大學(xué) 2016
[4]無(wú)人駕駛智能車(chē)在動(dòng)態(tài)環(huán)境中的避障方法[D]. 崔佳超.西安工業(yè)大學(xué) 2015
[5]智能小車(chē)避障與路徑優(yōu)化研究[D]. 汪波.重慶理工大學(xué) 2015
[6]無(wú)人駕駛智能車(chē)控制系統(tǒng)的設(shè)計(jì)研究[D]. 呂峰.西安工業(yè)大學(xué) 2014
[7]基于多任務(wù)多目標(biāo)的空天飛行器軌跡設(shè)計(jì)及優(yōu)化研究[D]. 張侃.南京航空航天大學(xué) 2010
[8]基于粒子群和蟻群融合算法的移動(dòng)機(jī)器人路徑規(guī)劃研究[D]. 楊惠.長(zhǎng)沙理工大學(xué) 2010



本文編號(hào)：3190116