本文關(guān)鍵詞：智能汽車的軌跡跟隨控制研究

  更多相關(guān)文章： 智能汽車 軌跡跟隨 最優(yōu)預(yù)瞄控制 模型預(yù)測控制

【摘要】：安全是汽車工業(yè)發(fā)展過程中十分重要的問題。在人-車-環(huán)境組成的閉環(huán)駕駛系統(tǒng)中,駕駛員由于在駕駛技能、生理狀態(tài)以及性格體力等方面存在的差異,因而被認(rèn)為是駕駛系統(tǒng)中最薄弱的環(huán)節(jié),也是造成交通事故頻發(fā)的主要原因。由于智能汽車中部分或全部地剔除了人的因素,所以智能車輛被認(rèn)為可以極大的解決交通安全的問題。在智能車輛的研究中,主要涉及到以下的幾個(gè)問題:(1)環(huán)境傳感感知:該部分的主要作用是通過傳感器識別車輛周圍的障礙物與環(huán)境,建立車輛周圍環(huán)境的三維場景;(2)軌跡規(guī)劃與決策:該部分主要是在獲得車輛周圍環(huán)境后規(guī)劃與決策出一條最優(yōu)的行駛軌跡;(3)軌跡跟隨控制:該部分主要是通過控制車輛的轉(zhuǎn)向系統(tǒng)以及驅(qū)動制動系統(tǒng)使得車輛按照期望的軌跡行駛,包括了縱向的速度跟隨控制以及側(cè)向的路徑跟隨控制。面對上述問題,本文將結(jié)合課題組的無人車平臺主要對智能車輛的軌跡跟隨控制進(jìn)行研究。在研究的過程中,首先對傳統(tǒng)的基于最優(yōu)預(yù)瞄理論的軌跡跟隨控制方法進(jìn)行了研究。在對車輛動力學(xué)縱橫向解耦的情況下,分別研究了車輛的縱向速度控制與側(cè)向路徑跟隨控制問題。在側(cè)向路徑跟隨控制器的設(shè)計(jì)中,提出了前饋加反饋的最優(yōu)預(yù)瞄控制器。隨后通過仿真驗(yàn)證分析了在不同工況下該算法的有效性。由于該方法無法進(jìn)一步考慮車輛本身與環(huán)境的特性,比如執(zhí)行機(jī)構(gòu)的特性、輪胎與地面的附著特性等,從而使得在極限工況下的跟隨效果變差,甚至導(dǎo)致車輛失穩(wěn)。鑒于此,本文進(jìn)一步研究了基于模型預(yù)測控制(MPC)的軌跡跟隨控制方法。為了比較全面的考慮車輛縱向與側(cè)向之間的相互影響,建立了縱橫向耦合的三自由度車輛動力學(xué)模型�；谠撃Ｐ�,建立了以方向盤轉(zhuǎn)角和縱向加速度為控制輸入的MPC控制器。由于車輛縱向動力學(xué)受車輛側(cè)向動力學(xué)的影響較小,通過單獨(dú)考慮車輛的縱向動力學(xué)建立了速度跟隨控制器。利用縱向速度跟隨控制器計(jì)算出的縱向加速度,在每個(gè)預(yù)測時(shí)域內(nèi)通過將縱向加速度作為已知的控制輸入,從而將多輸入多輸出(MIMO)系統(tǒng)轉(zhuǎn)化為單輸入多輸出(SIMO)的系統(tǒng),優(yōu)化了MPC控制器的設(shè)計(jì)與求解。此外,為了提高M(jìn)PC控制器的求解效率,通過在每一個(gè)預(yù)測時(shí)域內(nèi)對模型進(jìn)行線性化,建立了線性時(shí)變的MPC控制器,從而保證了算法的實(shí)時(shí)性。為了提高車輛在極限工況下軌跡跟隨的穩(wěn)定性,考慮了輪胎側(cè)偏角約束,使得輪胎力始終處于線性區(qū),提高了車輛抗干擾的能力。最后,為了驗(yàn)證所提出的算法的有效性,對MPC控制器進(jìn)行了仿真驗(yàn)證,并對基于最優(yōu)預(yù)瞄理論的軌跡跟隨控制器進(jìn)行了實(shí)車實(shí)驗(yàn)。結(jié)果表明,所提出的控制算法具有較好的控制效果,能夠滿足智能汽車軌跡跟隨控制的要求。
【關(guān)鍵詞】：智能汽車 軌跡跟隨 最優(yōu)預(yù)瞄控制 模型預(yù)測控制
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U463.6
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 緒論11-25
• 1.1 智能汽車的研究背景與研究意義11-13
• 1.2 智能汽車的關(guān)鍵技術(shù)13-15
• 1.3 智能汽車的軌跡跟隨控制的研究現(xiàn)狀15-21
• 1.3.1 基于最優(yōu)預(yù)瞄理論的軌跡跟隨控制方法研究現(xiàn)狀16-18
• 1.3.2 基于模型預(yù)測理論的軌跡跟隨控制方法研究現(xiàn)狀18-21
• 1.3.3 目前存在的問題21
• 1.4 本文的研究內(nèi)容與研究方法21-25
• 第2章 車輛動力學(xué)模型建立25-37
• 2.1 車輛動力學(xué)模型25-31
• 2.1.1 車輛側(cè)向動力學(xué)模型25-28
• 2.1.2 車輛縱向動力學(xué)模型28-29
• 2.1.3 縱橫向耦合的車輛動力學(xué)模型29
• 2.1.4 輪胎模型29-31
• 2.2 幾何車輛模型與車輛位置估計(jì)31-35
• 2.2.1 幾何車輛模型位置估計(jì)原理32-34
• 2.2.2 校園低速工況下車輛位置估計(jì)方法實(shí)驗(yàn)驗(yàn)證34-35
• 2.3 本章小結(jié)35-37
• 第3章 智能汽車軌跡跟隨控制的最優(yōu)預(yù)瞄控制器37-53
• 3.1 軌跡跟隨問題描述37-38
• 3.2 基于最優(yōu)預(yù)瞄理論的側(cè)向路徑跟隨控制38-44
• 3.2.1 基于最優(yōu)預(yù)瞄理論的路徑跟隨前饋控制38-42
• 3.2.2 基于最優(yōu)預(yù)瞄理論的路徑跟隨反饋控制42-44
• 3.3 基于最優(yōu)預(yù)瞄理論的縱向速度跟隨控制44-45
• 3.4 基于預(yù)瞄理論的軌跡跟隨控制算法的仿真結(jié)果分析45-51
• 3.4.1 工況 1：ISO3888標(biāo)準(zhǔn)雙移線工況45-47
• 3.4.2 工況 2：定曲率工況47-49
• 3.4.3 工況 3：緊急避障工況49-51
• 3.5 本章小結(jié)51-53
• 第4章 智能汽車軌跡跟隨控制的MPC控制器53-75
• 4.1 模型預(yù)測控制理論介紹53-54
• 4.1.1 系統(tǒng)模型的可控性53-54
• 4.1.2 系統(tǒng)的可觀性與狀態(tài)估計(jì)54
• 4.2 基于MPC的軌跡跟隨控制算法的開發(fā)54-59
• 4.2.1 基于非線性模型的MPC控制器的設(shè)計(jì)55-56
• 4.2.2 線性時(shí)變的MPC控制器的設(shè)計(jì)56-57
• 4.2.3 基于MPC的軌跡跟隨控制器設(shè)計(jì)57-58
• 4.2.4 考慮車輛穩(wěn)定性的輪胎側(cè)偏角約束58-59
• 4.3 MPC控制器求解59-65
• 4.3.1 MPC的二次規(guī)劃問題求解60-64
• 4.3.2 MPC控制器的約束處理64-65
• 4.4 MPC軌跡跟隨控制算法的仿真驗(yàn)證65-72
• 4.4.1 高附著路面下的緊急避障軌跡跟隨66-67
• 4.4.2 低附著路面下的緊急避障軌跡跟隨67-69
• 4.4.3 低附著路面下帶側(cè)偏角約束的緊急避障軌跡跟隨69-71
• 4.4.4 減速下的緊急避障軌跡跟隨71-72
• 4.5 本章小結(jié)72-75
• 第5章 智能汽車軌跡跟隨實(shí)車實(shí)驗(yàn)75-85
• 5.1 智能汽車實(shí)驗(yàn)驗(yàn)證平臺75-76
• 5.2 智能汽車執(zhí)行機(jī)構(gòu)的改裝以及標(biāo)定76-79
• 5.3 智能汽車軌跡跟隨控制實(shí)車實(shí)驗(yàn)79-81
• 5.3.1 智能汽車縱向速度跟隨控制實(shí)車實(shí)驗(yàn)79
• 5.3.2 智能汽車側(cè)向路徑跟隨控制實(shí)車實(shí)驗(yàn)79-81
• 5.4 基于GPS和離線地圖的智能汽車系統(tǒng)聯(lián)合調(diào)試81-83
• 5.5 本章小結(jié)83-85
• 第6章 全文總結(jié)與展望85-87
• 6.1 全文總結(jié)85-86
• 6.2 工作展望86-87
• 參考文獻(xiàn)87-93
• 作者簡介以及碩士期間的成果93-95
• 致謝95

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 熊和金;智能汽車系統(tǒng)研究的若干問題[J];交通運(yùn)輸工程學(xué)報(bào);2001年02期

2 添藝;智能汽車──21世紀(jì)的新型交通工具[J];汽車工藝與材料;2001年03期

3 ;智能汽車走近你我[J];甘肅科技縱橫;2003年03期

4 高山;;智能汽車指日可待[J];科學(xué)時(shí)代;2003年09期

5 曉魚;形式各異的智能汽車[J];安全與健康;2004年24期

6 田原Z，

本文編號：963972