針對傳統(tǒng)的運輸車輛多尺度協(xié)同躲避方法存在躲避時間較長、準確性較低等問題,提出一種基于物聯(lián)網(wǎng)的離散型運輸車輛多尺度協(xié)同躲避方法。將駕駛員的駕駛經(jīng)驗與模糊控制相結(jié)合,構(gòu)建車輛運動學模型。結(jié)合預(yù)瞄點搜索方法計算出期望的側(cè)向行駛速度。在上述基礎(chǔ)上,利用車輛運動學模型對物聯(lián)網(wǎng)下離散型運輸車輛進行轉(zhuǎn)向控制,使其跟蹤上期望的行駛軌跡,實現(xiàn)離散型運輸車輛多尺度協(xié)同躲避。實驗結(jié)果表明,所提方法能夠快速、準確地躲障運輸過程中的障礙車輛,并且具有較高的實用性。 

【文章來源】：計算機仿真. 2020,37(06)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1 分層結(jié)構(gòu)圖

分別采用所提方法、基于動態(tài)路徑的離散型運輸車輛多尺度協(xié)同躲避方法以及基于改進水滴算法的離散型運輸車輛多尺度協(xié)同躲避方法進行實驗對比,對比不同方法的響應(yīng)時間(min),對比結(jié)果如圖2所示。分析圖2可知,隨著路徑點數(shù)的不斷增加,不同方法多尺度協(xié)同躲避響應(yīng)時間也在不斷發(fā)生變化。所提方法的響應(yīng)時間處于相對穩(wěn)定的狀態(tài),且所提方法相應(yīng)的協(xié)同躲避響應(yīng)時間明顯低于基于動態(tài)路徑的離散型運輸車輛多尺度協(xié)同躲避方法以及基于改進水滴算法的離散型運輸車輛多尺度協(xié)同躲避方法相應(yīng)的協(xié)同躲避響應(yīng)時間。因為本方法在駕駛員的駕駛經(jīng)驗基礎(chǔ)之上,將模糊控制與之相結(jié)合,并由此建立車輛運動學模型。通過預(yù)瞄點搜索方法計算出期望的側(cè)向行駛速度,以此能夠縮短躲避響應(yīng)時間。而基于動態(tài)路徑的離散型運輸車輛多尺度協(xié)同躲避方法需要預(yù)先確定車輛信息以及障礙物信息,并再此基礎(chǔ)上做出路線規(guī)劃,而在獲取信息的過程中就需要很多時間來確定,因此該方法的協(xié)同躲避響應(yīng)時間隨著路徑點數(shù)的增加而增加,無法獲取理想的避障路徑�；诟倪M水滴算法的離散型運輸車輛多尺度協(xié)同躲避方法是通過模擬水流與泥沙相互作用形成的水道機制,采用水道機制進行模擬仿真,在一定程度上限制使用環(huán)境,因此在用于其它環(huán)境下時,會導致該方法無法準確識別障礙物,增加耗時。因此該方法的協(xié)同躲避響應(yīng)時間一直處于十分不穩(wěn)定的狀態(tài),該方法在未來階段需要進行改進。通過實驗數(shù)據(jù)對比可知,所提方法能夠有效提高運輸車輛多尺度協(xié)同躲避效率。

【參考文獻】：
期刊論文
[1]機器人避障路徑規(guī)劃優(yōu)化控制仿真[J]. 張海燕,林志賢,郭太良.  計算機仿真. 2017(09)
[2]自動循跡避障尋光智能小車軟件系統(tǒng)設(shè)計[J]. 郭志超,何愛龍.  新鄉(xiāng)學院學報. 2017(06)
[3]基于單片機的自適應(yīng)避障小車的設(shè)計[J]. 胡海.  微型電腦應(yīng)用. 2017(04)
[4]面向自動駕駛的動態(tài)路徑規(guī)劃避障算法[J]. 周慧子,胡學敏,陳龍,田梅,熊豆.  計算機應(yīng)用. 2017(03)
[5]基于ANSYS的果園避障旋耕機旋耕刀片有限元分析[J]. 李文春,王斌,劉曉麗,畢新勝,曾小輝.  江蘇農(nóng)業(yè)科學. 2017(01)
[6]重力勢能驅(qū)動的自行避障小車設(shè)計與制作[J]. 趙華成,劉武,潘聰華,何理瑞,李增芳.  浙江水利水電學院學報. 2016(06)
[7]基于主從任務(wù)轉(zhuǎn)化的閉環(huán)控制避障算法[J]. 張建華,胡平,張小俊,劉進長,劉璇.  機械工程學報. 2017(01)
[8]基于藍牙的智能小車循跡避障設(shè)計與實現(xiàn)[J]. 李曉娟,王雅慧,秦國慶.  河南科技學院學報(自然科學版). 2016(02)
[9]自行小車避障的設(shè)計與實現(xiàn)[J]. 彭振華,梁凱甲,曾麗.  電腦知識與技術(shù). 2016(12)
[10]基于改進智能水滴算法的汽車避障局部路徑規(guī)劃[J]. 宋曉琳,潘魯彬,曹昊天.  汽車工程. 2016(02)



本文編號：2974908