原文传递
自动驾驶汽车避障轨迹规划与跟踪控制研究
| 论文题名： | 自动驾驶汽车避障轨迹规划与跟踪控制研究 |
| 关键词： | 自动驾驶汽车;避障系统;轨迹规划;跟踪控制;滑模控制 |
| 摘要： | 随着世界经济与科技的快速发展，智能化时代拉开序幕，自动驾驶技术的发展和应用也备受人们的关注。其中轨迹规划和跟踪控制作为自动驾驶的关键技术，决定着自动驾驶汽车在行驶过程中的安全性和稳定性。针对规划安全性和控制鲁棒性等问题，进行自动驾驶汽车结构化道路避障轨迹规划及轨迹跟踪控制算法研究，能够有效提高自动驾驶汽车的避障系统性能。本文具体研究内容包括以下几个方面： （1）局部避障轨迹规划。针对自动驾驶汽车避障轨迹规划问题，将轨迹规划分为路径规划和速度规划两个子问题进行了研究。路径规划主要用于躲避静态障碍物，本文基于贝塞尔曲线设计了满足车辆动力学、始末状态和舒适性等约束的局部换道避障路径簇，并采用多目标评价函数筛选出最优换道路径。速度规划主要用于躲避动态障碍车辆，本文基于S-T图将障碍车辆与自车运动关系进行描述，将速度规划问题转化为在S-T图中的路径规划问题，采用贝塞尔曲线进行速度初规划，并利用二次规划方法对初规划速度进行优化，使其满足车辆初始速度和加速度约束。最后通过仿真验证了避障轨迹规划算法的有效性。 （2）轨迹跟踪控制。为降低系统建模难度，提高控制器性能，将轨迹跟踪控制解耦为横向控制和纵向控制，并分别进行了研究。对于横向控制，基于滑模控制算法设计了两种横向跟踪控制器。首先，建立了考虑道路曲率的车辆跟踪误差模型，基于此模型设计了等效滑模控制器，滑模面设计为包含两个子滑模面的加权滑模面，通过指数趋近律推导出前轮转角控制量，利用双曲正切函数代替符号函数有效降低控制律的抖动。然后，针对车辆在未知环境下存在不确定性干扰而造成的车辆跟踪效果差等问题，建立含不确定项的车辆跟踪误差模型，并基于RBF神经网络对不确定项进行预估补偿，以此设计了基于RBF神经网络的滑模控制器，有效提高了控制器的跟踪精度和鲁棒性。对于纵向控制，首先，基于双闭环PID算法设计了上位控制器，计算出加速度控制量，然后，基于逆纵向动力学模型和切换逻辑设计了下位控制器，以此计算出节气门开度和制动压力，实现了纵向跟踪控制。最后，通过仿真验证了所设计的横、纵向控制算法的有效性。 （3）轨迹规划与跟踪控制联合仿真。基于Simulink-CarSim联合仿真平台，设计了联合仿真模型，用以对本文所研究的轨迹规划与跟踪控制算法进行综合性能仿真验证。结果表明：所设计的算法能够很好的实现自动驾驶汽车的避障功能。 |
| 作者： | 化祖旭 |
| 专业： | 车辆工程 |
| 导师： | 李伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
