原文传递
复杂场景下无人驾驶车辆智能规划与控制研究
| 论文题名： | 复杂场景下无人驾驶车辆智能规划与控制研究 |
| 关键词： | 无人驾驶车辆;智能规划;高斯伪谱法;事件触发;容积卡尔曼滤波;自抗扰控制 |
| 摘要： | 近年来，随着汽车的普及，由人为因素导致的道路交通事故以及交通拥堵现象越来越严重，对智能交通系统的研究需求迫在眉睫。无人驾驶车辆作为智能交通系统的核心，已经受到了学术界的广泛关注。本文针对超车场景和交叉路口场景，对无人驾驶车辆的轨迹规划和轨迹跟踪算法展开了研究。 首先，本文设计了超车场景中无人驾驶车辆的轨迹规划和轨迹跟踪策略。考虑控制输入、避障等多种约束，采用高斯伪谱法规划超车轨迹，并提出了变时域模型预测控制算法对轨迹进行跟踪。在跟踪控制中，首先使用遗传算法辨识轮胎模型参数，得到精确的车辆动力学模型，然后通过计算状态曲线的曲率判断曲线的平滑程度。对于平滑区段，选取较短的预测时域以降低计算量；对于非平滑区段，选取较长的预测时域以提高控制精度。最后，实现了Matlab与CarSim软件的联合仿真，结果表明该算法能够有效提高控制精度，并大幅度减少了计算时间。 然后，考虑障碍车状态已知的情况，完成交叉路口处无人驾驶车辆的轨迹规划。文中首先介绍了传统的Q学习算法，通过选取与实际驾驶场景相符的马尔科夫决策过程的状态、动作和回报函数，实现轨迹的规划。然后设计了基于事件触发的模型预测自适应动态规划算法，在评价模块，将无限时域目标函数在有限预测时域内进行堆叠，并设计参数逼近器对堆叠指标函数进行逼近；在执行模块，结合目标函数逼近结果求解优化问题，得到最优控制量。最后设计了三种事件触发条件以减轻计算负担。Matlab软件的仿真结果证明了算法的有效性和快速性。 最后，考虑障碍车状态未知的情况，对交叉路口中无人驾驶车辆的轨迹预测和轨迹跟踪算法进行了研究。首先采用容积卡尔曼滤波对障碍车的状态进行估计，随后考虑状态估计结果和运动学模型，设计误差修正策略对障碍车在预测时域内的轨迹和速度进行预测，然后使用基于事件触发的模型预测自适应动态规划算法，结合预测信息对轨迹进行规划，并在Matlab软件上验证了算法的有效性。最后，考虑车辆动力学模型，采用基于模型动态解耦的自抗扰控制算法进行轨迹跟踪，并在Matlab与CarSim联合仿真环境下对算法进行了验证。 |
| 作者： | 赵凌雪 |
| 专业： | 控制科学与工程 |
| 导师： | 胡超芳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
