详情

原文传递基于分段优化的避障轨迹规划与模糊前馈LQR轨迹跟踪控制

论文题名：	基于分段优化的避障轨迹规划与模糊前馈LQR轨迹跟踪控制
关键词：	智能汽车;轨迹规划;轨迹跟踪控制;分段优化
摘要：	随着汽车保有量的不断增加，交通拥堵与交通安全等问题日益突出。为了从根本上减少汽车交通事故、缓解交通压力，并提升车辆驾乘体验，世界各国都在争相研制能够安全、舒适、高效地完成驾驶任务的智能驾驶车辆。针对当前阶段智能驾驶车辆存在的规划效率低、决策不合理以及轨迹跟踪控制自调整能力不足等问题，本文综合考虑车辆行驶的横向、纵向、时间三个维度对车辆行驶轨迹进行决策规划，另外基于分散式控制框架分别设计了横、纵向控制器实现车辆的轨迹跟踪。主要研究内容如下：　　（1）分析了基于模型的轨迹跟踪控制器主要涉及的车辆自由度，搭建了控制器参考动力学模型以及被控车辆模型；基于魔术公式搭建了轮胎模型，并在忽略车辆载荷转移的条件下将轮胎模型进行了线性化处理；分别建立了单轨车辆动力学模型和车辆逆纵向动力学模型，为车辆轨迹跟踪控制器提供参考模型；介绍了LQR控制的工作原理，并运用拉格朗日乘子法对LQR问题进行了求解，为轨迹跟踪控制器设计提供理论支撑。　　（2）设定直线道路场景，分析了车辆主动避障存在的多种可能性，考虑到采样点过多会导致维度爆炸的问题，分别对横向、纵向和时间三个维度进行了规则离散采样以避免采样的盲目性；基于五次多项式拟合出所有可能的避障候选轨迹；根据道路边界、车速、加速度、曲率、路面附着等车辆稳定行驶条件，对候选轨迹进行筛选以确保轨迹的可行性；为了保证避障决策的合理性，综合轨迹的舒适性、效率、安全性以及利他性建立了避障评价指标，由此选取出最优的避障参考轨迹；基于避障参考轨迹求解无碰撞可行凸空间，利用二次规划对轨迹进行了平滑处理，仿真结果表明算法可以完成无碰撞避障，且轨迹曲率以及加速度等均控制在较为合理区间，确保了车辆的行驶稳定性。　　（3）为了简化控制器设计和提升轨迹跟踪精度，对车辆运动关系进行解耦，分别得到横向误差模型和纵向误差模型并进行离散化处理；为了消除横向跟踪误差，设计了基于LQR的横向跟踪控制器，针对横向路径干扰的影响，引入了前馈控制量使得横向稳态误差收敛为0，为进一步提高控制精度设计了模糊控制器动态调整LQR权重矩阵；为了消除纵向跟踪误差，设计了基于LQR控制的纵向跟踪控制器；基于Carsim/Simulink仿真平台，首先验证了横向跟踪控制器，相较于LQR、前馈LQR，模糊前馈LQR在跟踪精度上有较大提升，跟踪精度与MPC相当，但运算速度提升了约3倍；其次验证了纵向跟踪控制器，相较于PID在跟踪精度上有较大提升；最后验证了联合横纵向的轨迹跟踪控制器，相较于PID，本文设计的控制方法在控制响应速度和控制精度方面都有较大提升。　　（4）基于Carsim/Simulink平台搭建了道路、障碍车辆、传感器等仿真测试环境，联合轨迹规划与轨迹跟踪控制算法在线验证避障效果；在静态避障工况和动态避障工况下，智能驾驶车辆的最大碰撞风险值分别为0.4和0.45，均小于0.6，说明主车在避障过程中无碰撞风险，且主车的横摆角速度与车辆加速度均远小于边界值，说明具有较高的避障稳定性；最后搭建了HiL测试系统，用于验证轨迹跟踪算法的有效性，结果表明，HiL测试相较于仿真结果跟踪误差稍有增加，但基本保持一致，验证了算法的可行性。
作者：	许占祥
专业：	车辆工程
导师：	唐斌
授予学位：	硕士
授予学位单位：	江苏大学
学位年度：	2022