原文传递
基于仿熟练驾驶人转向操作特性的无人车转向系统控制模型研究
| 论文题名： | 基于仿熟练驾驶人转向操作特性的无人车转向系统控制模型研究 |
| 关键词： | 无人车;转向控制;熟练驾驶人;神经网络;轨迹预测;目标跟踪 |
| 摘要： | 随着车辆智能化水平的不断提升，智能驾驶车辆使人们的出行变得更加方便快捷，但是由于环境路况较为复杂，双车道左转弯及U型弯的单个车道较窄和转向的角度较大，易出现转向不稳定的情况，而且目前无人车在上述两种路况以传统模型得到的预测轨迹与实际轨迹偏差较大。因此，为了改善无人车在进行转向行驶时的准确性和稳定性，本文建立一种基于LSTM-BP的转向轨迹预测模型，实现在双车道左转弯及U型弯处的轨迹预测，以提高无人车在这两种典型工况下行驶的准确性和稳定性，本文的研究成果可以为进一步提升无人车在转向时的操纵稳定性和精确性提供新的思路和理论依据。 首先，基于G29驾驶模拟器搭建仿真实验平台，招募不同年龄性别的熟练驾驶人，采集其在左转弯和U型弯这两种工况下的轨迹坐标等参数数据信息；针对以上工况下对行驶轨迹产生影响的因素，深入分析熟练驾驶人的转向操纵特征，即通过分析行驶轨迹和数据变化趋势相关程度，得到了熟练驾驶人在左转弯和U型弯时的定性驾驶特征；并基于对以上数据建立转向参数数据库，作为本文设计仿熟练驾驶人转向轨迹预测模型的基础。 其次，基于熟练驾驶人转向轨迹对应的数据特点进行建立转向轨迹预测模型，采用长短期记忆（LongShort-TermMemory，LSTM）神经网络结合BP（BackPropagation）神经网络作为仿人转向轨迹预测的组合模型，通过控制变量对比分析法来对其关键参数进行分析与选择，以及模型的优劣程度能够通过均方误差（MeanSquaredError，MSE）和平均绝对误差（MeanAbsoluteError，MAE）等指标进行体现，从而实现对左转向和U型弯的轨迹预测及评价。实验结果表明，基于LSTM-BP的转向轨迹组合预测模型相比于单一的LSTM或BP网络模型，本文模型的预测轨迹与实际轨迹之间的误差更小，具有更高的预测精度。 然后，为了对基于熟练驾驶人的操作特征搭建的LSTM-BP神经网络仿人轨迹预测模型的有效性进行验证，先进行设计LQR控制算法，将基于熟练驾驶人的行驶轨迹当作参考轨迹，以及在CarSim中进行车辆动力学模型的搭建，并联合MATLAB/Simulink设计进行轨迹跟踪的LQR跟踪控制模型，进行MATLAB/Simulink和CarSim的仿真，并与纯跟踪控制进行对比分析。通过仿真实验，验证了本文所建立跟踪控制模型的可行性和准确性。 最后，针对无人车左转弯和U型弯工况进行设计仿真场景，搭建基于PreScan、CarSim和Simulink的联合仿真平台，对本文提出的基于LSTM-BP的轨迹预测模型和LQR轨迹跟踪控制模型结合的可行性和有效性进行验证分析。通过对以上两种工况的仿真实验，验证得本文的轨迹预测模型和跟踪控制模型准确率较高。 |
| 作者： | 彭永康 |
| 专业： | 车辆工程 |
| 导师： | 杨炜 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
