详情

原文传递智能车辆轨迹跟踪系统的设计与研究

论文题名：	智能车辆轨迹跟踪系统的设计与研究
关键词：	智能车辆;轨迹跟踪;高精度定位;LQR控制
摘要：	智能车辆轨迹跟踪系统是智能驾驶技术的关键环节。精确的轨迹跟踪是保证车辆正确行驶在所规划路径上的先决条件，已经成为汽车工业领域公认的实现无人驾驶的核心技术。本文对智能车辆轨迹跟踪系统进行了设计和研究，搭建了硬件平台以及设计了软件架构，最后进行了实车实验，验证了系统的可行性。本文的主要研究内容如下：　　搭建了整个系统的硬件平台。选用高精度组合导航设备INS-550D作为环境感知设备，分析其数据传输协议，采集车辆的位置和姿态数据；选用EPC-P30X6型工控机作为数据处理和决策单元，搭载ROS（RobotOperatingSystem）系统，对车辆定位信息进行处理并根据参考轨迹进行任务决策，搭建了整个系统的软件架构；此外，选择改装线控底盘车辆作为执行机构，对其CAN（ControllerAreaNetwork）报文协议进行解析，实现了决策单元与执行机构的数据传输，从而实现轨迹跟踪控制。　　采用“感知—规划—决策—执行”这一思路设计了整个系统的软件架构，将其分为定位信息采集、数据处理、任务决策和车辆平台控制四个子系统。采用动态参数配置的方式完成了系统全局变量的设置；设计了数据的接收与解析、封装与发布模块，实现了组合导航设备数据向决策单元的数据传输；采用高斯投影的方式，实现了车辆定位数据从经纬高LLA（LatitudeLongitudeAltitude）坐标系向自定义平面直角坐标系的转换；设计数据保存节点，将车辆行驶状态数据保存至csv文件中，建立目标轨迹地图；通过对三种数据插值方式的对比分析，选用三次样条插值方法对录制的轨迹数据进行处理，并设计了一种等距重采样方法进行了轨迹的优化，从而保证参考轨迹的准确性和实用性。　　基于车辆运动学模型、现代控制理论及智能优化算法，深入地分析和研究了基于几何学的纯追踪算法和斯坦利控制算法以及基于模型的LQR（LinearQuadraticRegulator）和MPC（ModelPredictiveControl）控制算法。选用车辆实际行驶过程中常见的“S”型弯道和双移线工况进行了仿真实验对比，设计了一种基于粒子群算法（PSO，ParticleSwarmOptimization）优化的LQR控制方法（PSO-LQR）作为车辆的任务决策单元，实时地接收车辆定位信息和运行状态数据，求解车辆的转角和速度，并输出控制信号。通过SocketCAN接口，将控制指令输出至线控底盘车辆，实现了智能车辆的轨迹跟踪控制功能。　　完成了实车实验验证。设计了车辆横纵向跟踪能力测试实验，确定了控制算法所需的控制量约束和控制增量约束条件。根据搭建的硬件平台进行了参考轨迹录制和轨迹跟踪的实验，采集实验数据并分析，进行了参考轨迹和跟踪轨迹的综合对比，对系统航向角和速度输出以及横向误差进行了分析。验证了所设计的智能车辆轨迹跟踪系统具有一定的准确性、实时性和稳定性，能够满足车辆在良好路面低速行驶工况下自主循迹的基本要求。
作者：	高越
专业：	车辆工程
导师：	仝秋红
授予学位：	硕士
授予学位单位：	长安大学
学位年度：	2022