原文传递
无人驾驶车辆的路径规划算法与轨迹跟踪控制研究
| 论文题名： | 无人驾驶车辆的路径规划算法与轨迹跟踪控制研究 |
| 关键词： | 无人驾驶车辆;路径规划;轨迹跟踪;模型预测控制;强化学习 |
| 摘要： | 无人驾驶车辆在缓解交通拥堵、提升驾驶安全性以及减少污染等方面展现出巨大的优势。而路径规划算法以及轨迹跟踪控制技术的研究则是实现车辆无人驾驶的关键技术。为了提升无人驾驶车辆路径规划和轨迹跟踪控制的性能，本文主要进行了以下几个方面的研究： 首先建立无人驾驶车辆的模型，分别是车辆的点质量模型、车辆动力学模型以及魔术公式轮胎模型。 针对车辆在复杂环境中的路径规划难以得到较优的路径的问题，提出了一种基于马尔可夫过程的Q-learning改进算法。该算法更新了传统Q-learning算法中的Q值公式并且运用稀疏奖励算法中的奖励塑造对奖励函数的设置进行改进，很好地解决了Q-learning算法中收敛速度慢，迭代次数多以及由于实际问题中奖励信号稀疏导致的稀疏奖励问题。仿真实验表明，改进算法在经过较少的迭代次数后，使车辆能够快速规划出到达目标位置的最优路径，并且顺利避开障碍物。 针对无人驾驶车辆在行驶过程中的轨迹跟踪控制存在较大误差的问题，设计线性时变模型预测控制（LTVMPC）器，引入了输出量和轨迹误差约束。为了避免硬约束条件导致滚动优化的过程无可行解，在目标函数中引入松弛因子向量扩展求解可行域，之后将LTVMPC优化问题转化为在线二次规划求解问题。采用Matlab/Simulink和汽车动力学仿真软件Carsim设计联合仿真，结果表明，该方法能够适应不同车速工况下跟踪双移线轨迹，并且跟踪精度和车辆稳定性都有明显提升。 针对轨迹跟踪控制难以适用于障碍物环境的问题，结合强化学习算法，在轨迹跟踪层上建立了轨迹规划层，设计了具有自主避障功能的双层轨迹跟踪控制器，实现了车辆在轨迹跟踪行驶过程中的自主避障功能。采用 Matlab/Simulink 和汽车动力学仿真软件 Carsim设计联合仿真，结果表明，该方法能够成功地实现自主避障并且具有良好的跟踪效果。 |
| 作者： | 刘俊威 |
| 专业： | 模式识别与智能系统 |
| 导师： | 张爱华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 渤海大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
