原文传递
城市道路场景下车辆编队运动规划与控制算法研究
| 论文题名： | 城市道路场景下车辆编队运动规划与控制算法研究 |
| 关键词： | 智能网联汽车;车辆编队;路径规划;速度规划;模型预测控制;车联网 |
| 摘要： | 随着车联网技术的发展，涌现出了车路协同、多车协同以及自动驾驶等多项汽车智能化技术。智能网联汽车编队在城市道路场景下有着良好的应用前景，通过车联网通信能够获取更多的感知信息，车辆编队能够提高城市道路通行效率，保证行车安全，避免发生追尾事故。本文主要研究城市道路场景下的车辆编队运动规划与控制算法，采用规划和控制分层的框架，主要的研究内容如下： 设计了基于双模式策略车辆编队运动规划算法。开发了编队车辆的路径规划算法，根据前车的历史轨迹点构建出前车历史路径，并将其平滑处理，作为编队车辆的参考路径。编队车辆根据道路和障碍物边界生成路径边界，通过横纵向采样的方式生成候选路径，设计目标代价函数筛选出一条最优路径。开发了编队车辆的速度规划算法，根据不同的场景设计编队巡航和编队避障双模式策略，建立安全风险等级并进行安全风险评估，如果不存在安全风险，则进入编队巡航模式，保持稳定的车间距编队行驶；如果存在安全风险，则进入编队避障模式，规划出安全的路径，保证编队车辆不与周围障碍物发生碰撞，当安全风险解除后，则会再次进入编队巡航模式。基于离线数据包，对前车历史路径平滑算法、路径规划算法以及速度规划算法进行初步验证，结果表明生成的轨迹平滑性、舒适性较好。 设计了车辆编队控制算法。所有参与编队的车辆都使用单独的控制模块，车辆底层控制用于跟踪规划算法生成的期望轨迹，跟踪控制采用横纵向解耦的思路。设计基于模型预测控制（ModelPredictiveControl，MPC）的横向控制算法，根据车辆横向动力学构建预测模型，并把预测模型线性化、离散化、增量化，设计横向控制的目标代价函数，并约束控制输入和模型输出。纵向分层控制主要是实现对期望轨迹的速度跟踪，首先是根据动态预瞄距离选取预瞄点；接着设计基于速度反馈的PID上层控制器，输出期望加速度；下层控制器会把期望加速度转化为驱动扭矩或制动压力。 设计了车辆编队算法仿真实验与实车实验。搭建PreScan+SimuLink+CarSim仿真平台，构建直道、弯道、环岛等城市道路场景，验证编队规划控制算法。最后搭建了红旗EHS9实车平台，分别在直道和弯道场景下完成编队测试，根据速度、加速度、车间距等指标来分析评价车辆编队的性能，仿真实验和实车实验结果都验证了编队算法的有效性。 |
| 作者： | 孙亮亮 |
| 专业： | 车辆工程 |
| 导师： | 胡宏宇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
