原文传递
基于自适应MPC智能车辆避障规划与运动控制研究
| 论文题名： | 基于自适应MPC智能车辆避障规划与运动控制研究 |
| 关键词： | 自动驾驶;避障规划;运动控制;模型预测控制;自适应模糊神经网络 |
| 摘要： | 近年来，自动驾驶已经成为学术界和工业界的热门话题，被认为是提高驾驶安全性和道路交通效率的解决方案之一，并随着汽车智能化的高速发展，自动驾驶正在逐渐进入大众的视野。自动驾驶车辆主要包含环境感知、行为决策、路径规划、路径跟踪等模块，而其最重要的任务就是融合周围行车环境做出正确的行为决策，并由规划层输出一条最佳的避障路径，最后由底层控制模块完成横纵向的跟踪任务。自动驾驶运动控制是避障的关键技术之一，是决定避障任务能否顺利完成的重头戏；目前，随着自动驾驶场景越来越复杂，对运动控制层的相应要求也越来越高。因此，本文针对自动驾驶高速避障场景下的规划与跟踪精度不足和稳定性差的问题进行了研究，具体内容包括： 第一部分为横向路径跟踪控制。基于模型预测控制(MPC)理论，设计了基于车辆动力学的路径跟踪控制器。首先，为了提高模型预测控制器在不同工况下的适应性，采用标准粒子群算法离线寻优时域参数,得到不同车速、不同附着系数下的最佳时域数据集，并通过自适应模糊神经网络在线优化；其次，为了防止模型预测控制器发生模型失配，设计了轮胎侧偏刚度估计算法，并添加了侧偏角软约束，以进一步提高控制器的跟踪精度和行驶稳定性；最后，为了解决二次规划求解精度不足的问题，提出了一种带有动态权重和惩罚函数的改进粒子群算法。 第二部分为纵向速度跟踪控制。采用分层控制的思想，上层控制器可以根据车辆的实际速度和参考速度得到期望的纵向加速度；下层控制器通过油门/刹车切换逻辑、逆纵向动力学模型以及发动机标定表得到具体的节气门开度和制动踏板开度。 第三部分为横纵向综合控制。由于横纵向控制具有很强的耦合度，以车速为综合控制点，结合期望路径的曲率信息，进行期望速度规划，遵循入弯减速、出弯加速的原则，且不能超过侧滑、侧翻的安全车速。 第四部分为避障规划与跟踪控制。首先，结合人工势场法的思想对车辆周围风险场进行建模；其次，将势场函数加入到目标函数当中，利用模型预测控制中的预测功能规划出未来时刻一系列无碰撞点，并通过五次多项式进行曲线拟合；最后，避障规划层输出路径信息给运动控制层，由横纵向综合控制器完成速度和路径的跟踪。 最后，通过动静态障碍物避障仿真实验，验证了避障规划和运动控制算法的有效性和实时性。 |
| 作者： | 严德海 |
| 专业： | 车辆工程 |
| 导师： | 欧健 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
