无人驾驶汽车的路径规划与跟随控制算法案例

更新时间：2024-03-23 17:46:27 大小：12M 上传用户：sun2152 查看TA发布的资源 标签：无人驾驶汽车路径规划 下载积分：2分评价赚积分（如何评价?）收藏评论(0) 举报

资料介绍

(1)针对原智能水滴算法在规划路径时存在路径曲折、计算时间长的缺点，本文分别对原算法的概率选择策略和泥沙变量的更新机制做出了改进。将改进后的智能水滴算法与其他群落算法的规划结果进行对比，结果表明改进后水滴算法规划的路径质量得到提高，规划效率也得到提升。 (2)为实现汽车自动跟随路径的功能，本文运用多点预瞄与滚动优化相结合的模型预测控制算法设计了汽车的跟随转向控制模型。在双移线工况下进行了多组速度的跟随实验，结果表明该控制器跟随路径的误差小，对速度的适应性强。与Carsim控制器的跟随结果相比，其跟随效果更好。 (3)汽车定速巡航模式下突然转向时，汽车将有可能发生失稳的情况。为此，本文基于多点预瞄的思想实现了自适应的速度规划功能。该方法可实时预测出前方的上限速度，运用二次规划计算出自适应的目标速度。并通过评价函数的最优化，实现对目标速度的跟随控制。双移线工况仿真实验的结果表明该速度控制算法能够有效控制汽车避开危险速度区域，从而提高行驶安全性。 (4)为了验证模型预测转向控制与自适应速度控制综合控制汽车行驶的可行性，在绕桩测试的多弯道工况中进行了汽车综合控制的仿真实验。实验结果表明汽车在跟随路径的过程中实现了自适应的速度控制，提高了行驶的安全性。路径规划是指在模型化的环境中按照一定的评价标准规划出一条从起始状态到目标状态的可行路径。根据对环境信息的把握程度可分为两类：基于环境信息已知的全局路径规划，又称为静态规划或离散规划；基于传感器信息的局部路径规划，又称为动态规划或在线规划。两者的主要区别在于，前者在规划时是没有考虑环境的现场约束，例如障碍物的形状位置，道路的宽度，道路的曲率半径等。局部路径规划通过传感器设备实时获取周围环境信息，除了周围障碍物的形状位置信息与道路的形状信息外，还包括交通信号、车辆自身的行驶状态等。路径规划的核心就是算法的设计，从传统的算法到智能算法，路径规划技术得到了极大的发展。目前，路径规划的方法有很多，根据其不同的特点，分为传统算法、图形学算法以及智能仿生算法。