复杂动态环境下智能汽车局部路径规划与跟踪

发布时间：2023-11-10 18:43

　　近年来,全球汽车保有量日渐增长,交通拥堵、尾气污染、能源紧缺等问题日益严重,人们对环境保护、能源消耗、乘员安全提出了更高的要求,智能汽车成为汽车行业领域的研究热点。局部路径规划与路径跟踪是无人驾驶研究中两个紧密相连的关键技术。针对现有路径规划与跟踪技术无法满足实际环境复杂多变的需求,导致路径规划与路径跟踪失效的问题,本文提出了一种能够在复杂动态环境下实现路径规划与跟踪的规划控制算法。本文主要研究工作如下:(1)针对复杂动态环境下的局部路径规划问题,本文提出了一种基于离散优化方法的智能汽车局部路径规划算法。该算法首先基于全局路径及传感器信息建立了包含车道线、静态障碍物、动态车辆的弯道道路模型;其次基于目标车辆的初始位置与航向角,在s-?曲线坐标系中生成了一组候选路径;最后设计了一种考虑静态安全性、舒适性、多障碍物动态安全性、目标车道、道路占用率的新的代价函数,并对每一条路径进行风险评估,从而选择出最优路径。多种典型工况下的仿真验证了路径规划算法在复杂动态环境下的有效性与实时性。(2)针对智能汽车路径跟踪横向控制问题,设计了基于分数阶PID控制算法的路径跟踪控制器。该算法基于预瞄理论,以期...

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 路径规划研究现状
        1.2.2 路径跟踪研究现状
        1.2.3 智能车辆路径规划与路径跟踪横向控制研究中的问题
    1.3 论文主要研究内容与章节安排
2 基于离散优化方法的智能汽车局部路径规划
    2.1 离散优化算法框架
    2.2 道路环境构造
        2.2.1 道路基准线
        2.2.2 s-ρ曲线坐标系下的车辆定位
        2.2.3 交通参与车辆定义
    2.3 候选路径生成
    2.4 基于代价函数选择最优路径
        2.4.1 考虑静态避障安全的代价函数
        2.4.2 考虑舒适性的代价函数
        2.4.3 考虑动态避障安全的代价函数
        2.4.4 考虑行驶在目标车道中心的代价函数
        2.4.5 考虑道路占用率的代价函数
        2.4.6 最优路径选择的总代价函数
    2.5 仿真分析
        2.5.1 静态障碍物避障
        2.5.2 动态障碍物避障
    2.6 本章小结
3 基于粒子群优化的分数阶PID路径跟踪
    3.1 基于预瞄理论的智能车路径跟踪
    3.2 车辆二自由度动力学模型
    3.3 分数阶PID控制
        3.3.1 分数阶微积分理论
        3.3.2 分数阶PID控制器设计
        3.3.3 分数阶微积分算子的近似
    3.4 基于粒子群算法的分数阶PID控制器参数整定
        3.4.1 粒子群优化算法理论
        3.4.2 分数阶PID控制器参数整定
    3.5 仿真分析
        3.5.1 阶跃响应分析
        3.5.2 Carsim/Simulink联合仿真
    3.6 本章小结
4 局部路径规划与跟踪联合仿真
    4.1 仿真平台概述
    4.2 仿真结果
        4.2.1 静态工况仿真
        4.2.2 动态工况仿真
    4.3 本章小结
5 结论与展望
    5.1 研究工作总结
    5.2 工作展望
参考文献
附录
    A作者在攻读学位期间发表的论文
    B作者在攻读学位期间参与的科研项目
    C学位论文数据集
致谢



本文编号：3862111