论文部分内容阅读
随着互联网、大数据、通信技术和人工智能的深入推进,现代社会正在加速迈向智能化,自动驾驶技术正借着这股浪潮快速发展,这将对解决当前的交通拥堵和交通安全问题发挥重要的作用。轨迹跟踪控制作为自动驾驶车辆的关键技术之一,是确保车辆在复杂多变的道路环境中安全有效行驶的基础。为了满足更高级别自动驾驶的要求,轨迹跟踪控制的精度和平稳性需要进一步提高,这不仅需要对更有效的控制算法展开研究,还需要高精度定位系统的支持。在此背景下,本课题根据现有条件提出了基于GPS/INS车载组合导航技术的自动驾驶轨迹跟踪控制算法研究,最终实现了试验车对期望参考轨迹的准确稳定跟随。本文的主要研究内容包括:(1)本文对传统的基于模型预测控制(Model Predictive Control,MPC)的侧向运动控制算法进行了改进。在建立的车路位姿误差动态方程基础上,提出了一种考虑侧向位移预瞄的预测模型,这使得MPC侧向运动控制器仅用原来一半的预测时域就可以近似实现等效的预瞄时间,从而能够有效的降低计算量,提高算法的实时性。此外,在设计MPC侧向运动控制器的过程中,一方面借鉴了最优预瞄控制的思想,充分利用了未来的期望路径信息。另一方面,通过将车辆的稳态转向转角作为参考控制输入引入代价函数,实现了前馈控制的效果,从而提高了路径跟踪精度。(2)为了在轨迹跟踪控制中达到各路径点相应的期望车速,本文设计了车辆纵向运动分层控制算法,包括一个基于车辆逆模型的底层加速度控制器和在此基础之上设计的滚动时域线性二次型车速跟踪控制器,它通过动态规划的方法反向迭代求解控制率,相较于等效的无约束MPC输出跟踪控制器在节省计算资源方面具有一定的优势。此外,本文还设计了纵侧向协调策略,基于模糊逻辑融入了驾驶员的经验和知识,使得MPC侧向运动控制器的预瞄时间能够根据当前车速以及道路曲率等因素的变化做出相应的动态调整,从而有效保证了复杂工况下轨迹跟踪控制效果。(3)为了稳定可靠地为轨迹跟踪控制算法提供必要的车辆位置姿态等信息,本文设计了一种考虑车辆特性的组合导航定位算法。它使用误差状态卡尔曼滤波算法对全球定位系统和惯性导航系统的数据进行松耦合,并且通过设计观测方程充分利用在CAN总线上所获取的车速信息以及车辆在运动过程中受到的非完整约束来抑制定位误差的累积。此外,在卫星信号较长时间中断的极限场景下,通过建立基于车辆动力学的航迹推算模型并且使用扩展卡尔曼滤波算法进行多传感器数据融合,有效地提高了的组合导航定位系统的可用性。(4)本文基于某国产SUV车型搭建了实车试验平台,开发了试验车底盘线控算法,并针对实车实验中遇到的问题做出了相应的算法改进,包括对转向系统滞后性的补偿以及对参考路径点搜索算法的优化,最后通过实车试验验证了本文提出的基于GPS/INS车载组合导航技术的自动驾驶轨迹跟踪控制算法的有效性。