论文部分内容阅读
滑动转向车辆通过调节左右两侧速度变化实现航向改变,由于其具有机械结构简单、机动性和通过性强等优点,在农业、军事、林业、煤矿及火星探测等领域得到广泛应用。在自动驾驶车辆的局部路径规划中,需要根据车辆模型预测车辆行驶轨迹,然而由于滑动转向车辆的滑动转向特性,准确的预测未来一段时间内的行驶轨迹变得非常困难。因此研究滑动参数的估计及其对车辆运动的影响对于实现滑动转向车辆的无人驾驶具有重要的理论及现实意义。本文针对基于滑动参数估计的滑动转向车辆轨迹预测进行了研究。在深入分析滑动转向车辆转向运动学及动力学特性的基础上,提出了一种基于瞬时转向中心的运动学建模方法。通过将车辆运动微分方程在参考轨迹上线性化,建立了线性时变扰动矩阵微分方程,并基于线性控制理论推导了轨迹误差的闭式解析解。根据轨迹误差的闭式解析解,进一步分析了基于协方差矩阵的车辆相对位姿非系统误差。随后采用基于Levenberg-Marquardt算法的非线性最小二乘法和扩展卡尔曼滤波方法实时估计滑动参数并根据给定的控制量序列预测未来一段时间内的轨迹,然后通过仿真实验进行了算法性能分析。通过仿真实验发现,尽管基于L-M算法估计的滑动参数不一定收敛于全局最优点,但是利用该方法预测的轨迹误差比利用传统方法预测的误差有较大幅度的减小;利用扩展卡尔曼滤波器估计的滑动参数能够迅速收敛于真值,从而使预测的车辆行驶轨迹误差大幅减小,同时仿真结果表明当使用较低采样频率的传感器时,本文所用的通过对运动微分方程积分估计滑动参数的方法明显优于传统方法。最后分别基于履带车辆平台和6×6轮式车辆平台两种滑动转向车辆对两种算法进行了实车验证。结果表明,相比于传统方法,利用基于L-M方法计算的滑动参数进行轨迹预测,能够显著降低预测误差,对于履带车辆,误差减少率在40%以上;对于6×6轮式车辆,误差减少率在60%左右。利用扩展卡尔曼滤波算法估计滑动参数并预测行驶轨迹时,相比于忽略车辆滑动时,履带车辆的距离误差和航向误差减少率分别为76.5%和74.4%;6×6轮式车辆的距离误差和航向误差减少率分别为86.6%和90.6%。