随着社会的发展与科技的进步,智能化已成为车辆发展的主要方向。智能车辆是一个集中应用计算机技术、通讯技术、传感技术、人工智能与自动控制等技术的综合体,其核心包括环境感知、路径规划和车辆运动控制等三大模块。本文对智能车辆在全局静态和局部动态环境下的路径规划方法展开研究,得到路径规划结果,并对所得路径进行跟踪控制。首先,基于粒子群算法对智能车辆进行全局静态路径规划。为了满足车辆路径规划的实时性和安全性要求,提出一种非线性惯性权重和线性学习因子相结合的方法对粒子群算法进行改进,通过一种对比适应度值的避障策略处理路径与障碍物的碰撞问题,完成全局路径搜索。相比传统的粒子群算法,改进粒子群算法得到的路径更短,实时性更好,且规划成功率更高。其次,为实现动态环境的安全避障,采用改进人工势场法对智能车辆进行局部动态路径规划。对障碍物边界离散化处理解决避障的安全性问题,添加随机逃逸力解决传统人工势场法容易陷入局部极小问题,考虑障碍物的速度和加速度解决传统人工势场法不适于进行动态路径规划的问题。仿真实验结果表明改进人工势场法可得到安全且实时性好的局部避障路径。最后,采用联合仿真技术对上述规划路径进行路径跟踪控制。建立了车辆的运动学模型,根据横向偏差和角度偏差设计了智能车辆的偏航角速度模糊控制器。通过ADAMS/Simulink联合仿真对前文所得路径进行跟踪,仿真实验表明车辆模型可有效跟踪目标路径。本文旨在对智能车辆的路径规划方法进行研究,所得结论可对智能车辆的实际应用提供一定的参考。