关键词:
观光车
避障路径规划
路径跟踪
自适应控制
摘要:
无人驾驶技术是当前备受关注的技术之一,其应用不仅可以有效地解决交通拥堵问题,还可以提高交通安全性,促进交通产业升级。但是,由于技术不完善,相关法律不完善广义上的无人驾驶发展受阻,而针对特定场景的无人驾驶技术将更快的得到应用落地,比如园区内的无人递配送车、无人驾驶观光车等。避障路径规划和路径跟踪控制是无人驾驶技术中的核心技术,有诸多问题亟待解决。综上,本文旨在研究开放式园区无人驾驶观光车的避障路径规划和路径跟踪控制技术,以促进无人驾驶技术在实际应用中的进一步发展。针对园区内半结构化道路路况复杂、路径规划困难等问题,提出了一种未知障碍物分布的避障路径鲁棒规划方法。首先,提出了一种改进的向量场直方图(Vector Field Histogram,VFH)算法确定了最优可通行区域,进而基于最优可通行区域给出了目标状态的确定方法;其次,根据起点与目标状态,提出了基于分段二次贝塞尔曲线的避障路径的描述方法。然后,基于车辆运行曲率约束与目标点的方向变化裕量约束,建立了曲线参数的优化问题,采用序列二次规划(Sequental Quadratic Programming,SQP)算法对曲线参数进行优化;最后采用仿真实验与实车实验验证了所提方法的有效性与实用性,相比其他方法,该方法路径最短且鲁棒性更好。针对机理模型与无人驾驶观光车存在误差且数据驱动建模会受采集数据波动影响的问题,提出一种基于机理模型与数据驱动的车辆运动模型。将车辆机理模型作为数据驱动模型的先验知识,将机理模型预测的状态与实际数据进行比较,从而获得机理模型与实际车辆之间的误差。然后,使用有源自回归(Auto-Regressive with Extra Inputs,ARX)模型对误差进行补偿,从而得到更加准确的车辆运动状态预测结果。除此之外,本文对ARX模型的参数辨识方法进行了改进,在其常用的最小二乘法的性能指标函数中的参数变化限制权重项。最后,通过Matlab进行数值仿真,验证了模型的准确性与稳定性。针对无人驾驶观光车的路径跟踪过程中存在车辆参数复杂,且传感器数据会有波动的问题,提出了一种基于机理与数据驱动的车辆运动模型的路径跟踪自适应控制算法。该算法通过自适应控制器对系统参数进行估计和调整,以实现对路径跟踪控制。本文介绍了自适应控制的基本概念和设计方法,以及无模型自适应控制方法(Model-Free Adaptive Control,MFAC)。最后,通过仿真实验对本文所设计的路径跟踪自适应控制方案和MFAC进行了对比分析,验证本文所设计控制器有着较快的响应能力和较好的抗干扰能力。