没有合适的资源?快使用搜索试试~ 我知道了~
首页智能车辆视觉导航与运动控制研究
该文档是大连理工大学的一篇博士学位论文,主要研究方向是人工智能在机器学习领域的应用,特别是针对视觉导航式智能车辆的横向与纵向控制。这篇论文详细探讨了智能车辆在自动驾驶领域的关键问题,包括运动控制、图像处理算法、车辆动力学建模以及模糊控制策略。 在智能车辆研究中,运动控制是一项核心任务,它涵盖了横向控制和纵向控制。智能车辆由于其非完整运动约束和高度非线性的动态特性,控制策略的设计尤为复杂。论文提出了针对这些挑战的解决方案,首先设计了一套视觉系统,利用图像处理算法来获取路径信息,为车辆的导航控制提供准确的数据支持。 其次,论文建立了15自由度的非线性车辆动力学模型,这个模型考虑了发动机、液力变矩器、自动变速器、制动系统、传动系统、车轮动力学、轮胎、整车、悬架以及执行器等多个关键部件,以反映智能车辆的主要运动状态和非线性特性。通过仿真对比和实车试验,验证了该模型的准确性,为后续的横向和纵向控制研究提供了坚实的理论基础。 在控制策略部分,论文特别关注了基于遗传算法的横向模糊控制。研究对象为视觉导航式智能车辆,建立了相应的横向控制模型,并运用根轨迹法分析预瞄距离和速度对控制系统性能的影响。设计了一个预瞄距离与速度成一次函数关系的计算模型,以优化横向控制效果。 这篇论文深入探讨了智能车辆的视觉导航系统、动力学建模和控制策略,对于理解人工智能在自动驾驶领域的应用,以及推动智能交通系统的发展,具有重要的理论和实践价值。
资源详情
资源推荐
大连理工大学博士学位论文
航技术
,
实现了传感器和执行器的小型化
。
*
—
图
1
・
8
ALVLAB-II
系统
Fig.
1.8
ALVLAB-II
图
1
・
9
CA7460
系统
Fig.
1.9
CA7460
•
清华大学
THMR
系列
清华大学智能技术与系统国家重点试验室在国防科工委和国家
863
计划的资助下
,
从
1988
年开始研制
THMR
系列智能车辆
。
THMR-V
系统
[
19
〕
是清华大学智能技术与系统国家重点试验室研制的兼有面向高速
公路和一般道路功能的新一代智能车辆
。
该智能车由三星奇道微型客车改装而成
,
如图
1
・
10
所示
。
THMR.
V
系统配置了
CCD
摄像机图像处理系统
,
光码盘
、
电磁罗盘和
DGPS
组合定位系统
,
激光雷达测障系统
,
监控系统
,
方向盘控制
、
油门控制和刹车控制的车
体行为控制系统等
,
通过上述智能系统来实现环境感知
、
信息融合
、
路径规划
、
行为控
制
、
决策控制等功能
。
•
吉林大学
JLUIV
系列
吉林大学智能车辆课题组从
1992
年开始研制
JLUIV
系列智能车辆
,
并对道路边缘
识别与跟踪
、
前方车辆探测与跟踪
、
换道超车等与智能车辆自主导航密切相关的技术进
行了较为深入的研究
,
取得了许多有价值的研究成果
。
JLUIV-IV
系统
【
绚
,
如图
1
」
1
所示
,
由一辆三菱前置前驱动轿车改装而成
,
配置的
传感器包括
CCD
摄像机
、
三维激光测距仪
、
GPS
定位系统
、
光电编码器等
。
除原有的
基本组成与结构外
,
JLUIV-IV
系统将内燃机发动机改装为交流电动机
,
并加装伺服转
向系统
、
伺服制动系统
、
计算机控制系统以及电源系统
。
视觉导航式智能弔辆横向与纵向控制研究
A
」
5
3
診
THMR-V
系统
图
1.
10
Fig.1.10
THMR-V
宙
Si
图
1.
11
JLUIV-1V
系统
Fig.1.11
儿
UIV-IV
图
1.
12
Springrobot
系统
Fig.].
12
Springrobot
•
西安交通大学
Springrobot
系列
西安交通大学人工智能与机器人研究所于
2005
年成功研制出
Spnngrobot
智能车辆
实验平台
0-
】
,
如图
112
所示
,
并在
Springrobot
智能车俩实验平台的基础上开始道路
检测与跟踪
、
行人检测
、
车辆检测
、
多传感器融合
、
车辆控制等方面的研究
。
此外
,
为推动我国智能车辆的创新与发展
,
国家自然科学基金委设立了与智能车辆
技术有关的重大研究计划
“
视听觉信息的认知计算"
,
并从
2009
年起
,
基金委发起
、
壬办了三届中国
“
智能车未来挑战
”
比赛
。
其中第三届挑战赛于
2011
年
10
月举行
,
与前两届挑战赛相比
,
首次从封闭道路环境走向真实道路环境
,
智能车对环境的认知难
度
、
车辆控制难度较往届有较大增加
,
其成果朝实际应用迈进了一步
。
1-3
智能车辆的关键技术
智能车辆技术是多种现代髙新技术在车辆上综合运用的融合技术
,
涉及到控制科学
与工程
、
人工智能
、
现代传感
、
信息融合
、
通讯等领域的最新技术
,
其关键技术主要包
括
:
1.
感知技术
由于获取信息的丰富性
,
且可模拟人体视觉的感知机理
,
计算机视觉系统成为智能
车辆感知环境的首选
。
计算机视觉是当前智能车辆领域重点发展的技术
,
其采用
CCD
摄像机拍摄环境图像
,
通过数字转化设备将图像数字化
,
再运用各种有效算法对数字图
像进行处理
,
从而得到环境的有效信息
。
计算机视觉可以完成路径识别
、
三维信息获取
、
目标区分与识别等功能
,
是智能车辆环境感知领域的研究热点
。
当计算机视觉用于智能
车辆感知环境时
,
须满足准确性
、
鲁棒性
、
实时性三方面的性能要求
。
-
8
-
大连理工大学博士学位论文
除计算机视觉外
,
常用于智能车辆环境感知的传感器还有磁性材料
、
GPS
全球定位
系统
、
激光雷达等
。
2.
信息融合技术
传感器获取信息的准确性是智能车辆系统准确可靠运行的首要条件
。
由于单一传感
器难以提供智能车辆状态及环境信息的全面描述
,
且不同传感器有不同的特性和不同的
使用范围
,
因此智能车辆必须配备多种传感器
,
并对传感器信息进行融合
。
通过多传感
器融合技术
,
把不同传感器采集的数据信息进行融合
,
可利用各传感器数据间的冗余和
互补特性
,
获得准确的数据信息
,
从而增强感知系统的分辨力
,
提高智能车辆系统的可
靠性和鲁棒性
。
3.
路径规划技术
在环境感知系统提供的车辆周围环境以及自身状态信息的基础上
,
按照某一性能指
标为智能车辆规划一条从起始状态到目标状态的最优或次优路径
。
路径规划分全局规划
和局部规划两种
。
智能车辆对路径规划算法的要求是能够根据传感系统获取的信息准确
快速地做岀判断和决策
,
具备处理意外事件的能力
。
4.
车辆运动控制技术
智能车辆的运动控制一般分为横向控制
(
Lateral
Control)
和纵向控制
(
Longitudinal
Control)
两方面内容
,
智能车辆运动控制的任务是根据路径规划的结果和当前的车体位
移
、
姿态
、
车速等信息做岀决策
,
并分别向油门
、
制动及转向对应的执行系统发出控制
指令
。
横向控制主要研究智能车辆的路径跟踪能力
,
即如何控制车辆沿规划的路径行驶,
并保证车辆的行驶安全性
、
平稳性与乘坐舒适性
;
纵向控制研究主要包括控制车辆按照
预定的速度巡航或与前方动态目标保持一定的距离
。
在上述关键技术中
,
由于智能车辆为非完整运动约束系统
,
且具有高度非线性动态
特性以及参数不确定性等特点
,
如何设计可有效克服车辆非线性和参数不确定性等特性
的横向及纵向运动控制策略
,
便成为智能车辆关键技术的重点和难点之一
。
本文重点对
该技术开展研究
。
1.4
智能车辆控制技术研究概况
1.4.1
横向运动控制研究概况
智能车辆从信息的获取角度可分为三类
,
磁性导航式智能车辆
、
视觉导航式智能车
辆
、
GPS
导航式智能车辆
。
横向运动控制是指智能车辆通过磁性材料
、
视觉系统或
GPS
等传感器获取车辆与参考路径的相对位置信息
,
基于某种控制策略使其沿指定规划的参
考路径行驶
。
由于智能车辆的轮胎不能侧滑
,
在行驶过程中只能沿车身方向前进
,
为典
-
9
-
视觉导航式智能车辆横向与纵向控制研究
型的非完整运动约束系统
,
且是具有高度非线性动态特性以及参数不确定性等特性的复
杂系统
,
因此如何实现可有效克服其参数不确定性
、
高度非线性及测量的不精确性等特
性的横向控制充满了挑战性
。
针对智能车辆的横向运动控制问题
,
主要釆用经典
PID
控制方法
、
最优控制
、
H,
鲁棒控制
、
自适应控制
、
滑模控制
、
预测控制和智能控制等方法加以解决
,
下面对应用
上述方法处理车辆横向运动控制的相关研究现状进行讨论
。
1.
经典
PID
控制方法
日本东风日产研究中心的
Hayakawa
Y
等人
〔
⑼针对智能交通系统中的车辆路径跟踪
问题进行了研究
,
设计了基于
PID
控制的反馈控制器和前馈控制器
,
控制的目的是实现
车辆在速度变化时的自动光滑转向
。
加州理工学院的
Cremean
L
等人设计了由前方路径
曲率得到的前馈控制和
PID
反馈控制组成的横向控制器
,
该横向控制器成功应用于
2005
DARPA
的智能车挑战赛
【
约
。
2006
年
,
法国国立埃弗里大学的
Netto
M
S
等人针对视觉
导航式智能车辆设计了部分状态反馈
PID
横向控制算法
〔
吻
,
实现了智能车辆的横向跟踪
控制
。
国防科技大学的孙振平在文献卩®中设计了单点预瞄
PID
横向控制器
,
井设计了扰
动观测器用以补偿扰动对横向控制器的影响
。
北京理工大学的陈慧岩在
2011
年考虑到
车速对横向运动的影响
,
设计了不同车速区间的
PID
控制参数
【
27
】
,
并通过试验验证了该
控制器具有较好的跟踪能力
。
PID
控制方案简单易行
,
但缺乏对复杂行驶工况的适应性,
难以实现精确控制
。
2.
最优控制方法
美国加州大学伯克利分校的
Tomizuka
M
教授针对自动公路系统
(AHS)
中磁性导
航式智能车辆设计了基于预瞄的包括前馈控制项和反馈控制项的最优横向控制器门
8
・
29
】
,
该横向控制器基于车辆横向和横摆运动的线性二自由度模型设计
。
反馈控制项釆用线性
二次型最优控制方法设计
;
前馈控制项通过对路径曲率的估计来提高车辆跟踪曲线的精
度和性能
。
吉林大学的王荣木教授在视觉导航式智能车辆
JUTIV-II
横向控制研究中
,
基
于
Ackerman
原理建立了视觉导航式智能车辆运动学控制状态方程
,
把该横向控制系统
看作一个确定性最优控制问题
,
设计了横向最优控制器卩叽清华大学汽车安全与节能国
家重点实验室的李克强教授为了有效保证车辆导航控制的实时性
,
建立了以当前横向偏
差
、
当前角度偏差
、
预瞄点横向偏差
、
预瞄点角度偏差为状态变量的车辆横向运动控制
模型
,
釆用最优跟踪理论设计了有限时间最优预瞄横向控制器
3,
其使用的最优控制性
能指标函数包含了预瞄时间内的当前位置偏差
、
预瞄点偏差和控制变量等参数变量
。
最
优控制一般都把被控对象简化为线性时不变系统
,
在控制模型精确和无干扰的情况下
,
-
10
-
大连理工大学博士学位论文
最优控制虽然有较高的精度
,
但是对外部干扰的鲁棒性较差
,
这将降低车辆横向控制稳
定性
。
3.
皿鲁棒控制方法
为了提高控制系统的鲁棒性
,
加州大学伯克利分校的
Tomizuka
M
教授在文献
[
忆中
设计了一种基于
凤回路成形控制方法的横向控制器
,
并通过仿真和实验证明了该横向
控制器对参数不确定性和外部干扰有较强的鲁棒性
。
德国不伦瑞克工业大学的
Ganzelmeier
L
等人针对车辆横向控制模型的不确定性问题
,
采用鲁棒也控制方法设计
了车辆的横向控制律
[
33
〕
。
韩国釜山大学的
Eom
S
I
等人在文献
〔
列中设计了
LQG/LTR
和
局横向控制器
,
并对
LQG/LTR
和乩横向控制器作了对比分析
,
得出凤横向控制器不
仅对噪声和干扰有一定的鲁棒性
,
而且相对于
LQG/LTR
控制器超调量小
。
2007
年
,
加
州大学伯克利分校的
TanHS
等人在研究智能除雪车的横向控制问题时
,
考虑到智能除
雪车在低速工况下行驶
,
采用牛顿经典理论建立了低速工况下动扰度轮胎模型
,
针对包
括此轮胎模型的车辆横向动力学模型
,
采用混合笑处控制方法设计了横向反馈鲁棒控
制器
〔
均
,
并采用
LMI
优化反馈鲁棒控制器的结构和参数
,
通过
LMI
迭代优化得到在多
控制约束下可完成理想控制目标的简单控制器结构
,
最后验证了该控制器的有效性
。
4.
基于反馈线性化方法
加州大学伯克利分校的
Taylor
C
J
等人在文献
〔
殉中釆用输入输出反馈线性化方法设
计了视觉导航式智能车辆反馈控制器
,
并针对反馈状态量横向速度的不可测性
,
设计了
横向速度观测器
。
加州大学伯克利分校的
Huang
J
针对磁性导航智能车后轮传感器失
效的这一特殊工况进行了研究
,
假设该工况下的控制系统为线性时变系统
,
采用状态反
馈线性化法设计了横向控制器
【
切
,
考虑到内动态子系统的弱阻尼性
,
基于皿最优控制
方法设计了用于反馈线性化状态估计的非匹配观测器
,
从而提高闭环系统的性能
。
明尼
苏达大学的
Rajamani
R
等人在文献厲
)
中建立了基于
GPS
导航的非线性运动学模型
,
针
对此模型
,
采用输入状态反馈线性化方法
,
分别设计了无预瞄和带有预瞄的横向控制策
略
,
并通过实车试验对比得出带有预瞄的横向控制策略优于无预瞄横向控制策略
。国防
科技大学的陈杨等人在研究智能车辆横向控制问题时
,
考虑到智能车辆为非完整约束系
统
,
利用精确反馈线性化方法设计了横向轨迹控制器卩铁
5.
自适应控制方法
美国天合汽车公司的
Choi
S
B
在研究磁性导航式智能车辆的横向控制问题时
,
为克
服车辆的不确定性设计了自适应控制律
【
佝
,
并针对该自适应控制律所需的状态量
(
横向
位移变化率
)
具有不可测量性的特点
,
设计了横向位移变化率观测器
,
最后通过实验验
证了该控制方法的鲁棒性和有效性
。
法国国立埃弗里大学的
Netto
M
S
在文献
[
小中设计
-
11
-
剩余169页未读,继续阅读
programyp
- 粉丝: 89
- 资源: 9324
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功