基于几何与遗传算法的自动垂直泊车策略研究

该篇论文深入探讨了"自动泊车策略"这一主题，具体聚焦于基于几何运算和遗传算法的自动垂直泊车模型设计。作者团队，来自通信与信息工程学院的陈旭、王雪晴和李晗琳，在2016年的全国大学生数学建模竞赛中，针对日益增长的汽车数量和泊车难题，提出了有效的解决方案。 论文首先阐述了背景，指出随着社会进步，汽车泊车问题日益突出，自动泊车技术成为汽车行业关注的焦点。自动泊车的核心在于规划一条可行的倒车路径，包括理想倒车点和具体的倒车策略，比如车速、前轮转角和后轮行驶距离等。作者通过逆向思维，构建了两种泊车模型：一种是车辆直接倒向行驶的泊车模型，适用于空间允许且无需转弯的情况；另一种则是先按一定弧度行驶再倒向的两段垂直泊车模型，适用于有转弯需求的空间。 针对泊车过程中防止碰撞和初始位置的问题，作者将车辆与车库外沿的水平线距离分为三组，并针对每组确定相应的倒车策略。通过对一组等间隔转向角度数据的分析和Matlab拟合，确定了最佳倒车起始点的位置和精确的速度控制。接着，作者结合车辆的运动学特性及阿克曼转向原理，建立了非线性目标规划模型，优化了车速，发现6km/h为最优值。 遗传算法被用来解决多约束条件下自动泊车的全局优化问题，确保找到最优的泊车路径和转向策略。最后，论文提出，通过这些模型，自动泊车系统可以根据车辆的不同进入位置，确定理想倒车点和最佳倒车策略，这对于实际生产和应用具有很高的实用价值。 总结来说，这篇论文通过理论建模和实践优化，为解决汽车自动垂直泊车问题提供了一种创新的方法，对于提高泊车效率和安全性具有重要意义。同时，它展示了数学建模和算法在解决实际问题中的应用潜力。