高速自动驾驶车辆的地形适应模型预测控制
需积分: 9 76 浏览量
更新于2024-07-17
收藏 2.14MB PDF 举报
本文探讨了高速自动驾驶地面车辆(AGVs)的模型预测控制(Model Predictive Control, MPC)稳定化策略,特别关注路面地形的影响。作者 Kai Liu、Jianwei Gong等人来自北京理工大学的智能车辆研究中心,他们提出了一种新型的控制方案,旨在处理道路曲率和侧倾角带来的复杂动态特性,确保AGV在高速行驶时保持良好的操控稳定性,防止过度侧滑和翻滚,同时避免碰撞。
该研究首先构建了一个考虑单轮滚动动力学的动态模型,考虑了车辆与路面之间的交互,这包括道路的弯道曲率和侧坡角度。为了实现长期的碰撞规避并保持短期预测精度,研究人员采用了可变时间步长对车辆模型进行离散化。这样做的好处在于能够在保证安全行驶的同时,优化车辆的路径规划。
为了保证车辆的操控性能和障碍物避障,研究者开发了一系列的安全约束条件,如侧滑极限、零动点(Zero-Moment Point, ZMP)以及横向安全走廊。这些约束被纳入到MPC问题中,通过每次步骤的优化计算,确定出最佳的转向控制指令。这样做的目标是实现高效、精确且实时的驾驶决策。
此外,为了补偿模型中的未建模动态和参数不确定性,文章还引入了反馈校正机制。这种方法增强了控制器的鲁棒性,确保在实际运行环境中也能保持稳定的性能。研究结果通过Matlab/CarSim环境进行了模拟验证,结果显示提出的控制策略在高精度和实时性方面表现出色。
总结来说,这项工作在高速自动驾驶领域具有重要意义,不仅提高了AGV的操控性能,还展示了MPC在高级驾驶员辅助系统(Advanced Driver Assistance Systems, ADAS)和智能交通系统(Intelligent Transportation Systems, ITS)中作为安全技术的应用潜力。通过综合考虑路面地形和动态模型,本文为实现更安全、高效的自动驾驶提供了理论支持和技术路线。
2019-09-06 上传
2020-05-13 上传
2012-10-10 上传
2023-04-30 上传
2023-06-15 上传
2023-08-09 上传
2023-07-29 上传
2023-12-13 上传
2023-05-13 上传
![](https://profile-avatar.csdnimg.cn/149b88ddd76348f495e5e5bfcc1b776f_leoking99.jpg!1)
leoking99
- 粉丝: 1
- 资源: 14
最新资源
- 计算机人脸表情动画技术发展综述
- 关系数据库的关键字搜索技术综述:模型、架构与未来趋势
- 迭代自适应逆滤波在语音情感识别中的应用
- 概念知识树在旅游领域智能分析中的应用
- 构建is-a层次与OWL本体集成:理论与算法
- 基于语义元的相似度计算方法研究:改进与有效性验证
- 网格梯度多密度聚类算法:去噪与高效聚类
- 网格服务工作流动态调度算法PGSWA研究
- 突发事件连锁反应网络模型与应急预警分析
- BA网络上的病毒营销与网站推广仿真研究
- 离散HSMM故障预测模型:有效提升系统状态预测
- 煤矿安全评价:信息融合与可拓理论的应用
- 多维度Petri网工作流模型MD_WFN:统一建模与应用研究
- 面向过程追踪的知识安全描述方法
- 基于收益的软件过程资源调度优化策略
- 多核环境下基于数据流Java的Web服务器优化实现提升性能