智能车倒车入库：邻域系统控制与单调惯性算法

本文主要探讨了一种基于邻域系统控制的智能车倒车入库算法。该研究旨在解决自动驾驶车辆在复杂环境中倒车入库的问题，通过应用邻域系统控制理论，将宏观的动态决策与控制过程分解为一系列微观上的静态决策，以简化处理。作者付慧敏、赵海良和江怡来自西南交通大学数学学院信息与计算科学系，他们的工作地点位于四川成都。 文章的核心内容首先介绍了现有的自动倒车问题解决方案，主要分为路径规划和自动寻迹两类。路径规划方法依赖精确的执行器，但可能存在控制误差，如侧滑；而自动寻迹技术虽然能实时调整路径，但计算量大，可能影响控制的实时性，特别是当CPU性能受限时。 本文提出的方法基于邻域系统动态决策模型，通过选定适合的邻域系统，将决策过程分解为周期性的测控过程。这个过程包括两个步骤：首先，根据车辆当前状态，在邻域系统中找到满意的可行区域，并假设其固定不变；其次，利用适合单调惯性系统的模糊控制算法，在选定的邻域内确定并执行控制动作。车辆动态模型被认为是一个单调惯性系统，这意味着倒车路径、速度和转向角度之间的关系具有单调性，这使得模糊控制算法在此类系统中的应用更为有效。 研究者将环形区域作为车辆倒车过程中的可行邻域，利用这种结构进行决策和控制。通过仿真不同位置的倒车情况，结果显示这种方法简化了计算，能够有效地实现自动倒车入库，且具有较高的可靠性和实时性。 关键词包括智能车、邻域系统、倒车、单调惯性系统和系统仿真，这些词汇概括了文章的主要研究内容和技术路线。整体来看，这篇文章不仅提供了新颖的控制策略，也为智能车辆在实际倒车场景中的自动化操作提供了理论支持和实践指导。