无人驾驶车辆路径识别与跟踪控制：基于模型预测算法

该资源主要探讨了在组合工况下轮胎侧向力和侧向力的变化，以及在无人驾驶车辆路径识别与跟踪控制方面利用模型预测算法的应用。文章中提到，随着车轮滑移率的增加，轮胎的侧偏力会非线性增大，而在特定的侧偏角范围内，纵向力会随着侧偏角的增大而迅速增加，超过一定角度后则逐渐减少。此外，该资源还涉及到重庆大学硕士学位论文中的一项研究，由冉洪亮在胡建军教授和张青研高工的指导下完成，专注于基于模型预测控制的无人驾驶车辆路径识别与跟踪。 详细说明: 1. **轮胎性能分析**： - **滑移率与侧偏力关系**：图3.7展示了在组合工况下，随着车轮滑移率的增加，轮胎的侧向力呈现非线性增长。这表明轮胎的抓地性能和操控性随车轮与路面接触状态的变化而变化。 - **侧偏角与纵向力关系**：在侧偏角在±2度范围内，轮胎的纵向力会随着侧偏角的增大快速上升，超过这个范围后，纵向力开始下降。这反映了车辆在转弯时的动力学特性，即车辆的驱动力或制动力会受到转向角度的影响。 2. **无人驾驶车辆路径识别与跟踪**： - **车道识别**：无人驾驶汽车通过集成的各种传感器（如摄像头）来识别车道线，提取并处理环境信息，构建出预期的跟踪轨迹模型。这一过程涉及图像处理技术，包括RGB到灰度转换、图像增强、兴趣区域选择和逆透视变换等步骤，以及霍夫直线检测来识别车道线。 - **动作决策与路径规划**：在获取环境信息后，系统会根据安全标准做出决策，并规划出最佳行驶路径。这需要考虑交通规则、障碍物避让和行驶效率等因素。 - **模型预测控制**：采用3自由度车辆动力学模型作为基础，结合轮胎线性区域约束，设计线性时变模型预测控制器。这种控制器用于控制前轮转向，以确保无人驾驶汽车能够精确跟踪预设的轨迹。 3. **模型预测控制算法**： - 这种算法是一种先进的控制策略，它能够预测未来一段时间内系统的动态行为，并据此优化控制输入。在无人驾驶车辆路径跟踪中，模型预测控制可以提前计算出最优的转向角度，以最小化跟踪误差并保持车辆稳定性。 这篇资源结合理论分析与实际案例，深入探讨了轮胎性能与车辆动态之间的关系，以及如何运用现代控制理论来解决无人驾驶车辆的路径识别和跟踪控制问题。