数学建模社区-数学中国

标题: 复杂道路环境下无人驾驶汽车的快速路径规划与控制，本文研究了无人驾驶汽车的全局... [打印本页]

作者: 杨利霞 时间: 2020-12-13 15:50
标题: 复杂道路环境下无人驾驶汽车的快速路径规划与控制，本文研究了无人驾驶汽车的全局...

复杂道路环境下无人驾驶汽车的快速路径规

划与控制

无人驾驶汽车是多传感器感知技术、计算机科学、智能控制、高速通信网
络以及高性能处理设备深度融合的产物，是人工智能技术落地的主要载体之一，
必将对汽车行业、交通运输和整个社会效益带来重大的影响。所以研究无人驾
驶汽车的关键技术势在必行。
本文研究了无人驾驶汽车的全局路径规划、局部路径规划和车辆底层控制
等问题。主要工作如下：
首先，提出一种在交通网络拓扑图上基于人工萤火虫算法的无人驾驶汽车
全局路径规划方法。该方法根据实际的道路交通分布，绘制出一张交通网络拓
扑图，再在交通网络拓扑图上生成多条可行路径。然后根据人工萤火虫算法生
成多条次优路径，接着通过调优切换算法生成当前交通环境下的最优路径。如
果此前生成的全局路径因为意外事件造成不可通行时，则调用快速二次寻优算
法，利用以前的搜索结果实现当前交通状况下全局路径的快速二次规划。
其次，将模型预测控制应用到无人驾驶汽车局部路径规划中。在考虑周围
环境的实时变化和车辆自身约束条件的情况下，实现了车道线的四次多项式拟
合、曲率求解和凹凸性判别，完成了直道保持、弯道减速、换道超车、跟驰行驶
和主车道避障等操作。另外，本文还设计了多圆近似车辆及障碍物的具体流程，
方便了主车与周围车辆及障碍物之间最短距离的计算。
接着，设计了一种前馈控制与模型预测控制柔性结合的控制方案。前馈控
制根据前方路径在各个对应的参考点的航向角变化，得到控制周期内对应预测
时域的控制量。在模型预测控制优化求解过程中，采用粒子群算法进行优化求
解。将前馈控制得到的对应预测时域的控制量，作为粒子群算法在每个预测时
域的基本参考点。然后以此参考点为原点，选择一个合适的半径，重新划定一个
优化求解域，粒子群算法在这个新的区域内进行优化求解。由于搜索的范围减
小，使得粒子数目和最大迭代次数都相应地减少，从而在保证控制精度的前提
下，大大缩短了一次优化求解的时间。
最后，为了更准确快速地对带有约束的模型预测控制进行优化求解，采用
广义拉格朗日乘子法构造广义代价函数，将约束问题转化为无约束问题。另外，
我们还采用拥有更强全局搜索能力的量子粒子群算法，并对量子粒子群算法进
I
摘要
行并行设计，从而实现高效准确的优化求解。
关键词：无人驾驶汽车，全局路径规划，局部路径规划，模型预测控制，人工
萤火虫算法，粒子群算法

Fast Path Planning and Control of Autonomous Vehicles with Complex Rood Environment.pdf

29.89 MB, 下载次数: 2, 下载积分: 体力 -2 点

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)