智能车超车路径决策规划与跟踪控制算法研究

作     者：马志光 

作者单位：太原科技大学 

学位级别：硕士

导师姓名：张喜清

授予年度：2024年

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0835[工学-软件工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 0823[工学-交通运输工程] 

主      题：智能车 超车换道 模糊逻辑决策 B-Splind曲线 LQR控制 遗传算法 

摘      要：近年来,汽车保有数量不断增加,使得交通事故频繁发生。但是自动驾驶技术的蓬勃发展为解决这些问题带来了新的思路,自动驾驶系统能够实时感知周围环境并做出相应的决策,进而规划出安全舒适的路径发给控制系统,控制汽车沿着期望的路径行驶,提高交通效率并减少交通事故的发生。因此,为提高智能车在超车换道过程中的安全性与舒适性,本文对自动驾驶技术中的行为决策、路径规划和路径跟踪三大关键问题展开研究,具体内容如下: 针对智能车在超车换道中无法与障碍车保持安全的纵向车距问题,引入异向结构因子改进传统人工势场法中障碍车斥力势场,建立了异向结构的障碍车风险场,并将其与模糊规则相结合设计了向左与向右换道的模糊逻辑决策系统,指导智能车进行超车换道。 将道路中心线风险场与异向结构的障碍车风险场进行叠加形成换道风险场来评估换道路径点的风险值,保证了换道路径的安全性。并分析了四种换道曲线的性质,选择连续且首末点曲率为0的B-Splind曲线形成换道路径簇,使智能车的换道过程更加平稳。最后考虑换道路径的安全性、舒适性与能量损耗问题建立代价函数筛选出最优的换道路径。 基于车辆二自由度动力学模型设计了LQR(Linear Quadratic Regulator,LQR)横向路径跟踪控制器,并引入前馈控制与预测模块克服了LQR控制系统的稳态误差与滞后性问题。因LQR控制器权重矩阵的选择存在主观性,无法保证最优的跟踪精度,设计遗传算法(Genetic Algorithm,GA)优化LQR控制器的Q矩阵参数。经Matlab仿真表明,优化后的LQR控制器的横向和航行跟踪精度均得到了大幅提高。考虑到智能车在超车过程中需要进行减速跟车与加速超车,设计了PID(Proportional Integral Derivative,PID)纵向速度控制器调节智能车的车速,并通过Matlab仿真验证了PID控制器的有效性。 最后搭建Simulink-Carsim联合仿真平台使智能车在设定的交通场景下进行超车换道。结果表明,所设计的决策规划系统与控制器能够较好的帮助智能车完成整个超车过程,本文设计的算法具有优越性与可靠性。