版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
8.1控制算法概述张军目录无人驾驶控制技术概述控制方法研究现状
2.1横向控制2.2纵向控制1.无人驾驶控制技术概述无人驾驶控制执行系统可分为控制子系统和执行子系统,通过CAN卡连接。控制执行系统依据实时车况与驾驶环境、驾驶模式对无人车的转向(方向盘)、加速踏板、制动、档位进行控制。无人驾驶自主决策系统,先通过先验驾驶地图与关键点路网文件进行全局路径规划,搜索出到达目的地的全局最优行驶路线;再结合实时感知的路况信息,进行局部路径规划。局部路径规划又分为行为决策模块和运动规划模块。行为决策模块解决的是无人车目标状态问题,如ACC、换道、轨迹保持、避障、停障等;运动规划模块解决的是无人车处于目标状态中具体的运动规划,包括轨迹规划(输出期望路径点序列)和速度规划(期望速度),并将期望路径点序列、期望速度发送给控制执行系统。相应地,控制模块分为轨迹跟踪控制(横向控制)和纵向控制。横向控制(轨迹跟踪控制)主要包括转角方向、转角大小、转角速度等控制量。纵向控制主要包括档位、加速踏板开度、制动级数等控制量。无人驾驶车的横向控制与纵向控制是驾驶安全性、舒适性的最终保证,同时也是无人驾驶车感知层与决策层算法正确性的执行保障。1.无人驾驶控制技术概述横向控制主要负责轨迹跟踪控制,利用运动规划得到的轨迹进行方向盘转角计算,结合车速进行方向盘转速计算,将得到的转角与转速通过CAN总线发送至底层执行单元。纵向控制主要负责油门、档位、制动的控制,计算结果通过CAN总线发送至底层控制单元。其他控制主要负责车辆的一些辅助功能控制如灯光控制、喇叭控制、雨刷器控制等,同样计算结果通过CAN总线发送至底层执行单元。1.无人驾驶控制技术概述无人驾驶车控制软件架构无人车控制软件架构如下图所示,包括横向控制、纵向控制与其它控制。2控制方法研究现状
2.1横向控制(轨迹跟踪控制)2.2纵向控制目前主要流行的轨迹跟踪控制算法为:预瞄控制算法、PID控制算法、最优控制算法(线性二次型调节器(LQR)算法和模型预测控制算法(MPC))、强化学习算法等。早在30多年前,很多国家的科研机构及高校学者便开始了仿驾驶员模型的研究。在我国车辆跟踪技术的研究中,车辆的横向及纵向速度控制,许多研究者采用郭孔辉教授等人提出的最优预瞄控制理论。基于预瞄假设以及最优曲率控制原则是最优预瞄理论控制的常用方法。预瞄控制从原理上讲是仿照驾驶员的真实驾驶过程,根据观察到车辆周围的路况环境,决策下一步的动作。车辆方向盘的转向程度通常由前方道路的弯曲程度来决定,弯曲程度越大转向程度也就越大:首先得到当前车辆位置与参考轨迹误差,再次确定预瞄距离、预瞄车速,计算得到最优圆弧轨迹的曲率,得到前轮方向盘转角。2.1横向控制(轨迹跟踪控制)
2.1横向控制(轨迹跟踪控制)
PID控制是在工业控制中应用最为广泛的一种控制算法,具有原理简单、易于实现、可靠性高的特点。将PID控制在无人车上应用,具有不需要搭建模型的优势。但在实际控制过程中,由于系统具有非线性和不确定性,PID控制器控制参数往往整定困难,导致控制效果不佳,所以通常采用智能控制方法在线实时对PID控制参数进行整定,实现PID参数的智能整定。如杨志刚等人针对智能车辆的换道控制问题,利用模糊自适应PID控制器实现了换道轨迹的理想跟踪,A.Haytham等人用遗传算法优化的PID控制器实现对车辆转向的稳定控制,保证了车辆对预定轨迹的跟踪。最优控制是指在给定的约束条件下,寻求一个控制,使给定的系统性能指标达到最优(极大值或极小值)。典型的最优控制算法有线性二次调节器(LinearQuadraticRegulator,LQR)和模型预测控制(ModelPredictiveControl,MPC)。线性二次调节器(LQR)算法用于无人驾驶跟随控制器的原理是:在控制时域内,对整个系统中的跟踪误差模型做线性化处理,得到一个便于计算的线性二次化模型;并针对整个系统的要求,设置一个最优的线性二次函数,在全局内对这个函数进行最优求解,得到最优的轨迹控制输入。韩国的Taeyoung等人基于线性二次调节器(LQR)的跟随控制器,实现横向的轨迹跟随控制,并实车验证了算法的可行性。LQR本质上是一种线性最优化算法,它没有考虑到车辆动力学约束的影响和车辆环境的外部因素,当行驶在恶劣工况时可能会出现车辆侧偏失稳现象。2.1横向控制(轨迹跟踪控制)
模型预测控制算法即为MPC算法,是在欧美等国家兴起,广泛应用工业领域、智能控制领域的一种优化控制算法。MPC算法遵循模型预测、滚动优化、反馈校正的基本原理。近年来,很多科研机构利用了模型预测的原理进行了无人车的轨迹跟踪控制研究。模型预测控制器包含了MPC控制器、被控车辆、状态估计三个基本模块。其中MPC控制器结合预测模型、目标函数和约束条件进行最优化求解。得到当前时刻的最优控制序列,将其输入到被控车辆中,被控车辆执行接受到的控制指令,然后将当前时刻的状态量观测值输入给状态估计器。将状态量输入到MPC控制器,再次进行最优化求解,得到下一时刻被控平台所需的控制变量。如此循环,构成了完整的模型预测控制过程。2.1横向控制(轨迹跟踪控制)
模型预测控制算法原理框图对基于模型预测控制的无人车轨迹跟踪而言,需要建立一个能够准确反映车辆特性的预测模型,利用这个模型预测车辆在特定环境下的未来动态。模型预测控制对预测模型的形式没有明确的要求,预测模型可以是机理模型(传递函数模型、状态空间模型)、卷积模型、模糊模型、人工神经网络模型等等。因此增大了模型预测控制的适用性以及应用场景。目标函数应包含未来车辆状态和控制输入,最常见的目标函数是位置偏差的方差和转角输入增量的平方和。MPC算法任一时刻都对应有目标函数。模型预测控制算法原理框图2.1横向控制(轨迹跟踪控制)
滚动优化根据当前时刻状态重新建立预测时域内的目标函数,增强了系统的抗干扰能力和稳定性。反馈矫正:MPC根据上一时刻对当前时刻状态预测结果和当前时刻状态的偏差修正模型偏差形成闭环,进一步提高了算法对于复杂应用环境的适应能力。也有研究者采用MPC技术与智能控制方法相结合的方式,实现对车辆进行稳定和安全的控制。模型预测控制算法(MPC)在具有诸多优点的同时,也存在在线计算复杂度过高的缺点,影响了算法的实施效率,这一问题也制约了模型预测控制算法向更广的应用领域发展。2.1横向控制(轨迹跟踪控制)
模型预测控制算法原理框图Zong等人(2018)使用强化学习DDPG(深度确定性策略梯度算法,DeepDeterministicPolicyGradient,DDPG)算法对智能体的加速度和转向控制进行训练实现了自主避障控制。DDPG算法最大的优势是能够在连续动作上更有效地学习。2.1横向控制(轨迹跟踪控制)
纵向控制主要实现对期望速度的精确跟随。要求在无人驾驶过程中实现加速、减速、制动和车速保持等自动纵向控制。由于纵向控制系统具有参数不确定性、时滞性和高度非线性动态特性等特征,为典型的多输入-多输出复杂耦合动力学系统。如何构建可处理其参数不确定及高度非线性等特性的控制模型是无人驾驶的难点。对于纵向控制主要有PID控制、模糊控制,滑膜控制、强化学习等方法,为了保证无人驾驶的安全性,一般会根据经验公式或者纵向运动学公式推算出一个安全距离以避免碰撞,但是这些公式都有其局限性和特定的使用条件。2.2纵向控制HoyongKim等(1994)设计了一种纵向多控制器系统,该系统由PID、PI、滑模控制器和模糊控制器四部分构成。系统通过专家经验知识设计了控制器间的协调切换逻辑,可以在不同工况下充分发挥其优势。该系统的缺点是由于控制器的频繁切换会使执行机构存在时滞和振动。张相洪(2003)等人针对制动控制提出了一种制动模糊分档控制算法,对于查表输出的模糊控制量进行滤波并进行台阶式分档,并利用增量式PID作油门控制器、模糊分档控制算法作为制动控制器,在水泥路面进行的相关实验表明了所设计控制器的有效性。2.2纵向控制2.2纵向控制
卡内基梅隆大学自动驾驶研究团队(2007)分别构建了油门和制动的非线性PID控制策略,给出基于速度偏差的油门和制动切换逻辑。该纵向控制系统已应用于Boss智能车,对于控制系统非线性特征有较好的适应性。吉林大学的管欣(2013)等人提出一种车辆纵向速度的分相控制方法,将车辆的纵向运动分成稳速控制相、加速控制相、急加速控制相、制动控制相、急减速控制相5个相。前3个相内采用油门控制,后2个相内采用刹车控制,在每一个相内采用抗积分饱和PID或比例控制,仅针对油门或者制动中的一套机构进行控制,通过相的切换即可在驱动和制动系统之间进行选择并切换控制算法。仿真结果表明,分相控制具有较好的速度跟随精度,并较好地解决了油门和制动的切换问题。2.2纵向控制西安工业大学的高嵩等(2017)在建立车辆速度跟随控制模型时考虑风阻和道路坡度等环境信息,并通过反馈线性化处理控制模型,利用滑膜控制增加模型的鲁棒性。仿真结果表明设计的系统能够获得准确的期望跟踪速度,同时对参数变化和外界环境干扰等有较好的鲁棒性。厦门大学郭景华等(2017)设计了一种新型的模糊滑模控制分层式智能驾驶速度控制器,通过上位控制器控制输出期望加速度保证智能驾驶的安全性和舒适性。下位控制器由新型模糊自适应滑模控制结构(SMC)构成,可以较好的解决系统存在非线性、不确定干扰和不确定定参数等因素的影响。2.2纵向控制Shalev-Shwartz等人(2016)使用强化学习结合长短期记忆网络(longshorttermmemorynetworks,LSTM)算法在游戏环境中解决自动驾驶的纵向控制以及汇入环岛的控制问题。国防科技大学的黄振华等(2017)提出一种参数批量化处理的强化学习算法(PBACV)为了获得自动驾驶车辆的最优纵向控制。该方法的采用actor-critic(强化学习中的一种,它融合了基于价值的方法,比如Qlearning,和基于动作概率的方法,比如PolicyGradients,两类强化学习算法)学习结构。通过大量的
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026年学年浙江省台州市公务员省考行政职业能力测验模拟题一卷(含答案)
- 2026年测试工作笔试题库(含答案)
- 2026年普法试题库及答案
- 2026年大专单招常识题库及答案
- 2026年涉水路段考题题库带答案
- 2026年四川中职考试题库及答案
- 2026年北森测评40分钟28题库及参考答案
- 事业单位后勤岗面试历年真题试卷及答案
- 2026年车辆起火考试题库(含答案)
- 2026年上海市公务员申论公文改写专项模拟试卷(含答案)
- 当下幼教行业职位分析报告
- 地质灾害治理工程勘查和设计服务方案(技术标)
- 解酒饮创业计划书
- 攻丝机机械加工作业指导书
- 山东省老旧营运货车报废更新资金申请表
- 具身智能:从理论到实践的全面解析
- 2026年医院药房药剂师高频面试题包含答案及考察点分析
- 眼镜打磨抛光知识培训班课件
- 数字媒体艺术专业教学标准(高等职业教育本科)2025修订
- DB22-T 3687.1-2025 反恐怖防范管理规范 第1部分:学校
- T/CASTEM 1007-2022技术经理人能力评价规范
评论
0/150
提交评论