为了提高智能车辆路径跟踪的精度,改善其行驶稳定性,提出了一种基于线性时变模型预测控制原理的路径跟踪控制器。对智能车辆进行动力学模型简化、三自由度动力学建模,对非线性动力学模型做线性化处理,获得线性时变状态方程,离散化得到离散方程和预测方程,考虑质心侧偏角、路面附着系数、轮胎侧偏角等约束条件,优化目标函数并转化求解方式为二次规划。基于MATLAB/Simulink和Carsim联合仿真平台,分别对直线路径和双移线路径跟踪进行仿真,结果表明,该路径跟踪控制器对目标路径有较好的跟踪效果。

依托某智能驾驶研发项目,通过对智能车辆单轨动力学模型的运动描述,建立换道策略和行车路径,结合模型预测控制最优化算法,协同智能车辆装载的传感执行设备,讨论了智能车辆在特定换道行驶场景下的路径规划与横向车辆控制。最后通过分析试验数据可知,在简化的低速换道场景下,最大横向位移误差小于0.5 m,整体性能良好。

针对自动驾驶智能车辆安全超车问题,提出一种基于分层优化算法的路径规划方案。该方案采用三层结构获得可行、安全的优化路径。首先,通过分析驾驶员超车操作流程,综合路况环境、车辆结构等约束条件,构建超车换道模型,进而采用三角分解法构建智能车辆的可运行空间。其次,在可运行空间内,采用Dijkstras算法生成一条无碰撞路径。最后,利用超车换道模型构造优化目标函数和约束条件,通过多目标粒子群优化的方式获得最优路径,并采用Pareto优先规则提高优化算法的更新速度。利用CarSim8.10构造车辆动力和运动学模型,基于Simulink仿真平台开展实验验证。仿真结果表明,该方案能够保证智能车辆实现安全、有效地超车。该方案具有良好的可扩展性能,对于道路拥塞、路况不明朗等复杂行车条件下的安全超车提供一定的方法参考和借鉴。

这里研究在不同冲击度约束下智能汽车换道轨迹的优化问题。采用五次多项式作为车辆的换道轨迹模型,以自车速度、加速度以及冲击度为约束条件,兼顾车辆换道过程的安全性、舒适性和效率,用序列二次规划(SQP)算法对换道轨迹进行优化求解,得到最优换道运动轨迹;为研究冲击度约束设置对换道的影响,设计了换道轨迹求解的图形用户界面,根据换道耗时将换道模式分为激进型、普通型和舒适型,得到不同换道模式下冲击度限值,为智能汽车换道轨迹规划提供参考。