(1)定速巡航的速度控制算法 速度控制算法起初用于定速巡航的控制技术中。PID算法是一个传统的具有 反馈环节的控制算法，因其原理简单易用得到广泛的推广。很多学者将PID与其 他算法进行结合成功改善了对速度控制的精确度，文献[28]使用模糊控制的方法 对PD的比例．微分参数进行实时在线调整，建立了汽车恒定速度控制的模糊PD 控制算法。所提出的模糊PD控制算法具有较好的控制性能，与传统PID控制方 法相比可以在较短时间内实现车辆的定速巡航，并且偏差与超调量都很小。高振 海等人【29~30】采用将非线性系统局部线性化的描述方法，应用预瞄跟随理论提出了 新颖的速度控制方法，通过优化多目标的评价函数决策出理想纵向加速度，并对 其进行微分校正，充分考虑了驾驶员反应滞后以及汽车动力学滞后的响应特性。 该方法精准有效地实现了对目标速度的跟随控制，为无人驾驶汽车速度控制的研 究打开了一个新的思路。高锋等人[31】通过辨识获得节气门开度到车速的传递函数， 从而对汽车纵向动力学进行了描述，在此基础上应用鲁棒控制理论设计了多模型 分层切换控制系统，实现了当模型存在较大不确定性时能够对车速快速准确得控 制。陈刚[321采用改进BP神经网络设计了一种驾驶机器人车速跟踪神经网络控制 方法，其收敛速度高于梯度下降法的收敛速度，且达到的控制精度也更高。 (2)自适应巡航的速度控制算法 速度控制驾驶员模型也常用于车辆自适应巡航控制的研究中，萝莉华【33】应用 多目标MPC算法实现了汽车自适应巡航控制策略，较传统PID算法具有多目标 优化的功能，改善了跟车性、舒适性以及燃油经济性。管欣[34】基于驾驶员操作汽 车的行为特性，将驾驶员建模理论．稳态预瞄动态校正假说【35】应用于汽车自适应 巡航控制系统的理论研究中，构建了基于驾驶员最优预瞄加速度模型的车辆自适 应巡航控制算法。仿真实验结果表明基于驾驶员操纵行为特性的分析，应用驾驶 员操纵行为建模理论来研究汽ACC系统的控制过程为车辆ACC控制系统的开发 提供了一个可行的研究途径。文献[36]根据模糊神经网络控制理论，研究了自适 应巡航控制跟随模式下的距离控制，构造了五层的模糊神经网络，推导出了相应 BP算法公式，并对汽车自适应巡航控制跟随模型进行了仿真实验。经过输入实际 样本数据进行训练后，自适应巡航跟随控制模型具有较高的控制精度，并且减少 了踏板角度的波动，基于模糊神经网络模型的自适应巡航控制跟随模型能够取得 良好的效果。 虽然这些算法取得了良好的效果，但基本上是围绕着定速巡航与跟车巡航展 开的研究，并不能应对突然的变道或转弯所带来的高速失稳的危险。本文基于多 点预瞄的思想，运用二次规划的方法提出自适应避险的速度规划功能，并结合评 价函数最优化的方法对目标速度进行实时跟随，这样车辆在巡航时可避免因突然 万方数据

mooc大学中，无人驾驶车辆课程第7章作业题（给定材料中包含的MATLAB代码，可以生成50*50的地图，x表示障碍物，起点和终点均已给定，用A*算法实现路径规划）。 包括了实现所需所有的函数代码。

路径规划各种算法总结 很有帮助 适合机器人、小车等开发

VFH算法在2000年由Ulrich和Borenstein再次更新，并被重新命名为VFH*。

文章针对近年来的无人驾驶汽车路径规划算法进行总结和归纳。首先对目前主流的环境建模方法进行阐述;其次对路径规划算法进行介绍,通过分析其优缺点,指出融合轨迹规划算法具有最好的适用性;最后总结当前研究挑战并提出了相关建议。

表2．4各个算法计算结果统计表 2．4在汽车避障局部路径规划中的仿真实验 为验证改进水滴算法在汽车局部路径规划领域的应用可行性，将算法用于无 人驾驶汽车的局部路径规划中。设计一条平直同向双车道，长度为260米、宽度 为7米，在模型中表示为65×6的二维栅格，单位栅格的边长为4mxl．17m。为验 证算法对速度的鲁棒性，在汽车分别处于中速20m／s和高速30m／s状态下进行路 径规划实验。当汽车探测到前方40m内有障碍时，局部路径规划程序将被触发， 并按0．5s的时间步长实时进行路径规划，以完成对静态障碍车超车、对动态障碍 车超车和对动态障碍车避车的三种工况。算法参数的设置如表2．5所示。 表2。5改进水滴算法的参数表 14 万方数据

针对模块化机械臂在运行时可能与工作空间中的障碍物发生碰撞的问题, 提出一种基于遗传算法的避障路径规划算法。首先采用D-H(Denavit-Hartenberg)表示法对机械臂进行建模, 并进行运动学和动力学分析, 建立机械臂运动学和动力学方程。在此基础上, 利用遗传算法分别在单/多个障碍物工作环境中, 以运动的时间、移动的空间距离和轨迹长度作为优化指标, 实现机械臂避障路径规划的优化。通过仿真验证了基于遗传算法的机械臂避障路径规划算法的有效性与可行性, 该算法提高了运行中的机械臂有效避开工作空间中障碍物的效率。

【路径规划】遗传算法求解考虑分配次序的多无人机协同目标分配问题matlab源码.md

用蚁群算法实现点到点的路径规划（可读取txt文件）

本文针对现有的自动泊车路径规划方法中对于车辆初始位姿及泊车环境等限制要 求较多的问题，研究了满足车辆运动学约束和避障约束的泊车路径规划方法。同时，基于规划所得的路径，搭建了跟踪系统并进行了仿真验证。 首先，对自动泊车的车位检测进行研究，选取超声波传感器来感知车位及障碍物信 息，并实际开展了检测试验来验证其效果与精度。同时，根据阿克曼转向原理建立了车辆运动学模型，分析计算得出泊车时的低速运动方程。 其次，针对泊车环境存在较多限制的各种复杂场景及不同的泊车方式展开路径规划 研究。明确规划模块的整个设计流程，并对其中一些基础原理和前提条件做预处理以便于之后的说明。详细阐述了规划算法中的两个重要的子算法：简单连接算法及路径与障碍物碰撞检测算法，对其采取了仔细的计算和验证，方便后续使用。分别对平行泊车与垂直泊车给出了不同的规划方案，包括单步式泊入和多步式泊入。在此基础上，设计了探索机制，强化规划算法的冗余性，当泊车环境变化时能够及时调整从而保证规划成功，考虑到某些场景需要车头入式的泊车方法，提出了前向垂直泊车的路线。此外，为提升泊车的安全性和面对不同泊车环境时的适应性，提出了若干优化策略。 最后，搭建了路径跟踪控制模块，完成了自动泊车仿真试验。对比几种控制策略， 根据泊车的特点选取模糊控制器作为主要的跟踪控制方式，并详细阐述了模糊控制的隶属度函数及规则库等。针对规划路径中存在的曲率非连续的问题，提出了相应的跟踪模型。根据规划模块给出的泊车路线，利用 MATLAB/Simulink 软件联合仿真，验证路径规划及跟踪控制效果。结果表明，本文提出的规划算法具有较好的泊车精度及鲁棒性，对复杂的泊车环境适应性较强，有较重要的实际应用价值。