提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.

此示例代码是多代理系统（MAS）的服务器，用于处理多代理问题。每个代理Agent都可协调运行

一种基于NARX神经网络的非线性多步预测模型，李会军，秦霖天，神经网络是一种非常优秀的非线性建模工具，在工程实际中得到了广泛的应用。根据网络结构中是否存在反馈回路，神经网络可分为动态

首先，应用泊车基本知识建立了车辆运动学模型。通过调研泊车的研究现状和应用 现状，确定了本文的结构。建立车辆和车位的模型并介绍相关参数，根据阿克曼转向几何，建立了车辆运动学模型，得出车辆运动轨迹与泊车速度没有关系，同时简要说明了泊车对速度的要求。其次，对平行泊车路径规划进行研究。针对不同的车位，对圆弧相切平行泊车路径规划法和库内双步调整平行泊车路径规划法进行研究和仿真，仿真结果表明两种泊车方法都能使车辆顺利泊车入位，其中库内双步调整泊车方法能够在更小的车位里实现泊车。考虑到车辆自身约束，由于圆弧相切路径规划轨迹的切点处存在曲率突变，采用五阶多项式曲线对该轨迹进行了优化，解决了相切点处曲率突变的问题。然后，运用设计的模型预测控制器对平行泊车规划路径进行跟踪研究。结合路径跟踪和模型预测控制算法，基于车辆运动学模型建立了车辆泊车路径跟踪控制器，以不同车位情况下的平行泊车路径规划的轨迹进行跟踪仿真研究，并与同等条件下 PID 算法进行对比。仿真结果表明，该控制器能够在标准车位的圆弧相切的规划路径和小车位的库内双步调整泊车规划路径中均可实现轨迹的踪，相对 PID 控制，该控制器路径跟踪更加稳定、误差更小，可以实现泊车。 最后，进行平行泊车路径规划与跟踪的实验验证—设计开发了自动平行泊车控制系 统。确定了以 STM32F103C8T6 为控制器，配备有电机驱动、舵机、传感器、通信模块、显示模块等硬件的实验小车。实验小车的软件部分主要分为遥控模块和泊车控制模块两部分，小车不仅要实现平行泊车的功能，还要在泊车过程中实时监测小车的航向角、速度和位移等。在实验室里搭建了泊车环境并进行了平行泊车实验，实验结果表明，该控制系统在实验室中可以实现圆弧相切路径规划的平行泊车功能，同时对实验结果进行分析，并提出改进措施。

主动前轮转向（active front steering，AFS）和直接横摆力矩控制（direct yaw moment control，DYC）是提升汽车侧向稳定性的重要手段。当汽车侧向失稳时，DYC 的制动干预会引起汽车纵向速度下降，影响汽车的纵向动力学和驾驶舒适性。与 DYC 工作原理不同，AFS 通过转向系统的主动干预能够在不影响纵向动力学和舒适性的前提下提升汽车的侧向稳定性，近年来得到了广泛的研究。本文在现有研究的基础上，基于模型预测控制方法设计一种在预测时域内考虑轮胎力非线性变化的新型线性时变AFS 控制系统，能够有效提高系统的实时性，拓宽 AFS 的工作范围，改善在高速、低附着路面等极限工况下 AFS 汽车的侧向稳定性。 随着汽车智能化和无人化的发展，主动避撞控制逐渐成为提高汽车行车安全、减 少交通事故伤害的重要手段。基于 AFS 的侧向避撞控制只需要较小的转角干预，就 能产生足够的横摆力矩和侧向偏移，相对于纵向避撞控制在高速、低附着路面等极限工况下的纵向避撞距离更短，备受研究学者的青睐。极限工况下轮胎力常常处于非线性区域，汽车在转向避撞过程中容易出现侧滑等危险。因此，本文针对极限工况下汽车转向避撞时的行驶稳定性问题，基于模型预测控制方法设计一种考虑轮胎状态刚度预测的转向避撞控制器，能够较好地兼顾汽车在极限工况下的转向避撞效果和行驶稳定性。 此外，当轮胎侧向力接近饱和时，AFS 的控制性能将接近极限。但此时 DYC 依 然可以利用纵向力产生横摆力矩来保持汽车稳定。因此，AFS 与 DYC 的集成控制可以充分利用两者的优势，进一步提高车辆的侧向稳定性。然而，AFS 和 DYC 对汽车的运动存在相互干涉和耦合，且轮胎的侧向力和纵向力间也存在相互影响，因此 AFS与 DYC 集成控制中转向和制动的控制权分配问题一直是一个研究热点。针对这一研究问题，本文提出一种考虑轮胎均等后备能力的轮胎纵向和侧向力分配方法，并基于线性时变模型预测控制设计了一体式 AFS 与 DYC 集成控制器，能够有效解决 AFS与 DYC 的运动干涉和控制权分配问题，进一步提高汽车的侧向稳定性。

首 先 ，建 立 了 魔 术 轮 胎 模 型 、线 性 轮 胎 模 型 。在 此 基 础 上 ，建 立 了 非线 性 车 辆 动 力 模 型 ，将 非 线 性 车 辆 模 型 进 行 简 化 、线 性 化 得 到 线 性 车 辆 模型 ；根 据 运 动 学 建 立 点 质 量 车 辆 模 型 。其 次 ，研 究 无 迹 卡 尔 曼 滤 波 算 法 ，结 合 离 散 后 的 非 线 性 车 辆 模 型 ，对 路 面 附 着 系 数 估 计 。再 次 ，提 出 采 用 非均 匀 B 样 条 曲 线 构 造 避 撞 路 径 模 型 ； 根 据 紧 急 避 撞 工 况 中 的 场 景 信 息 生成 避 撞 路 径 簇 ；构 建 乘 员 舒 适 性 指 标 最 优 的 目 标 函 数 ，添 加 防 侧 滑 约 束 和路 面 附 着 系 数 约 束 ，优 化 出 乘 员 舒 适 性 最 佳 的 避 撞 路 径 。最 后 ，采 用 PID控 制 器 对 车 辆 纵 向 速 度 进 行 跟 踪 ； 采 用 线 性 车 辆 模 型 设 计 模 型 预 测 控 制器 ，控 制 车 辆 前 轮 转 角 实 现 对 避 撞 路 径 的 跟 踪 控 制 ；为 了 保 证 车 辆 避 撞 时的 稳 定 性 ，将 质 心 侧 偏 角 约 束 加 入 到 模 型 预 测 控 制 器 中 ，同 时 ，根 据 路 面状 况 ， 添 加 路 面 附 着 条 件 约 束 。 利 用 Simulink 与 Carsim 联 合 仿 真 验 证 主 动 避 撞 算 法 的 可 行 性 。仿 真 结 果 表 明 ： 本 文 提 出 路 径 规 划 算 法 和 路 径 跟 踪 算 法 能 够 在 高 速 紧 急 避 撞工 况 下 完 成 避 撞 任 务 ， 并 且 提 高 乘 员 舒 适 性 以 及 保 证 车 辆 稳 定 性 。

首先，详细介绍了本论文的研究现状、研究意义以及智能车主动避撞技术的发展现 状，详细介绍了当前智能车辆路径规划和轨迹跟踪控制技术的相关方法以及各种方法的长处与不足。本文结合 PID 控制和模糊控制两种控制算法的优势，确定了用模糊自适应PID 轨迹跟踪控制器作为避撞模型的轨迹跟踪层，以克服单一的 PID 控制器参数不能在线调节的弊端。为避免出现极限情况下跟踪不好的问题，确定了 MPC 控制算法在轨迹跟踪层的应用。为解决智能车辆在动态环境下轨迹规划问题，论文选用了模型预测轨迹重规划算法作为轨迹规划层。 其次，以前轮转向的智能车为研究对象，建立了车辆坐标系，建立了二自由度的智 能车辆动力学方程。在研究轨迹跟踪问题的过程中，详细介绍了模糊 PID 轨迹跟踪控制器和 MPC 轨迹跟踪控制器的建立过程，并在 Matlab/Simulink 环境中分别对其跟踪效果进行仿真。结果显示在车速为 18km/h、36km/h 和 72km/h 时，对于不同的跟踪轨迹（直线和双移线），两者都有较理想的跟踪效果。然后，论文详细介绍了模型预测理论在动态环境中轨迹重规划的应用，并据此建立了智能车主动避撞模型的轨迹规划器。为满足实时性和鲁棒性的需要，论文轨迹规划层采用了计算量较少的点质量车辆模型。 最后，论文利用前面建立的模糊 PID 和 MPC 控制器分别作为轨迹跟踪层，利用模型预测动态轨迹规划器作为轨迹规划层，搭建了轨迹规划+轨迹跟踪的双层控制器作为智能车主动转向避撞模型。最后在 Matlab/Simulink 环境中分别对其避撞效果进行仿真，结果显示，当车速为 18km/h、36km/h 时，该模型有较好的避撞效果，并在避撞之后能够及时跟踪原来的轨迹行驶；但当车速为 72km/h 时，由于车速较高，障碍物信息过早的加入会导致智能车较早进行轨迹重规划并偏离原来轨迹，但整体上来说该避撞模型都实现了避撞的设计目标。论文选用的轨迹规划和跟踪算法都能满足智能车主动避撞技术的要求。

先，采取将超声波传感器和轮速脉冲传感器结合的方式实现车位的检测和泊车初始位置获取。为了提高测量数据稳定性和精度，防止单个雷达失效的情况，提出使用同侧的两个超声波雷达同时对车位进行探测，并结合基于相似度的数据融合方法得到更准确的车位信息。 然后，对车辆低速运动过程进行研究，建立了基于后轴中心为参考点的运动学模型，明确了该参考点在车速和方向盘转角输入下的运动规律，并将规律推广到车身各顶点。分析了单步平行泊车的车辆运动学条件和碰撞约束条件，并将其作为非线性约束，基于 B 样条曲线理论设计路径优化函数。在此基础上，选取多个泊车起点进行 MATLAB 路径规划仿真，验证了路径规划方法合理性。为了跟踪规划出的目标路径，先采用基于 EKF 的航迹推算方法滤除传感器中的噪声信号，得到精确的车辆局部定位信息。利用车辆实时位姿与目标路径的偏差，设计了基于模型预测控制的路径跟踪控制器，选取了合适的目标函数，将跟踪控制问题转换为凸优化的二次型最优求解问题，并对控制器参数选择问题进行研究。同时，介绍了广泛用于路径跟踪的一种纯追踪控制方法，用作控制器控制效果的对比验证。 通过 MATLAB/Simulink 与 Carsim 的联合仿真，对比模型预测控制和纯追踪 控制两种控制算法下的路径跟踪的位置误差和航向误差进行控制效果验证。最 后，在实车上验证了基于双超声波雷达数据融合的车位检测算法的有效性。并 进行了泊车系统控制策略的功能验证，通过 CAN 总线获取的实时数据进行误差 分析，证明了规划路径的合理性和路径跟踪控制器的有效性

本课题来源于某校企合作研发项目，旨在实现区域自动代客泊车应用，本文重点研 究自主引导行驶技术中的全局路径规划算法和参考路径跟踪控制应用算法。为实现智能车自动行驶控制，本文首先基于项目系统要求和现有实验车辆平台，建立满足行车控制要求的车辆运动学模型，通过线性化和离散化处理，构建能够描述车辆运动状态的离散状态空间方程，为智能车的行驶状态预测和控制算法提供理论基础。同时本文测绘记录实验场地（室外停车场）位置地图，描述行车道路、停车位、树木和障碍物等之间的精确位置关系，结合道路行驶规则和 OpenDRIVE 路网技术建立实验场地高精度电子地图，为智能车系统路径规划和跟踪控制提供环境信息。 然后结合图论和启发式路径搜索理论，基于在高精度电子地图中设定的道路航点， 综合路径最优和操控性以改进 Floyd+A*混合路径规划算法；通过构建路径规划策略，实现智能车行驶全局参考路径的在线动态规划，为智能车的行驶提供安全最优的参考路线。为保证智能车能够精准地按照参考路径行驶，结合模型预测控制算法，设计满足智能车模型和行驶控制要求的路径跟踪控制器。将控制器的目标函数求解问题转化为二次规划求解问题，在 QP 求解方法的基础上，结合对偶算法通过对海森矩阵分解求逆，提出一种新的 QPKWIK 求解器，在 Matlab/Simulink 软件仿真平台上验证了 QPKWIK 求解器的快速性和有效性。 最后设计搭建实验车辆系统平台，通过对实际行车数据分析，验证了本文路径规划 算法、路径跟踪控制器和自主引导行驶系统的有效性和可行性。结合全自动泊车技术，实现区域自动代客泊车应用。

针对车辆低速倒车这一运动过程，建立了车辆数学模型。根据分析车辆数学 模型，得到能够满足多数情况下的泊车路径。由于自动泊车过程可分解为寻找最 佳泊车位置及从最佳泊车位置倒入停车位两个过程，针对这两个过程，分析了无 障碍式及有障碍式的泊车路径。针对有障碍式泊车路径中的寻找最佳泊车位这一 过程通过对群智能算法的比较，运用粒子群算法对其进行了路径规划。通过分析 模糊控制相关知识，针对从最佳泊车位置到停车位这一泊车过程，建立一种模糊 控制方法，通过 MATLAB 仿真实现了其泊车过程