行业分类-作业装置- 一种基于立体视觉的机器人主动避障规划方法.zip

首先，阐述车辆侧向主动避撞系统的研究背景，并从行车信息感知与处理，换道 安全距离模型，车辆动力学控制和车辆建模四个方面搭建侧向主动避撞系统构架。 其次，在不影响控制效果的前提下，简化车辆模型，建立车身动力学模型、车轮 动力学模型、轮胎模型，为后续车辆观测器的设计提供数学模型。 再次，车辆侧偏角和轮胎侧偏刚度是车辆操纵稳定性的重要参数，本文采用无迹 卡尔曼滤波对车身侧偏角进行估计，采用带遗忘因子的递推最小二乘法对轮胎侧偏刚度进行估计，为车辆侧向运动提供必要的行驶状态和环境信息。 最后，设计双层控制器控制车辆侧向稳定性。设计上层控制器以获取车辆侧向避 撞的期望轨迹，即期望横摆角速率和期望车身侧偏角；设计直接横摆力矩自适应滑模 控制器获得车辆转向力矩，实现车辆稳定安全避障。

由于主动避撞系统的验证中需要有动力学模型来支撑，所以要搭建无人车 纵向动力学模型。无人车纵向动力总成包括发动机、液力偶合器、自动变速器和 车辆质量模型等。为了验证所本文所搭建的动力学模型的合理性，在 CarSim 中同 样建立了整车模型，并在与 Simulink 中搭建的纵向动力学模型进行对比，证明所 建动力学模型的完整性与准确性。 与传统的模糊系统不同，DFS 将模糊变量分解为 N 层，并除去了两个边界 模糊集。每一层的传统模糊变量由一个对应的模糊集及其补集构成，并且每一层 对应于原模糊划分中的一个模糊集。由于采用 DFS 所构建的基于专家经验的模糊 规则库的规则数过多，所以采用简易分解模糊系统（SDFS）。对于 SDFS，相比 DFS 来说只需要考虑来自模糊变量的同一排序层的模糊集，模糊规则数相对较少。 针对无人车的主动避撞系统，避撞逻辑的模型采用安全距离模型。将前后 车的状态信息输入到控制器中，按照设计好的计算方法得到相应的危险阈值，该 阈值是表示当前车况危险程度的量，无人车可通过阈值法判别紧急危险状况，以 及是否触发车辆自主制动措施。一旦触发车辆自主的制动，系统将给出制动的期 望减速度，无人车将以期望加速度为目标进行制动。采用控制目标设计层、扭矩 输出层的分层控制策略。在目标设计层中，将期望纵向加速度与实际值作比较得 到相应的误差;在扭矩输出层，误差通过分解模糊 PID 控制器计算出期望加速度所 需要的力矩。最后，通过仿真验证所提出的控制方法的有效性。

首先分析了行人典型动作特征所表示的行走意图，揭示了行人在不同行走轨 迹下的动态特征转移规律；通过 7 层卷积神经网络模型识别行人在不同运动状态 下的典型动作特征，并基于动作特征的变化情况模拟了 4 种行人行走意图变化过 程，简洁明了的表示出行人实际轨迹变化时间点与行走意图改变时间点的差异。 然后对过街行人运动学特性进行分析，揭示了过街行人运动轨迹的变化对无 人驾驶汽车速度控制策略的影响，并结合行人行走意图的综合考虑，提出了基于动 作特征分析的行人轨迹预测算法，提前预测行人轨迹变化情况。 其次综合考虑行人因素(Pedestrian factor)、距离因素(Distance factor)和车速因 素(Speed factor)对主动避撞控制策略的影响，建立了不同轨迹工况下的 PDS 预估 安全距离模型；在此基础上，设计了行人主动避撞算法，通过轨迹交汇时间比较、 速度误差判断等方式规划制动策略，保障行人安全的同时兼顾制动过程的平缓性。 最后搭建 Carsim/Simulink 联合仿真模型，对比分析了传统安全距离模型与本 文所提 PDS 预估安全距离模型的制动距离和制动减速度值，表明 PDS 预估安全距 离模型在行人主动避撞算法中的优势；同时对 5 种行人轨迹变化工况进行仿真分 析，验证了所设计主动避撞算法的有效性；并结合实车试验进一步证明所设计的行 人主动避撞系统的安全性和可靠性。

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。