关键词：无人驾驶汽车;;轨迹跟随;;神经网络PID控制器;;最优预瞄理论
摘 要：随着经济的迅速发展,城市中汽车的数量逐年上升,与此同时,由于驾驶员在驾驶技能水平、驾驶习惯、路况掌控能力、生理状态等各方面存在差异,导致交通事故频繁发生,无人驾驶汽车的出现将极大程度的解决这一问题。轨迹跟随作为无人驾驶汽车的一个核心问题,其主要内容为通过控制车辆的转向系统(侧向路径跟随控制)及动力驱动系统(纵向速度跟随控制)使得汽车按照规划的轨迹行驶。在课题研究过程中,首先建立了七自由度车辆动力学模型及非线性轮胎模型。随后在车辆动力学纵向及侧向解耦的情况下分别对它们展开了研究,其中车辆纵向控制采用了具有较强自适应与自学习能力的神经网络PID控制器,车辆侧向控制采用了基于反馈的最优预瞄控制器。在进行控制方法理论研究的同时,在Matlab/Simulink平台中完成了车辆、轮胎模型的建立,并对纵向、侧向控制器进行了仿真,仿真结果也验证了控制器能满足无人驾驶车辆的需求。在进行侧向控制器仿真验证的过程中,当车速较高、道路曲率变化较大的情况下,侧向控制器的跟随效果出现了明显的下降,鉴于此,本文进一步研究了通过论域自调整的模糊系统来动态更新预瞄时间。在不同车速、不到道路曲率的情况下选择不同的预瞄时间,使得最优预瞄控制器具有更强的适应性,并在Matlab/Simulink平台中完成了改进控制器的仿真验证。并通过对比仿真结果表明,改进后的控制器较固定预瞄时间的最优预瞄控制器以及经典的模型预测控制器具有更好的路径跟随性,并能够在各种车况及路况下更好的体现驾驶员的驾驶操作过程,证明了可变预瞄时间控制器有着更好的车辆控制效果。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取