基于模型预测控制的智能车辆主动避撞控制研究
《基于制动和转向的智能车避撞控制研究》范文
《基于制动和转向的智能车避撞控制研究》篇一一、引言随着智能交通系统的快速发展，自动驾驶汽车逐渐成为未来交通的重要趋势。
避撞系统作为自动驾驶汽车的核心技术之一，对于提高行车安全性和减少交通事故具有重要意义。
本文将重点研究基于制动和转向的智能车避撞控制技术，探讨其原理、方法及实际应用。
二、智能车避撞控制技术概述智能车避撞控制技术主要通过传感器、控制器和执行器等设备实现车辆的自主避障和避撞。
其中，制动和转向是两种主要的避撞手段。
制动系统通过调整车辆制动力度，使车辆减速或停车，以避免碰撞；转向系统则通过改变车辆的行驶方向，使车辆绕过障碍物。
这两种手段在智能车避撞控制中相互配合，共同保障行车安全。
三、制动和转向的避撞控制原理1. 制动避撞控制原理制动避撞控制主要通过传感器检测车辆与障碍物之间的距离，当距离小于安全阈值时，控制系统会发出制动指令，调整制动力度，使车辆减速或停车，以避免碰撞。
此外，制动系统还可以根据障碍物的速度、大小和类型等信息，进行智能化的制动策略调整，提高避撞效果。
2. 转向避撞控制原理转向避撞控制主要通过传感器检测车辆周围的障碍物信息，通过算法计算出最佳的转向路径和转向角度，使车辆绕过障碍物。
转向避撞控制需要考虑车辆的动力学特性、道路条件、车速等因素，以确保转向过程的稳定性和安全性。
四、智能车避撞控制的实现方法1. 传感器技术传感器是智能车避撞控制的核心设备之一，主要用来检测车辆周围的障碍物信息。
常用的传感器包括雷达、激光雷达、摄像头等。
这些传感器可以提供障碍物的位置、速度、大小等信息，为控制系统提供决策依据。
2. 控制器设计控制器是智能车避撞控制的核心部分，主要负责接收传感器的信息，根据一定的算法计算出最佳的避撞策略，并发出指令给执行器。
控制器设计需要考虑多种因素，如传感器的精度、执行器的性能、车辆的动力学特性等。
3. 执行器技术执行器是智能车避撞控制的最终环节，主要负责执行控制器的指令。
基于模型预测控制的汽车紧急转向避撞研究
Vol.44,No.3Jun.2021第44卷第3期2021年6月武汉科技大学学报Journal of Wuhan University of Science and Technology D0I ：10.3969/j.issn.1674-3644.2021.03.009基于模型预测控制的汽车紧急转向避撞研究严运兵，许峻峰,许小伟，杨建青(武汉科技大学汽车与交通工程学院，湖北 武汉,30065)摘要：为了解决汽车在低附着路面上中高速转向避撞时产生的侧滑失稳和轨迹跟踪能力不足等问题，本文基于模型预测控制算法，提出一种主动避撞的方法，建立了车辆单轨模型并经线性离散化后作为预测模型。
在模型预测控制的过程中加入前轮转角约束、前轮转角增量约束、纵向加速度约束与轮胎侧偏角约束等多种约 束条件，对车辆横向位移、横向速度、横摆角与横摆角速度等多个状态量进行控制，使车辆的轨迹更加符合理想轨迹。
仿真模拟结果表明，相比无控制与PID 控制方法，利用本文方法可以有效地使汽车在中高速及低附着路面条件下按理想的轨迹进行避撞且保持避撞过程中的行驶稳定性，大幅提高避撞过程中的车辆安全性。
关键词：汽车转向；转向避撞；模型预测控制；路径跟踪；轨迹规划中图分类号:U463.6 文献标志码:A 文章编号:1674-3644(2021.)03-0220-06汽车主动安全技术的不断发展为汽车行驶安 全提供了有力的保障。
目前，因汽车在高速路面 躲避障碍物而造成的安全事故率越来越高，气车主动安全技术中的主动避撞技术已成为汽车驾驶安全领域的研究热点，亥类研究主要包括汽车行 驶路径规划以及对汽车行驶轨迹进行跟踪控制,如修彩靖等［］利用高斯组合隶属函数建立改进的 人工势场模型进行路径规划;Wnag 等［］基于模拟退火算法优化了路径规划器初等函数中的多项 式参数;张琳等［］通过引入滚动窗口优化策略来 解决未知环境中的全局最优轨迹；田彦涛等⑷借助线性二次型调节器(LQR)设计出侧向控制器实现了平稳避撞;Chen 等［5］利用一种路径跟随转 向控制器来减小跟踪误差,亥控制器由具有自适 应预览时间的自动换道系统组成；李印祥等［］基于滑模控制方法对汽车行驶路径进行跟踪，仿真和硬件在环试验证实该方法具有良好的跟踪特 性。
《基于制动和转向的智能车避撞控制研究》范文
《基于制动和转向的智能车避撞控制研究》篇一一、引言随着科技的飞速发展，智能车辆技术已成为当今研究的热点。
其中，避撞控制作为智能车辆安全行驶的关键技术之一，其研究具有重要的理论意义和实际应用价值。
本文将针对基于制动和转向的智能车避撞控制进行研究，旨在提高智能车辆的行驶安全性和稳定性。
二、智能车避撞系统概述智能车避撞系统是一种集成了多种传感器、控制器和执行器的复杂系统。
其中，传感器用于获取车辆周围的环境信息，控制器根据获取的信息进行决策，执行器则负责实施控制动作。
在避撞控制中，制动和转向是两种主要的执行动作。
三、制动避撞控制研究制动避撞控制是智能车避撞控制的重要组成部分。
在紧急情况下，通过合理控制制动系统，使车辆迅速减速，以避免碰撞事故的发生。
3.1 制动系统模型制动系统模型是研究制动避撞控制的基础。
该模型应包括制动器的结构、工作原理以及制动力的产生和传递过程。
通过建立精确的制动系统模型，可以为后续的避撞控制研究提供有力的支持。
3.2 制动策略研究制动策略是指导制动避撞控制的关键。
根据不同的环境信息和车辆状态，制定合理的制动策略，使车辆在保证安全的前提下，尽可能地减小制动距离。
目前，常见的制动策略包括预见性制动、紧急制动等。
四、转向避撞控制研究转向避撞控制是另一种重要的避撞控制方式。
通过控制车辆的转向系统，使车辆在避免碰撞的同时，保持稳定的行驶轨迹。
4.1 转向系统模型转向系统模型是研究转向避撞控制的基础。
该模型应包括转向器的结构、工作原理以及转向力的产生和传递过程。
通过建立精确的转向系统模型，可以更好地理解转向避撞控制的原理和实现方法。
4.2 转向策略研究转向策略是指导转向避撞控制的关键。
根据环境信息和车辆状态，制定合理的转向策略，使车辆在避免碰撞的同时，保持稳定的行驶状态。
常见的转向策略包括路径规划、车道保持等。
五、制动与转向的协调控制研究在实际应用中，制动和转向往往需要协调配合，以实现最佳的避撞效果。
汽车智能防碰撞系统的建模分析与应用研究概要
汽车智能防碰撞系统的建模分析与应用研究概要汽车智能防碰撞系统是一种利用传感器、相机、雷达和激光等技术来监测车辆周围环境并实时分析和预测潜在碰撞风险的系统。
它可以帮助驾驶员及时发现危险情况，并采取相应的措施来避免碰撞事故的发生。
本文将对汽车智能防碰撞系统的建模分析与应用进行研究，并提出相应的研究概要。
首先，需要对汽车智能防碰撞系统的建模进行分析。
建模是将系统的行为和结构抽象化的过程，可以用于仿真、测试和优化系统的性能。
汽车智能防碰撞系统的建模包括以下几个方面：1.环境感知模型：该模型使用传感器、相机、雷达和激光等设备来感知车辆周围的环境，包括道路、车辆和行人等，以获取实时的环境信息。
2.碰撞风险评估模型：该模型根据环境感知模型提供的信息，通过算法和模式识别等技术对周围环境进行分析和评估，确定潜在的碰撞风险。
3.决策控制模型：该模型根据碰撞风险评估模型提供的结果，决定采取何种措施来避免碰撞事故的发生，比如自动刹车或驾驶员警告。
4.车辆动力学模型：该模型用于模拟车辆的运动和动力学特性，以便更好地理解和预测车辆的行为和运动轨迹。
其次，需要对汽车智能防碰撞系统的应用进行研究。
汽车智能防碰撞系统在实际应用中有着广泛的应用场景，如城市交通、高速公路和停车场等。
下面是一些典型的应用场景：1.交通流量监测与预测：智能防碰撞系统可以监测交通流量和拥堵情况，并预测未来的交通状况，提供实时的交通信息和导航建议。
2.自动紧急制动：当智能防碰撞系统检测到前方有障碍物或潜在的碰撞风险时，会自动触发车辆的制动系统，减少碰撞事故的风险。
3.自动泊车辅助：智能防碰撞系统可以利用传感器和相机等设备，辅助驾驶员完成车辆的自动泊车操作，减少停车事故的发生。
4.交通信号灯优化：智能防碰撞系统可以与交通信号灯进行通信，根据交通流量和车辆位置等信息，优化信号灯的配时，减少交通拥堵和碰撞事故的发生。
最后，对于汽车智能防碰撞系统的研究概要，可以按照以下步骤进行：1.调研和分析现有的汽车智能防碰撞系统及相关技术，了解其原理和应用场景。
智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究
智能汽车紧急避撞轨迹规划与路径跟踪控制策略研究一、综述随着科技的不断发展，智能汽车已经成为了现代交通领域的一个重要研究方向。
智能汽车通过将各种传感器、控制器和通信技术与车辆相结合，实现了对车辆的实时监控、故障诊断、自动驾驶等功能。
在智能汽车的发展过程中，紧急避撞轨迹规划与路径跟踪控制策略的研究显得尤为重要。
本文将对智能汽车紧急避撞轨迹规划与路径跟踪控制策略的现状进行综述，分析现有技术的优缺点，并提出一种新的解决方案，以期为智能汽车的发展提供理论支持和技术指导。
尽管目前已经取得了一定的研究成果，但智能汽车紧急避撞轨迹规划与路径跟踪控制策略仍然面临着一些挑战。
首先由于智能汽车涉及到多种复杂的运动模式和环境因素，因此在实际应用中很难实现对所有情况的有效处理。
其次由于智能汽车的控制系统具有很高的实时性要求，因此在计算复杂度和响应速度方面存在一定的限制。
此外由于智能汽车的安全性和可靠性对于整个交通系统具有重要意义，因此在研究过程中需要充分考虑安全性和可靠性的问题。
智能汽车紧急避撞轨迹规划与路径跟踪控制策略的研究对于提高智能汽车的安全性和可靠性具有重要意义。
本文将对这一领域的研究现状进行综述，分析现有技术的优缺点，并提出一种新的解决方案，以期为智能汽车的发展提供理论支持和技术指导。
1.1 研究背景和意义随着科技的飞速发展，智能汽车已经成为了未来交通出行的重要趋势。
然而智能汽车在行驶过程中可能会遇到各种突发情况，如紧急避险、碰撞等，这些情况对车辆和乘客的安全具有极大的威胁。
因此研究智能汽车在紧急情况下的避撞轨迹规划与路径跟踪控制策略显得尤为重要。
首先研究智能汽车紧急避撞轨迹规划与路径跟踪控制策略有助于提高道路交通安全。
通过对智能汽车在紧急情况下的避撞轨迹规划和路径跟踪控制策略的研究，可以有效地降低交通事故的发生概率，减少因交通事故造成的人员伤亡和财产损失。
其次研究智能汽车紧急避撞轨迹规划与路径跟踪控制策略有助于提高道路通行效率。
船舶自主避碰系统中的模型预测控制
船舶自主避碰系统中的模型预测控制航行中的船舶面临着众多的危险和难题。
随着科学技术的不断进步和发展，很多国家和机构都在致力于研发一种更加高效安全的船舶自主避碰系统，希望能够在航行中避免碰撞等事故的发生。
在这个系统中，模型预测控制技术被广泛地采用，具有非常重要的作用。
1. 船舶自主避碰技术和模型预测控制船舶自主避碰技术旨在通过计算机、船舶设备、卫星导航等各种技术手段来实现船舶自主避碰，以减少事故的发生。
目前，全球各个国家和地区都在努力推动船舶自主避碰技术的研发和应用。
在船舶自主避碰技术中，模型预测控制技术是一个非常重要的部分。
模型预测控制是一种基于状态空间模型的预测控制方法，通过预测系统状态的变化来对其进行控制。
在船舶自主避碰中，模型预测控制技术通过对船舶运动状态的预测，能够对船舶的运动进行智能化控制，从而实现避免碰撞等事故的发生。
2. 船舶自主避碰中的模型预测控制技术应用在船舶自主避碰中，模型预测控制技术被广泛应用于以下方面：（1）动态碰撞风险评估动态碰撞风险评估是船舶自主避碰技术的核心之一。
这个技术通过模型预测控制技术，能够对船舶行驶路径和运动状态进行实时监测和预测，并能够根据这些信息对船舶的碰撞风险进行评估。
评估结果能够为船舶自主避碰系统提供最优路线和最佳航速等智能化控制指令，从而降低碰撞风险。
（2）船舶状态随机优化控制船舶状态随机优化控制是基于船舶状态和通信环境等多方面条件，对船舶自主避碰行动进行智能化控制的一种手段。
在该控制中，模型预测控制技术可将当前船舶状态与预测计算后的状态进行比较，制定出最佳控制策略，从而使得船舶避免危险。
（3）动态规划航行优化动态规划航行优化是一种基于模型预测控制技术的实时船舶自主避碰技术。
该技术针对不同环境、天气、海况等因素，对船舶的航行路径和航速进行智能化优化，从而降低碰撞风险。
同时，这种技术还可以结合卫星导航、电子海图等信息，实现船舶自动导航和导航数据共享。
3. 模型预测控制在船舶自主避碰中的应用前景随着航海技术和计算机技术的迅速发展，船舶自主避碰技术已经成为未来船舶运输领域的重要发展方向之一。
无人驾驶车辆运动障碍物检测、预测和避撞方法研究
无人驾驶车辆运动障碍物检测、预测和避撞方法研究一、本文概述随着科技的不断进步，无人驾驶车辆已经逐渐从概念走向实际应用，其在提高交通效率、减少交通事故、提供便捷出行等方面具有巨大的潜力。
然而，无人驾驶车辆在实现这些优势的也面临着如何有效检测、预测和避撞运动障碍物等复杂问题的挑战。
因此，本文旨在深入研究无人驾驶车辆在运动障碍物检测、预测和避撞方面的方法，以期为无人驾驶技术的发展提供理论支持和实际应用指导。
本文首先将对无人驾驶车辆运动障碍物检测的方法进行探讨，包括传统的基于传感器的方法以及基于深度学习的目标检测方法。
然后，我们将对运动障碍物的预测技术进行深入研究，包括基于运动模型的预测和基于机器学习的预测方法。
在此基础上，本文将进一步探讨无人驾驶车辆避撞策略的设计和实现，包括避撞路径规划和避撞控制等关键技术。
通过对以上内容的深入研究和分析，本文旨在提出一套有效的无人驾驶车辆运动障碍物检测、预测和避撞方法，以提高无人驾驶车辆的安全性和可靠性。
本文还将对相关方法进行实验验证，以评估其在不同场景下的性能表现，为无人驾驶车辆的实际应用提供参考。
本文的研究对于推动无人驾驶技术的发展具有重要意义，有望为未来的智能交通系统提供有力的技术支持。
二、相关技术研究现状近年来，随着、传感器技术和计算机视觉等领域的飞速发展，无人驾驶车辆的研究和应用取得了显著的进步。
其中，运动障碍物检测、预测和避撞方法是无人驾驶车辆实现安全、高效行驶的关键技术之一。
目前，国内外学者和科研机构已在该领域进行了大量的研究，并取得了一系列重要成果。
在运动障碍物检测方面，研究者们主要利用雷达、激光雷达（LiDAR）、摄像头等传感器获取车辆周围环境信息。
通过图像处理、深度学习等技术，实现对运动障碍物的准确检测。
例如，基于深度学习的目标检测算法，如YOLO、SSD等，在实时性和准确性方面均取得了良好的性能。
多传感器融合技术也被广泛应用于提高检测精度和鲁棒性。
智能驾驶技术中的模型预测控制技术研究
智能驾驶技术中的模型预测控制技术研究随着科技的不断发展以及人们对出行方式的需求日益提高，智能驾驶技术已经成为了现代交通的一项重要发展方向。
其中，模型预测控制（MPC）技术是智能驾驶技术中的一个重要支撑，它能够利用预测模型对车辆行驶过程进行精确预测，并实现对车辆的自主控制。
本文将对智能驾驶技术中的模型预测控制技术进行系统研究和梳理。
一、MPC技术的基本概念和原理模型预测控制技术是一种基于动态模型的控制方法。
它将下一个时刻车辆状态预测与控制相结合，通过优化控制信号，使车辆状态得到最优化控制。
MPC技术的基本原理是将预测控制问题转化为多步时变优化问题，通过在线求解预测模型进行优化。
MPC技术的基本流程如下：首先，定义车辆运动的数学模型，包括惯性、力、转向等因素；其次，根据车辆运动的特点，建立相应的控制模型；最后，将建立的控制模型带入多步优化问题，得到最优控制信号，实现车辆的自主控制。
二、MPC技术在智能驾驶中的应用MPC技术在智能驾驶中的应用非常广泛，包括车道保持、自动泊车、ACC智能巡航、自动驾驶等领域。
其中，自动驾驶技术是MPC技术的核心应用，它通过模型预测控制来实现车辆状态的精确预测和优化控制，从而实现车辆的自主行驶。
在自动驾驶领域，MPC技术主要应用于路线规划和控制两个方面。
路线规划方面，通过成本函数来进行路线规划，包括考虑车辆性能、交通状况、道路限制等因素，得到最佳路径；控制方面，根据预测的车辆状态和驾驶目标，计算出最优控制输入，实现车辆的自主控制。
三、MPC技术的发展趋势和挑战随着智能驾驶技术的快速发展，MPC技术也面临着一系列的发展趋势和挑战。
其中，最主要的趋势是向实时控制和混合控制方向发展。
实时控制是指对车辆实时状态进行监控和控制，实现快速响应和精确控制；混合控制是指将多种控制器进行调和，实现更加高效灵活的控制。
同时，MPC技术也面临着一些挑战。
最大的挑战之一是模型误差，即由于对车辆自身和环境因素的不充分考虑，模型预测结果和实际情况会存在一定的差别，影响控制效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
［摘要］ 针对自主驾驶车辆的转向避撞问题，提出了一种分层避撞控制方法。上层路径规划控制器基于车辆 运动学模型，引入人工势场函数，采用障碍物与车辆的相对状态描述车辆碰撞风险。基于模型预测控制理论，构建 优化目标函数，规划最优避撞路线，并采用五次多项式拟合局部避撞路径。对于下层路径跟踪控制器，则建立车辆 非线性动力学模型，构建基于最优转向盘转角输入的路径跟踪优化函数，实现局部避撞路径跟踪。最后搭建了 Ｃａｒ ｓｉｍ／Ｍａｔｌａｂ联合仿真平台，对被控车辆在不同路面、不同车速情况下的避障路径规划和跟踪效果进行了仿真。结果 表明：上层控制器能根据障碍物信息实时规划局部避撞路径，下层控制器能控制车辆平滑、稳定地跟踪参考路径，从 而实现车辆的主动避撞功能。
［Ａｂｓｔｒａｃｔ］ Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｏｆｓｔｅｅｒｉｎｇｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｆｏｒａｕｔｏｎｏｍｏｕｓｖｅｈｉｃｌｅ，ａｈｉｅｒａｒｃｈｉｃａｌｃｏｎ ｔｒｏｌｍｅｔｈｏｄｆｏｒｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｉｓｐｒｏｐｏｓｅｄ．Ｉｎｕｐｐｅｒｌａｙｅｒｃｏｎｔｒｏｌｌｅｒｆｏｒｐａｔｈｐｌａｎｎｉｎｇ，ｔｈｅａｒｔｉｆｉｃｉａｌｐｏｔｅｎｔｉａｌ ｆｉｅｌｄｆｕｎｃｔｉｏｎｉｓｉｎｔｒｏｄｕｃｅｄｂａｓｅｄｏｎｖｅｈｉｃｌｅｋｉｎｅｍａｔｉｃｍｏｄｅｌａｎｄｔｈｅｒｅｌａｔｉｖｅｓｔａｔｅｂｅｔｗｅｅｎｖｅｈｉｃｌｅａｎｄｏｂｓｔａｃｌｅｉｓ ｕｓｅｄｔｏｄｅｓｃｒｉｂｅｔｈｅｃｏｌｌｉｓｉｏｎｒｉｓｋｏｆｖｅｈｉｃｌｅ．Ｗｈｉｌｅｉｎｂｏｔｔｏｍｌａｙｅｒｃｏｎｔｒｏｌｌｅｒｆｏｒｐａｔｈｔｒａｃｋｉｎｇ，ｔｈｅｎｏｎｌｉｎｅａｒｋｉｎｅｔｉｃ ｍｏｄｅｌｏｆｖｅｈｉｃｌｅａｎｄｔｈｅｐａｔｈｔｒａｃｋｉｎｇｏｐｔｉｍｉｚａｔｉｏｎｆｕｎｃｔｉｏｎｂａｓｅｄｏｎｏｐｔｉｍａｌｓｔｅｅｒｉｎｇｗｈｅｅｌａｎｇｌｅｉｎｐｕｔａｒｅｅｓｔａｂ ｌｉｓｈｅｄｔｏａｃｈｉｅｖｅｌｏｃａｌｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｐａｔｈｔｒａｃｋｉｎｇ．ＦｉｎａｌｌｙＣａｒｓｉｍ／Ｍａｔｌａｂｊｏｉｎｔｓｉｍｕｌａｔｉｏｎｐｌａｔｆｏｒｍｉｓｃｏｎｓｔｒｕｃ ｔｅｄｔｏｓｉｍｕｌａｔｅｔｈｅｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｐａｔｈｐｌａｎｎｉｎｇａｎｄｔｒａｃｋｉｎｇｅｆｆｅｃｔｓｏｆｃｏｎｔｒｏｌｌｅｄｖｅｈｉｃｌｅｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｐｅｅｄｓ ａｎｄｒｏａｄｃｏｎｄｉｔｉｏｎｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｕｐｐｅｒｃｏｎｔｒｏｌｌｅｒｃａｎｐｌａｎｌｏｃａｌｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｐａｔｈｒｅａｌｔｉｍｅａｃ ｃｏｒｄｉｎｇｔｏｏｂｓｔａｃｌｅｉｎｆｏｒｍａｔｉｏｎ，ｗｈｉｌｅｔｈｅｂｏｔｔｏｍｌａｙｅｒｃｏｎｔｒｏｌｌｅｒｃａｎｃｏｎｔｒｏｌｔｈｅｖｅｈｉｃｌｅｔｏｓｍｏｏｔｈｌｙａｎｄｓｔａｂｌｙｔｒａｃｋ ｒｅｆｅｒｅｎｃｅｐａｔｈ，ｈｅｎｃｅｆｕｌｆｉｌｌｉｎｇｔｈｅａｃｔｉｖｅｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅｆｕｎｃｔｉｏｎｏｆｖｅｈｉｃｌｅ．
科技部重点研究计划（２０１７ＹＦＢ０１０２６０３）和国家自然科学基金面上项目（５１８７５０６１）资助。 原稿收到，Ｅｍａｉｌ：ｚｌｉｎｇ＠ｃｑｕ．ｅｄｕ．ｃｎ。
２０１９（Ｖｏｌ．４１）Ｎｏ．４
任癑，等：基于模型预测控制的智能车辆主动避撞控制研究
１ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏｍｏｂｉｌｅＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙ，ＴｈｅＳｔａｔｅＫｅｙＬａｂｏｆＭｅｃｈａｎｉｃａｌＴｒａｎｓｍｉｓｓｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ ４０００４４； ２ＣｈａｎｇａｎＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇＩｎｓｔｉｔｕｔｅ，Ｃｈｏｎｇｑｉｎｇ ４０１１２０
Ｋｅｙｗｏｒｄｓ：ａｕｔｏｎｏｍｏｕｓｖｅｈｉｃｌｅ；ｈｉｅｒａｒｃｈｉｃａｌｃｏｎｔｒｏｌ；ａｃｔｉｖｅｃｏｌｌｉｓｉｏｎａｖｏｉｄａｎｃｅ；ｐａｔｈｐｌａｎｎｉｎｇ；ｐａｔｈ ｔｒａｃｋｉｎｇ
前言
高度自动驾驶是智能汽车未来的发展趋势，
它由环境感知和决策 控 制 系 统 组 成 。 ［１－３］ 环 境 感 知系统通 过 采 集 道 路、车 辆、行 人 和 交 通 标 志 等 信息，对车 辆 运 行 环 境 进 行 感 知 和 识 别；决 策 控 制系统则根据环境 感 知 的 结 果，规 划 出 安 全 的 局
２０１９年（第 ４１卷）第 ４期 ｄｏｉ：１０．１９５６２／ｊ．ｃｈｉｎａｓａｅ．ｑｃｇｃ．２０１９．０４．００７
汽 车 工 程 ＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇ
２０１９（Ｖｏｌ．４１）Ｎｏ．４
基于模型预测控制的智能车辆主动避撞控制研究
任 癑１，郑 玲１，张 巍１，杨 威１，熊周兵２
（１重庆大学汽车工程学院，机械传动国家重点实验室，重庆 ４０００４４； ２重庆长安汽车工程研究院，重庆 ４０１１２０）
关键词：智能车辆；分层控制；主动避撞；路径规划；路径跟踪
ＡＳｔｕｄｙｏｎＡｃｔｉｖｅＣｏｌｌｉｓｉｏｎＡｖｏｉｄａｎｃｅＣｏｎｔｒｏｌｏｆＡｕｔｏｎｏｍｏｕｓ ＶｅｈｉｃｌｅｓＢａｓｅｄｏｎＭｏｄｅｌＰｒｅｄｉｃｔｉｖｅＣｏｎｔｒｏｌ
ＲｅｎＹｕｅ１，ＺｈｅｎｇＬｉｎｇ１，ＺｈａｎｇＷｅｉ１，ＹａｎｇＷｅｉ１＆ ＸｉｏｎｇＺｈｏｕｂｉｎｇ２
· ４０５·
部路径并控制车 辆 安 全、稳 定 行 驶。 自 动 驾 驶 车 辆的主动避撞问题一直是高度自动驾驶研究的 一个热点问题。
近年来，有不少学者对自动驾驶车辆的避障问 题进行 了 研 究。 ＴｏｍａｓＧｂａｒｒｏｎ等［４］将 自 主 车 辆 的 避障问题转换成多目标的优化问题，以计算最优的 行驶轨迹。Ｆｒａｉｃｈａｒｄ等［５］提出利用增强型拉格朗日 粒子群优化算法，在有运动障碍物的动态环境中为 自主无人 车 找 到 一 条 理 想 路 径。 Ｆｒａｚｚｏｌｉ等［６］针 对 静止和运动的障碍物，在概率路线的基础上提出了 一种新的 随 机 增 量 路 径 规 划 算 法。 Ｍｏｏｎ等 ［７］在 人 工势场算法基础上综合考虑汽车的位置、速度以及 方向来处理实时避障问题。在国内，董红召等［８］提 出了一种 基 于 车 路 一 体 化 技 术 的 车 辆 主 动 避 撞 系 统，建立了以动态制动减速度为关键参数的车辆临 界跟车距离模型，具有响应快、自适应性和鲁棒性强 的特点。赵伟等［９－１０］针对汽车在两车并行工况下容 易出现侧向碰撞的问题，建立了基于车间距及其变 化率的模糊控制模型或模糊ＰＩＤ控制模型，利用主 动转向模糊控制技术控制两车之间的侧向距离，减 少其在 超 车 时 发 生 碰 撞 的 危 险。吉 林 大 学 廉 宇 锋 ［１１］分别研究 了 电 动 汽 车 纵 向 避 撞 控 制 与 侧 向 避 撞控制，并根据工况制定了转换策略。刘子龙 提 ［１２］ 出了基于 输 入 输 出 反 馈 线 性 化 的 横 向 运 动 控 制 方 法，并应用于无人驾驶车的路径跟踪，显示了良好的 横向跟踪动 态 性 能 和 稳 定 性。 余 如 等［１３］针 对 自 主 驾驶车辆的避障问题，提出一种基于人类驾驶行为 的预测避障控制方案，采用预瞄点搜索算法规划出 期望的侧向行驶位移和纵向行驶速度，设计了线性 模型预测控制器以跟踪避撞轨迹，从而避开了动态 障碍车辆。