CN110703775B - 一种基于改进人工势场的商用车车道保持路径规划方法 - Google Patents
一种基于改进人工势场的商用车车道保持路径规划方法 Download PDFInfo
- Publication number
- CN110703775B CN110703775B CN201910871253.9A CN201910871253A CN110703775B CN 110703775 B CN110703775 B CN 110703775B CN 201910871253 A CN201910871253 A CN 201910871253A CN 110703775 B CN110703775 B CN 110703775B
- Authority
- CN
- China
- Prior art keywords
- potential field
- function
- gain
- field function
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 239000002245 particle Substances 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000009471 action Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开了一种基于改进人工势场的商用车车道保持路径规划方法，根据基于预瞄横向偏差的虚拟引力势场函数、基于跨道时间的虚拟斥力势场函数和横摆角速度虚拟斥力势场函数构建人工势场函数；构造李亚普洛夫函数，通过控制稳定性分析确定势场函数增益的取值范围；利用人工势场函数计算理想前轮偏转角，将理想前轮偏转角输入到整车模型中，根据既定工况路径进行跟踪；计算路径横向偏差离差平方和，再利用粒子群优化算法求最优势场函数增益，得到最优的理想前轮偏转角；本发明考虑了商用车的稳定性，以横向偏差的方差作为评价函数，得出最优控制的人工势场函数增益，最终得到控制效果最优的人工势场函数的表达形式和规划路径。
Description
技术领域
本发明属于汽车智能转向控制技术领域，具体涉及一种基于改进人工势场的商用车车道保持路径规划方法。
背景技术
随着我国道路交通的迅速发展，智能化需求进一步凸显，越来越多的商用车急需配备智能辅助驾驶相关技术，现有相关的智能驾驶辅助技术包括车道保持LKA、车道偏离预警LDW、自适应巡航ACC，其中LDW已经成为法规所要求的商用车必须配备的功能之一，而LKA作为LDW的改进版，在横向主动控制方面有着重要意义与价值，在未来几年必将纳入法规要求的智能辅助驾驶技术之一。
在现有研究车道保持辅助驾驶的相关技术中，常见的控制方法有PID、自适应预瞄、滑模、神经网络等，除此之外人工势场法因计算量小、反应速度快、易于实现且算法与环境形成闭环控制，规划出的路径平滑等优点在车道保持路径规划方面具有独特的参考研究意义。在国内利用人工势场研究车道保持系统的多是构造不同的势场函数，传统的有基于车道中心线横向偏差与偏航角的道路势场，也有改进之后将横向车速引入的，但控制精度仍然不是很理想。对于商用车车道保持系统研究设计而言，往往存在侧向力大，汽车在控制过程中容易失稳的现象时有发生，车道保持对于商用车的控制难度也进一步增加，也就是说在利用人工势场法研究商用车车道保持过程中，如何能将车辆自身的一些时变的参数变量考虑进来并能够克服商用车失稳，是当前研究的重点问题。
发明内容
本发明根据现有技术中存在的问题，提出了一种基于改进人工势场的商用车车道保持路径规划方法，本发明通过构造改进的人工势场函数，在传统道路势场函数的基础上，进一步将跨道时间TLC这一动态参量引入，并将商用车的稳定性这一因素考虑进去，并利用PSO智能算法，以横向偏差的方差作为评价函数，得出最优控制的人工势场函数增益，最终得到控制效果最优的人工势场函数的表达形式和规划路径。
一种基于改进人工势场的商用车车道保持路径规划方法，包括以下过程：
本发明所采用的技术方案如下：
根据基于预瞄横向偏差的虚拟引力势场函数V预瞄、基于跨道时间TLC的虚拟斥力势场函数V跨道和横摆角速度ω虚拟斥力势场函数Vω构建人工势场函数V＝V预瞄+V跨道+Vω；
构造李亚普洛夫函数L＝T+V，T为整车动能，V为人工势场函数，通过控制稳定性分析确定势场函数增益c1、c2、c3的取值范围；
通过人工势场函数计算理想前轮偏转角δ，将δ输入到整车模型中，根据既定工况路径进行跟踪；计算路径横向偏差离差平方和E，再利用粒子群优化算法求最优势场函数增益，得到最优的理想前轮偏转角δ*。
进一步，所述基于预瞄横向偏差的虚拟引力势场函数V预瞄表示为：
其中，c1预瞄横向偏差虚拟引力势场函数增益，e为车辆质心距离车道中心线的横向距离，xcf为质心到势场力作用点的距离，xla为预瞄距离，即预瞄点到势场力作用点之间的距离；
为车辆航向角；
进一步，所述基于跨道时间TLC的虚拟斥力势场函数表示为：
其中，τ为跨道时间阈值，c2为跨道时间虚拟斥力势场函数增益，TLC为跨道时间；
进一步，所述跨道时间TLC包括直道跨道时间TLCZ和弯道跨道时间TLCW，
其中，ω为横摆角速度，
为车辆航向角，v为汽车行驶车速，dline为车道宽度，L为车辆轴距，db为车辆前轮距，d为车辆转弯中心点到车道中心线之间的距离，Rv为转弯半径，Rr为曲率半径，r2为路径曲率中心与车辆转弯中心之间的距离，d1为车辆左前轮到左侧车道线的距离。
进一步，所述横摆角速度ω的虚拟斥力势场函数表示为：
其中，
μ为路面附着系数，c3为横摆角速度虚拟斥力势场函数增益；v为汽车行驶车速，g为重力加速度。
进一步，所述S2中的稳定性判定条件Ⅰ为：L＞0，即势场函数增益c1、c2、c3均大于0；稳定性判定条件Ⅱ为：根据
得到包含势场函数增益c1、c2、c3的不等式：f(c1,c2,c3)≤0；得到势场函数增益的取值范围为：
进一步，利用粒子群优化算法求最优势场函数增益的方法为：
以势场函数增益c1、c2、c3为寻优对象，并设置搜寻空间维度d；
初始化粒子群的随机位置、速度以及迭代次数n，获取位置初始值范围和速度初始值范围；
将所得势场函数增益取值范围作为约束条件，以路径横向偏差离差平方和
作为优化目标函数，计算每次不同c1、c2、c3取值下的Ei，0＜i＜n；t0为跟踪时间,
为路径横向偏差平均值；
将每次计算的Ei进行比较，得到Ei最小时对应的最优势场函数增益c1best、c2best、c3best；
进一步，得到最优的理想前轮偏转角δ*的方法为：根据PSO优化得到的c1best、c2best、c3bes，得到最优理想前轮偏转角δ*，δ*表示为：
本发明的有益效果：
本发明利用人工势场法解决商用车车道保持的路径规划问题，在传统的道路势场的基础上，进一步引入跨道时间TLC和横摆角速度这ω两个动态参量，将其作为斥力场源，充分考虑了车速v以及横摆角速度ω等车辆自身的状态参量对车道保持路径规划的影响，将车辆转向防侧翻控制在上层控制中体现，降低车辆在行驶过程中发生侧翻的风险，提高行驶稳定性；
本发明在选取势场函数增益时利用智能算法PSO，将各项势场函数增益作为优化粒子，以横向偏差的方差作为评价函数，并通过构造李亚普洛夫函数对势场函数进行稳定性分析，约束增益范围，得出最优控制的人工势场函数增益，最终得到控制效果最优的人工势场函数的表达形式和规划路径。
附图说明
图1为一种基于改进人工势场的商用车车道保持路径规划方法流程图；
图2为预瞄偏差人工势场示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。
如图1所示为一种基于改进人工势场的商用车车道保持路径规划方法，包括以下步骤：
1.通过车载传感器组采集车辆状态信息和道路信息；所采集的车辆状态信息主要包括有汽车行驶车速v，以及横摆角速度ω，上述状态信息通过车速传感器和陀螺仪可以得到；所采集的道路信息主要包括前方道路的曲率K、车辆质心到左侧车道线的距离y以及车辆的横向偏差e与航向角
上述道路信息可以通过惯导系统和摄像头获取；
2.根据前方道路曲率K，判断前方道路是直道还是弯道；当K为0时，代表前方道路为直道，当K大于0时，代表前方道路为弯道；
3.根据步骤2中的道路判定结果计算跨道时间TLC，跨道时间TLC包括直道跨道时间TLCZ和弯道跨道时间TLCW；直道跨道时间TLCZ计算公式如下：
其中，ω为横摆角速度，δ为前轮偏转角，
为车辆航向角，v为汽车行驶车速，dline为车道宽度，L为车辆轴距，db为车辆前轮距，d1为车辆左前轮到左侧车道线的距离，a为前轴距；
弯道跨道时间TLCW计算公式如下：
其中，Rv为转弯半径，Rr为曲率半径，r2为路径曲率中心与车辆转弯中心之间的距离，d为车辆转弯中心点到车道中心线之间的距离；
4.分别建立基于预瞄横向偏差ela的虚拟引力势场函数V预瞄、基于跨道时间TLC的虚拟斥力势场函数V跨道、横摆角速度ωr的虚拟斥力势场函数Vω，并构建人工势场函数V；具体过程如下：
如图2，基于预瞄横向偏差的虚拟引力势场函数表示为，
其中，c1预瞄横向偏差虚拟引力势场函数增益，e为车辆质心距离车道中心线的横向距离，xcf为质心到势场力作用点的距离，xla为预瞄距离，即预瞄点到势场力作用点之间的距离；
为车辆航向角；
基于跨道时间TLC的虚拟斥力势场函数表示为：
其中，τ为跨道时间阈值，c2为跨道时间虚拟斥力势场函数增益；
横摆角速度ω的虚拟斥力势场函数表示为：
其中，
μ为路面附着系数，c3为横摆角速度虚拟斥力势场函数增益；v为汽车行驶车速，g为重力加速度；
由式(7)、(8)、(9)构造人工势场函数：
5.通过控制稳定性分析确定势场函数增益c1、c2、c3的取值范围；具体步骤如下：
5.1.构造李亚普洛夫函数；函数形式如下：
L＝T+V (11)
其中，T为整车动能，具体公式为
V为人工势场函数；
5.2.利用稳定性判定条件Ⅰ对系统进行判定，判断条件Ⅰ为：L＞0；其中对第一个条件当c1、c2、c3均大于0时，满足条件，显然满足；
5.3.利用稳定性判定条件Ⅱ对系统进行判定，判定条件Ⅱ为
通过
得到包含c1、c2、c3的不等式：f(c1,c2,c3)≤0；式中，
为L的一阶导数，
为v的一阶导数，
为ωr的一阶导数，IZ为车辆转动惯量，
为ω的一阶导数，
为v的一阶导数，vy为侧向车速，
和
分别是V、V预瞄、V跨道、Vω的一阶求导，
5.4.最终得到势场函数增益的取值范围如下：
6.通过粒子群优化算法(PSO)对势场函数增益进行优化，得到最优的理想前轮偏转角δ*；具体步骤如下：
6.1通过式(10)的人工势场函数得到理想前轮偏转角δ表达式；
6.2将计算得到的理想前轮偏转角δ输入到整车模型中，根据既定工况路径进行跟踪，得到路径偏差ΔY(t)；
6.3以势场函数增益c1、c2、c3为寻优对象，并设置搜寻空间维度d；
6.4初始化粒子群的随机位置、速度以及迭代次数n，获取位置初始值范围和速度初始值范围；
6.5以步骤5.4所得势场函数增益取值范围作为约束条件，以路径横向偏差离差平方和
作为优化目标函数，计算每次不同c1、c2、c3取值下的Ei，0＜i＜n；t0为跟踪时间,
为路径横向偏差平均值；
6.6将每次计算的Ei进行比较，得到Ei最小时对应的最优势场函数增益c1best、c2best、c3best；
6.7根据PSO优化得到的c1best、c2best、c3best，得到最优理想前轮偏转角δ*；δ*具体表达式如下：
Claims (8)
1.一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，根据基于预瞄横向偏差的虚拟引力势场函数V预瞄、基于跨道时间TLC的虚拟斥力势场函数V跨道和横摆角速度ω虚拟斥力势场函数Vω构建人工势场函数V＝V预瞄+V跨道+Vω；
构造李亚普洛夫函数L＝T+V，T为整车动能，V为人工势场函数，通过控制稳定性分析确定势场函数增益c1、c2、c3的取值范围；其中，c1为预瞄横向偏差虚拟引力势场函数增益，c2为跨道时间虚拟斥力势场函数增益，c3为横摆角速度虚拟斥力势场函数增益；
通过人工势场函数计算理想前轮偏转角δ，将δ输入到整车模型中，根据既定工况路径进行跟踪；计算路径横向偏差离差平方和E，再利用粒子群优化算法求最优势场函数增益，得到最优的理想前轮偏转角δ*。
2.根据权利要求1所述的一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，所述基于预瞄横向偏差的虚拟引力势场函数V预瞄表示为：
其中，c1预瞄横向偏差虚拟引力势场函数增益，e为车辆质心距离车道中心线的横向距离，xcf为质心到势场力作用点的距离，xla为预瞄距离，即预瞄点到势场力作用点之间的距离；
为车辆航向角。
3.根据权利要求1所述的一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，所述基于跨道时间TLC的虚拟斥力势场函数表示为：
其中，τ为跨道时间阈值，c2为跨道时间虚拟斥力势场函数增益，TLC为跨道时间。
4.根据权利要求3所述的一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，所述跨道时间TLC包括直道跨道时间TLCZ和弯道跨道时间TLCW，
其中，ω为横摆角速度，
为车辆航向角，v为汽车行驶车速，dline为车道宽度，L为车辆轴距，db为车辆前轮距，d为车辆转弯中心点到车道中心线之间的距离，Rv为转弯半径，Rr为曲率半径，r2为路径曲率中心与车辆转弯中心之间的距离，d1为车辆左前轮到左侧车道线的距离。
5.根据权利要求1所述的一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，所述横摆角速度ω的虚拟斥力势场函数表示为：
其中，
μ为路面附着系数，c3为横摆角速度虚拟斥力势场函数增益；v为汽车行驶车速，g为重力加速度。
6.根据权利要求1所述的一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，稳定性判定条件Ⅰ为：L＞0，即势场函数增益c1、c2、c3均大于0；稳定性判定条件Ⅱ为：
得到包含势场函数增益c1、c2、c3的不等式：f(c1,c2,c3)≤0；得到势场函数增益的取值范围为：
7.根据权利要求6所述的一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，利用粒子群优化算法求最优势场函数增益的方法为：
以势场函数增益c1、c2、c3为寻优对象，并设置搜寻空间维度d；
初始化粒子群的随机位置、速度以及迭代次数n，获取位置初始值范围和速度初始值范围；
将势场函数增益取值范围作为约束条件，以路径横向偏差离差平方和
作为优化目标函数，计算每次不同c1、c2、c3取值下的Ei，0＜i＜n；t0为跟踪时间,
为路径横向偏差平均值；
将每次计算的Ei进行比较，得到Ei最小时对应的最优势场函数增益c1best、c2best、c3best。
8.根据权利要求7所述的一种基于改进人工势场的商用车车道保持路径规划方法，其特征在于，得到最优的理想前轮偏转角δ*的方法为：根据PSO优化得到的c1best、c2best、c3best，得到最优理想前轮偏转角δ*，δ*表示为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910871253.9A CN110703775B (zh) | 2019-09-16 | 2019-09-16 | 一种基于改进人工势场的商用车车道保持路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910871253.9A CN110703775B (zh) | 2019-09-16 | 2019-09-16 | 一种基于改进人工势场的商用车车道保持路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110703775A CN110703775A (zh) | 2020-01-17 |
| CN110703775B true CN110703775B (zh) | 2022-09-16 |
Family
ID=69195224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910871253.9A Active CN110703775B (zh) | 2019-09-16 | 2019-09-16 | 一种基于改进人工势场的商用车车道保持路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110703775B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112622898A (zh) * | 2020-12-17 | 2021-04-09 | 北京汽车研究总院有限公司 | 基于车道中心的车辆控制方法、装置及车辆 |
| CN112965471B (zh) * | 2021-02-10 | 2022-02-18 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
| CN113031443A (zh) * | 2021-03-04 | 2021-06-25 | 北京理工大学 | 一种带有主动安全和自适应预瞄的车辆横向运动控制方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9199668B2 (en) * | 2013-10-28 | 2015-12-01 | GM Global Technology Operations LLC | Path planning for evasive steering maneuver employing a virtual potential field technique |
| CN105511457B (zh) * | 2014-09-25 | 2019-03-01 | 科沃斯机器人股份有限公司 | 机器人静态路径规划方法 |
| CN106843235B (zh) * | 2017-03-31 | 2019-04-12 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的人工势场路径规划法 |
| CN107917711A (zh) * | 2017-11-14 | 2018-04-17 | 重庆邮电大学 | 一种基于优化混合蚁群算法的机器人路径规划算法 |
| CN109849908B (zh) * | 2019-02-27 | 2020-06-26 | 江苏大学 | 基于相邻车道风险预测的车道保持辅助系统及控制方法 |
-
2019
- 2019-09-16 CN CN201910871253.9A patent/CN110703775B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110703775A (zh) | 2020-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tang et al. | An improved kinematic model predictive control for high-speed path tracking of autonomous vehicles | |
| CN107943071B (zh) | 无人车的编队保持控制方法及系统 | |
| CN110377039B (zh) | 一种车辆避障轨迹规划与跟踪控制方法 | |
| CN110703775B (zh) | 一种基于改进人工势场的商用车车道保持路径规划方法 | |
| CN109144076B (zh) | 一种多车辆横纵向耦合协同控制系统及控制方法 | |
| CN107015477B (zh) | 基于状态反馈的车辆路径跟踪h∞控制方法 | |
| CN107831761B (zh) | 一种智能车的路径跟踪控制方法 | |
| CN110286681B (zh) | 一种变曲率弯道的动态自动驾驶换道轨迹规划方法 | |
| CN109969183A (zh) | 基于安全可控域的弯道跟车控制方法 | |
| CN110827535B (zh) | 非线性车辆队列协同自适应抗扰纵向控制方法 | |
| CN109976159A (zh) | 基于安全可控域的智能车辆横向控制方法 | |
| CN110329255A (zh) | 一种基于人机协同策略的车道偏离辅助控制方法 | |
| CN108732921B (zh) | 一种自动驾驶汽车横向可拓预瞄切换控制方法 | |
| Guo et al. | Robust combined lane keeping and direct yaw moment control for intelligent electric vehicles with time delay | |
| Xu et al. | Model predictive control for lane keeping system in autonomous vehicle | |
| WO2008072515A1 (ja) | 車両用制御装置 | |
| CN109358621A (zh) | 自动驾驶汽车轨迹跟踪控制方法 | |
| CN110641465A (zh) | 一种基于车速的车道保持系统和方法 | |
| WO2023024914A1 (zh) | 车辆避让方法、装置、计算机设备和存储介质 | |
| CN112874536B (zh) | 一种智能车辆拨杆换道方法 | |
| CN112578672A (zh) | 基于底盘非线性的无人驾驶汽车轨迹控制系统及其轨迹控制方法 | |
| CN115042770B (zh) | 一种基于分布式鲁棒模型预测的车辆队列横向控制方法 | |
| CN117944660B (zh) | 一种适用于复杂道路条件下的自动驾驶汽车横向控制方法 | |
| Chang et al. | An adaptive MPC trajectory tracking algorithm for autonomous vehicles | |
| CN114179818A (zh) | 基于自适应预瞄时间和滑模控制的智能汽车横向控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |