摘要
车辆的普及极大地提高并丰富了人们的生活水平和生活方式，但也导致严重的道路拥堵和交通事故等社会问题。为了解决这些问题，世界各国正在竞相开发智能驾驶汽车，以减少交通事故、缓解交通压力，并提高驾乘体验。轨迹规划和轨迹跟踪作为实现智能驾驶的关键技术，目前存在规划效率低、求解复杂、轨迹灵活度不高和系统鲁棒性差等问题。针对上述问题，本文通过路径和速度曲线迭代优化来规划车辆最优的行驶轨迹，并设计了横纵向耦合的集中式轨迹跟踪控制器，控制车辆实时跟踪最优轨迹。主要研究内容如下： （1）建立了涵盖了横向、纵向和横摆三个自由度的横纵向耦合的车辆动力学模型，并在一定假设条件下对其进行线性化和离散化处理。为了更精确地描述车辆的动态特性，并减轻系统计算的负担，基于轮胎魔术公式对轮胎模型进行了线性化处理。还介绍了基于线性矩阵不等式的鲁棒模型预测控制理论，并介绍了模糊控制器的实现原理。 （2）首先，针对具有三车道的弯道场景建立Frenet局部规划坐标系。对道路空间进行均匀离散采样，并拟合出所有的行驶路径。设计行驶约束条件对拟合路径进行了初步筛选，并建立考虑路径平滑度、安全性以及行驶效率的路径决策评价函数，决策出最优驾驶行为。基于路径决策生成的参考路径与障碍物的位置关系计算得到车辆路径优化的凸空间，并通过二次规划对参考路径进行平滑处理，得到一条光滑并且满足运动学约束的可行路径。其次，根据优化得到的路径曲线和动态障碍物的预测轨迹生成s-t图，并对s-t图进行网格离散化。随后，使用动态规划算法进行速度决策生成初步的解，并通过基于初步解的二次规划算法进行优化，得到一条光滑且符合动力学约束的速度曲线。最后，在Matlab仿真平台下，分别对静态障碍物场景和动静态障碍物并存场景进行了仿真，结果表明规划的轨迹不仅能够实现无碰撞避障，而且具有较好的行驶舒适性。 （3）根据横纵向耦合的三自由度车辆动力学模型，设计了基于集中式自适应鲁棒模型预测控制（ARMPC）算法的轨迹跟踪控制器。通过线性矩阵不等式（LMI）理论来获得最优控制量，从而提高轨迹跟踪控制器的全局优化性能。分析了鲁棒模型预测（RMPC）控制器中权重矩阵Q1对轨迹跟踪精度的影响，并设计了一种通过模糊控制器动态调整跟踪控制器权重系数矩阵的调整策略。在参数扰动条件下比较了基于自适应RMPC的集中式轨迹跟踪控制器、分散式MPC控制器和集中式MPC控制器的跟踪效果。结果表明，考虑横向和纵向耦合特性的自适应RMPC控制器具有更好的跟踪精度和鲁棒性。 （4）基于Carsim/Simulink平台将避障轨迹规划与轨迹跟踪控制相结合，构建了智能车辆“规划+跟踪”主动避障控制系统。为验证决策规划与跟踪的实时性、安全性和稳定性，在静态避障和动静态联合障碍工况下进行了仿真。结果表明，该系统具备良好的主动避障能力，并且智能车辆的横摆角速度、质心侧偏角与车辆横纵向加速度均显著小于边界值。为了进一步验证轨迹跟踪控制算法的可行性，进行了轨迹跟踪控制HiL测试。测试结果表明，所提出的控制算法在真实控制器中仍能有效地控制车辆跟踪期望的轨迹。
NETL