重庆理工大学学报2023，Vol.37Issue(13) ：34-43.DOI:10.3969/j.issn.1674-8425(z).2023.07.004

融合车道线势场的模型预测车道保持方法

Lane potential field-based lane keeping strategy with model predictive control

卢兵 黄文艺 王博 孙超 梁伟强
重庆理工大学学报2023，Vol.37Issue(13) ：34-43.DOI:10.3969/j.issn.1674-8425(z).2023.07.004
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

融合车道线势场的模型预测车道保持方法

Lane potential field-based lane keeping strategy with model predictive control

卢兵 1黄文艺 1王博 2孙超 1梁伟强3
扫码查看

作者信息

  • 1. 北京理工大学电动车辆国家工程实验室,北京 100081
  • 2. 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院),广东深圳 518118
  • 3. 广州汽车集团股份有限公司汽车工程研究院,广州 511434
  • 折叠

摘要

车道保持作为先进辅助驾驶(ADAS)的重要组成部分,对缓解驾驶疲劳和提升驾驶安全性意义重大.基于车道线势场设计与模型预测控制,提出了一种融合车道线势场的模型预测车道保持控制方法,以优化车道保持过程中的行驶稳定性与安全性.在Carsim&Simulink的联合仿真环境下,仿真结果表明,基于模型预测控制的车道保持算法对比PID控制,在跟踪精度与车辆稳定性方面都具有明显的优势,横向跟踪精度与车辆稳定性都有显著的提升;此外,与无融合车道线势场的车道保持模型预测控制对比,具有更好的车辆稳定性和通行效率(27.8 km/h vs 26.6 km/h),其最大横摆角速度与最大横向加速度均下降了10%左右.仿真结果验证了所提出算法的有效性和优越性,具备良好的工程指导价值.

关键词

车道线势场/车道保持/模型预测控制

Key words

lane potential field/lane keeping control/model predictive control

引用本文复制引用

基金项目

国家自然科学基金(U1964206)

科技部重点研发计划(2022YFB2503203)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量8
段落导航相关论文