运动学约束下规划与跟踪算法的研究与改进

扫码查看

原文链接

万方数据
维普

中文摘要：为了减少无人驾驶的计算时间与硬件资源的消耗,研究了路径规划与轨迹跟踪之间的关系,改进了快速扩展随机搜索树(RRT)与线性时变模型预测控制算法(LTV-MPC),基于运动学约束设计了一种规划与跟踪的控制算法.首先利用人工势场法(APF)根据车辆、障碍物、初始点和终点之间的关系划分地图,同时生成引导域;然后联合车辆模型和地图信息设置采样点、生长步长,并对路径进行航迹优化得到最优的路径.针对路径进行速度标注,设计目标函数并添加条件约束、设置动态采样时间以改进LTV-MPC算法来跟踪轨迹.经仿真测试,在车辆平稳行驶的条件下,改进RRT算法较Dijkstra算法减少39.7%的规划时间,同时自适应MPC算法减少了27.2%的跟踪时间.

外文标题：Research and Improvement on Path Planning and Trajectory Tracking Algorithm Based on Kinematics Constraints

作者：

笪晨、宋天麟、王勇刚、卢亚平

展开 >

作者单位：

苏州大学应用技术学院工学院,江苏苏州 215300

关键词：

路径规划轨迹跟踪线性时变模型预测控制运动学

基金：

江苏省高等学校自然科学研究面上项目

项目编号：

21KJB460020

出版年：

2024

DOI：

10.3969/j.issn.1009-0134.2024.10.009

制造业自动化

北京机械工业自动化研究所

制造业自动化

CSTPCD

影响因子：0.482

ISSN：1009-0134

年,卷(期)：2024.46(10)