CN110626340A - 基于灰狼算法的智能汽车路径跟踪控制***及方法 - Google Patents
基于灰狼算法的智能汽车路径跟踪控制***及方法 Download PDFInfo
- Publication number
- CN110626340A CN110626340A CN201910938405.2A CN201910938405A CN110626340A CN 110626340 A CN110626340 A CN 110626340A CN 201910938405 A CN201910938405 A CN 201910938405A CN 110626340 A CN110626340 A CN 110626340A
- Authority
- CN
- China
- Prior art keywords
- path
- automobile
- ideal
- wolf
- path tracking
- 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.)
- Granted
Links
- 241000282461 Canis lupus Species 0.000 title claims abstract description 73
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000001133 acceleration Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000009795 derivation Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 3
- 244000062804 prey Species 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/18—Braking system
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/20—Steering systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明提供了一种基于灰狼算法的智能汽车路径跟踪控制***及方法,该***包括依次连接的路径规划***、路径跟踪决策***和汽车底盘执行***,其中路径跟踪决策***包括驾驶员预测控制器和GWO姿态控制器两个子***,所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄‑跟随驾驶员模型,GWO姿态控制器采用了灰狼算法。本发明由路径规划***规划出理想路径,路径跟踪决策***接收理想路径信息,通过汽车底盘执行***的线控转向执行器、轮毂电机制动执行器调整汽车行驶状态,实现对理想路径的精准跟踪,并提高汽车的行驶稳定性。
Description
技术领域
本发明涉及智能汽车路径跟踪技术领域,具体是一种基于灰狼算法的智能汽车路径跟踪控制***及方法。
背景技术
随着时代进步以及技术发展,汽车“四化”(电动化、智能化、网联化、共享化)的进程逐渐加快,具有L1(驾驶支援)、L2(部分自动化)等级自动驾驶功能的汽车已陆续上市。在实现自动驾驶的历程中,人-机共驾是一个很重要的发展阶段。而在整个驾驶过程中,驾驶员的人为因素占了很大的比重,一旦出现驾驶员长时间驾车、疲劳驾车、判断失误的情况,很容易造成交通事故。通常的路径跟踪控制方法,仅注重于对于汽车的轨迹控制,而忽略了驾驶员操纵行为对汽车行驶状况的影响;并且,通常的路径跟踪控制方法仅采取以汽车的质心侧向位移为控制对象,未考虑汽车航向角等行驶姿态对路径跟踪精度的影响。
发明内容
本发明为了解决现有技术的问题,提供了一种基于灰狼算法的智能汽车路径跟踪控制***及方法,由路径规划***规划出理想路径,路径跟踪决策***接收理想路径信息,分别由驾驶员预测控制器、GWO姿态控制器跟踪理想路径的侧向位置以及航向角,输出方向盘转角和车轮制动力矩,通过汽车底盘执行***的线控转向执行器、轮毂电机制动执行器调整汽车行驶状态,实现对理想路径的精准跟踪,并提高汽车的行驶稳定性。
本发明提供了一种基于灰狼算法的智能汽车路径跟踪控制***,包括依次连接的路径规划***、路径跟踪决策***和汽车底盘执行***。
其中路径规划***为汽车行车电脑中内置的路径规划程序,其可根据汽车传感器***感知前方道路及障碍物,并规划出未来时刻的最优行驶路径。目前,路径规划***在智能驾驶领域已得到研究应用,在此不再赘述。
路径跟踪决策***包括驾驶员预测控制器和GWO(灰狼算法)姿态控制器两个子***,所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄-跟随驾驶员模型,用于描述及预测驾驶员的操纵行为,以汽车质心侧向位置与理想路径侧向位置的误差最小为控制目标,驾驶员首先预瞄前方道路,然后根据理想路径信息以及车辆当前的行驶状态(如位置、车速、加速度等)调整方向盘转角进行主动转向控制,使得车辆能以最小侧向位置误差跟随理想路径。GWO姿态控制器采用了灰狼算法,用于辅助驾驶员进行路径跟踪,以汽车横摆角与理想路径斜率的误差最小为控制目标,该控制器的输入为理想路径的斜率、汽车的横摆角速度,输出为车轮的制动力矩,进行差动制动控制。
进一步改进,所述的汽车底盘执行***包括线控转向执行器、轮毂电机制动执行器,线控转向执行器接收驾驶员预测控制器输出的方向盘转角,直接作用于转向机构,控制车轮转动;轮毂电机制动执行器接收GWO姿态控制器输出的车轮制动力矩,控制相应车轮制动,产生附加横摆力矩,调整汽车横摆角速度。
本发明还提供了一种基于灰狼算法的智能汽车路径跟踪控制方法,包括以下步骤:
步骤1:路径规划***根据传感器***识别的道路及障碍物信号,规划出未来时刻的理想路径,并将理想路径参数传输至路径跟踪决策***;
步骤2:路径跟踪决策***接收理想路径参数以及汽车行驶状态参数,计算汽车当前侧向位置与理想路径侧向位置偏差,汽车当前横摆角与理想路径斜率角偏差,分别输入到驾驶员预测控制器、GWO姿态控制器,经过计算后输出方向盘转角作用于线控转向执行器,输出车轮制动力矩作用于轮毂电机制动执行器;
步骤3:汽车底盘执行***中的线控转向执行器、轮毂电机制动执行器分别接收路径跟踪决策***输出的方向盘转角和车轮制动力矩,控制汽车按照理想路径进行行驶,实现路径跟踪的控制目标。
进一步改进,步骤2)所述的GWO姿态控制器采用灰狼算法,具体为:以单只狼个体的位置X表示优化对象即汽车四个车轮的附加制动力矩,以猎物气味浓度Y表示优化目标即汽车横摆角与理想路径航向角的误差,游走步长、奔袭步长、攻击步长Step分别表示在不同的优化阶段中优化对象每一次增加或减少的量,最后输出头狼的位置即为优化对象的最优解。
本发明有益效果在于:
1)综合考虑了驾驶员操纵行为对当前以及未来汽车运动状态的影响,结合驾驶员模型的侧向位置误差与GWO姿态控制器的横摆角速度,提高路径跟踪的精度以及汽车的稳定性;
2)灰狼算法对于不同特征的复杂函数具有较好的鲁棒性及全局收敛性能,进一步提高了控制***的精度和效率。
附图说明
图1为本发明的控制***示意图;
图2为本发明中驾驶员预测控制器理论流程图;
图3为本发明中灰狼算法流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明提供了一种基于灰狼算法的智能汽车路径跟踪控制***,该***如图1所示,包括依次连接的路径规划***、路径跟踪决策***和汽车底盘执行***。
其中路径规划***为汽车行车电脑中内置的路径规划程序,其可根据汽车传感器***感知前方道路及障碍物,并规划出未来时刻的最优行驶路径。目前,路径规划***在智能驾驶领域已得到研究应用,在此不再赘述。
所述的路径跟踪决策***包括驾驶员预测控制器和GWO(灰狼算法)姿态控制器两个子***,所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄-跟随驾驶员模型,用于描述及预测驾驶员的操纵行为,以汽车质心侧向位置与理想路径侧向位置的误差最小为控制目标,驾驶员首先预瞄前方道路,然后根据理想路径信息以及车辆当前的行驶状态(如位置、车速、加速度等)调整方向盘转角进行主动转向控制,使得车辆能以最小侧向位置误差跟随理想路径。GWO姿态控制器采用了灰狼算法,用于辅助驾驶员进行路径跟踪,以汽车横摆角与理想路径斜率的误差最小为控制目标,该控制器的输入为理想路径的斜率、汽车的横摆角速度,输出为车轮的制动力矩,进行差动制动控制。
所述的汽车底盘执行***包括线控转向执行器、轮毂电机制动执行器,线控转向执行器接收驾驶员预测控制器输出的方向盘转角,直接作用于转向机构,控制车轮转动;轮毂电机制动执行器接收GWO姿态控制器输出的车轮制动力矩,控制相应车轮制动,产生附加横摆力矩,调整汽车横摆角速度。
本发明的工作方法为:
步骤1:路径规划***根据传感器***识别的道路及障碍物信号,规划出未来时刻的理想路径,并将理想路径参数传输至路径跟踪决策***;
步骤2:路径跟踪决策***接收理想路径参数以及汽车行驶状态参数,计算汽车当前侧向位置与理想路径侧向位置偏差,汽车当前横摆角与理想路径斜率角偏差,分别输入到驾驶员预测控制器、GWO姿态控制器,经过计算后输出方向盘转角作用于线控转向执行器,输出车轮制动力矩作用于轮毂电机制动执行器;
如图2所示,上述步骤2中,驾驶员预测控制器的具体方法为:
步骤2.1.1:假设当前时刻为t0,读取汽车的实际侧向位置为Y(t0),纵向速度为vx,侧向速度为vy,选定驾驶员预瞄时间T,驾驶员预瞄前方vx*T处的路径,获取预瞄点处的路径侧向位置Y(t0+T);
步骤2.1.2:若汽车此时以理想侧向加速度ay *做侧向匀加速运动,可在T时刻后到达目标轨迹点,则有:
由此易得:
步骤2.1.3:汽车理想侧向加速度ay *与汽车理想方向盘转角δSW *间的关系可由稳态增益Gay来表示,可以得到理想的方向盘转角的推导公式:
其中,稳态增益Gay是有关于纵向速度vx的变量,但由于以上驾驶员模型建立于汽车的纵向速度为匀速的提前下,因此仅仅依据上式建立的驾驶员模型对车辆方向盘转角的控制是不够精确的。
步骤2.1.4:在以上基础上,建立基于车辆侧向加速度反馈修正的预瞄驾驶员模型,将汽车的实际侧向加速度ay作为优化行为的反馈信息,建立PID转向控制器,将ay *与ay的误差值e(t)作为输入信息,输出理想方向盘的修正量△δ:
Vδ=Kp*e(t)+Ki*∫e(t)dt+Kd*de(t)/dt
基于以上计算,输出最终的方向盘转角δ:
如图3所示,上述步骤2中,GWO姿态控制器的具体方法为:
步骤2.2.1:数值初始化
a)初始化狼群数量N以及每只狼的位置信息Xi(Fx1,Fx2,Fx3,Fx4),i=(1,N),所述位置信息为四维坐标,Fx1,Fx2,Fx3,Fx4分别代表汽车左前轮、右前轮、左后轮、右后轮的制动力矩;
b)设置每只狼对应的猎物气味浓度Yi,即为理想路径斜率角θ与汽车横摆角速度wr构成的目标函数:
Yi=|∫wrdt-θ|
其中:
Fy1,Fy2,Fy3,Fy4分别为汽车左前轮、右前轮、左后轮、右后轮的侧向力,tw为汽车轮距,Iz为汽车横摆转动惯量;lf,lr分别为质心位置到前、后轴的距离。
c)根据控制精度及求解速度需求,设置最大迭代次数kmax、最大游走次数Tmax、探狼比例因子α、距离判定因子ω、步长因子S以及更新比例因子σ;
d)选取当前猎物气味浓度最高的人工狼为头狼s,取其位置为Xlead、猎物气味浓度为Ylead;
步骤2.2.2:游走行为
a)将N只狼的猎物气味浓度从大到小排列,取除头狼外前N*α个猎物气味浓度较高的对应人工狼为探狼,除头狼与探狼外的所有人工狼为猛狼;
b)对于探狼j,其猎物气味浓度为Yj 0,此时Yj 0<Ylead,j=(1,N*α),其进行游走行为,向h个方向分别前进一个游走步长stepa,记录每前进一步后所感知的猎物气味浓度后退回原位置,则向第p(p=1,2,3…h)个方向前进后探狼j的位置为Xj p、猎物气味浓度为Yj p;
c)选择Yj p最大且大于当前位置的猎物气味浓度Yj 0的方向前进一个游走步长stepa,更新探狼j的位置信息Xj;
d)重复以上的游走行为,直到某只探狼感知到的猎物气味浓度Yj>Ylead,此时该探狼成为头狼,Ylead=Yj,或游走次数T达到最大游走次数Tmax,此时维持原头狼不变;
步骤2.2.3:召唤/奔袭行为
a)头狼通过嚎叫发起召唤行为,召集周围的N*(1-α)-1只猛狼向头狼所在位置迅速靠拢,猛狼以奔袭步长stepb=2*stepa快速逼近头狼所在位置;
b)奔袭途中,若猛狼z(z=(1,N*(1-α)-1))感知到的猎物气味浓度Yz>Ylead,则该猛狼转化为头狼并发起召唤行为,此时Ylead=Yz;
c)奔袭途中,若猛狼z感知到的猎物气味浓度Yz<Ylead,则猛狼z继续奔袭直到其与头狼s之间的距离dzs小于dnear时加入到对猎物的攻击行列,即转入围攻行为;
步骤2.2.4:围攻行为
a)将此时离猎物最近的狼即头狼的位置视为猎物的移动位置,猛狼联合探狼以攻击步长stepc向猎物紧密逼近以期将其捕获;
b)若实施围攻行为后,某只人工狼感知到的猎物气味浓度大于其原位置状态所感知的猎物气味浓度,则更新此人工狼的位置,若不然,人工狼位置不变;
c)若更新人工狼位置后,某只人工狼感知到的猎物气味浓度大于头狼所感知到的猎物气味浓度,则该人工狼转化为头狼,将该人工狼的位置视为猎物所在位置,其他人工狼以该狼为中心继续围攻行为;
d)更新头狼位置后,判断是否达到优化精度或最大迭代次数kmax,若达到则输出此头狼的位置,即所求的最优解,否则转步骤2.2.2。
步骤3:汽车底盘执行***中的线控转向执行器、轮毂电机制动执行器分别接收路径跟踪决策***输出的方向盘转角和车轮制动力矩,控制汽车按照理想路径进行行驶,实现路径跟踪的控制目标。
本发明具体应用途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (5)
1.一种基于灰狼算法的智能汽车路径跟踪控制***,其特征在于:包括依次连接的路径规划***、路径跟踪决策***和汽车底盘执行***,其中路径跟踪决策***包括驾驶员预测控制器和GWO姿态控制器两个子***,所述的预测控制器采用基于车辆侧向加速度反馈修正的预瞄-跟随驾驶员模型,GWO姿态控制器采用了灰狼算法。
2.根据权利要求1所述的基于灰狼算法的智能汽车路径跟踪控制***,其特征在于:所述的汽车底盘执行***包括线控转向执行器、轮毂电机制动执行器,线控转向执行器接收驾驶员预测控制器输出的方向盘转角,直接作用于转向机构,控制车轮转动;轮毂电机制动执行器接收GWO姿态控制器输出的车轮制动力矩,控制相应车轮制动,产生附加横摆力矩,调整汽车横摆角速度。
3.一种基于灰狼算法的智能汽车路径跟踪控制方法,其特征在于包括以下步骤:
步骤1:路径规划***根据传感器***识别的道路及障碍物信号,规划出未来时刻的理想路径,并将理想路径参数传输至路径跟踪决策***;
步骤2:路径跟踪决策***接收理想路径参数以及汽车行驶状态参数,计算汽车当前侧向位置与理想路径侧向位置偏差,汽车当前横摆角与理想路径斜率角偏差,分别输入到驾驶员预测控制器、GWO姿态控制器,经过计算后输出方向盘转角作用于线控转向执行器,输出车轮制动力矩作用于轮毂电机制动执行器;
步骤3:汽车底盘执行***中的线控转向执行器、轮毂电机制动执行器分别接收路径跟踪决策***输出的方向盘转角和车轮制动力矩,控制汽车按照理想路径进行行驶,实现路径跟踪的控制目标。
4.根据权利要求1所述的基于灰狼算法的智能汽车路径跟踪控制方法,其特征在于:步骤2)所述的驾驶员预测控制器的具体方法为:
步骤2.1.1:假设当前时刻为t0,读取汽车的实际侧向位置为Y(t0),纵向速度为vx,侧向速度为vy,选定驾驶员预瞄时间T,驾驶员预瞄前方vx*T处的路径,获取预瞄点处的路径侧向位置Y(t0+T);
步骤2.1.2:若汽车此时以理想侧向加速度ay *做侧向匀加速运动,可在T时刻后到达目标轨迹点,则有:
由此易得:
步骤2.1.3:汽车理想侧向加速度ay *与汽车理想方向盘转角δSW *间的关系可由稳态增益Gay来表示,可以得到理想的方向盘转角的推导公式:
其中,稳态增益Gay是有关于纵向速度vx的变量;
步骤2.1.4:在以上基础上,建立基于车辆侧向加速度反馈修正的预瞄驾驶员模型,将汽车的实际侧向加速度ay作为优化行为的反馈信息,建立PID转向控制器,将ay *与ay的误差值e(t)作为输入信息,输出理想方向盘的修正量△δ:
Vδ=Kp*e(t)+Ki*∫e(t)dt+Kd*de(t)/dt;
基于以上计算,输出最终的方向盘转角δ:
5.根据权利要求1所述的基于灰狼算法的智能汽车路径跟踪控制方法,其特征在于:
步骤2)所述的GWO姿态控制器采用灰狼算法,具体为:以单只狼个体的位置X表示优化对象即汽车四个车轮的附加制动力矩,以猎物气味浓度Y表示优化目标即汽车横摆角与理想路径航向角的误差,游走步长、奔袭步长、攻击步长Step分别表示在不同的优化阶段中优化对象每一次增加或减少的量,最后输出头狼的位置即为优化对象的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910938405.2A CN110626340B (zh) | 2019-09-30 | 2019-09-30 | 基于灰狼算法的智能汽车路径跟踪控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910938405.2A CN110626340B (zh) | 2019-09-30 | 2019-09-30 | 基于灰狼算法的智能汽车路径跟踪控制***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110626340A true CN110626340A (zh) | 2019-12-31 |
CN110626340B CN110626340B (zh) | 2023-07-11 |
Family
ID=68973863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910938405.2A Active CN110626340B (zh) | 2019-09-30 | 2019-09-30 | 基于灰狼算法的智能汽车路径跟踪控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110626340B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111391916A (zh) * | 2020-03-27 | 2020-07-10 | 南京航空航天大学 | 考虑驾驶员转向特性的线控转向***辅助控制策略 |
CN112141101A (zh) * | 2020-09-29 | 2020-12-29 | 合肥工业大学 | 一种基于cnn和lstm的预瞄安全路径的方法及*** |
CN113335309A (zh) * | 2021-07-05 | 2021-09-03 | 湖南大学无锡智能控制研究院 | 一种车辆纵向控制方法和装置 |
CN114647235A (zh) * | 2022-05-24 | 2022-06-21 | 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) | 一种线控底盘的控制方法、联合控制***及服务器 |
CN115097793A (zh) * | 2022-07-06 | 2022-09-23 | 广东工业大学 | 一种立体仓库的快速逼近迭代寻优路径规划方法及*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5297965B2 (ja) * | 2009-09-30 | 2013-09-25 | 日立オートモティブシステムズ株式会社 | 走行支援装置 |
US10589739B2 (en) * | 2017-04-13 | 2020-03-17 | GM Global Technology Operations LLC | Automated driving commands interpretation for stability control |
CN107264534B (zh) * | 2017-05-23 | 2019-07-09 | 北京理工大学 | 基于驾驶员经验模型的智能驾驶控制***和方法、车辆 |
CN107436604B (zh) * | 2017-07-31 | 2018-03-16 | 中南大学 | 一种智能环境下运载机器人路径智能分解控制规划方法 |
CN107885932B (zh) * | 2017-11-07 | 2020-10-09 | 长春工业大学 | 一种考虑人机和谐的汽车紧急避撞分层式控制方法 |
CN108422997A (zh) * | 2018-05-15 | 2018-08-21 | 南京航空航天大学 | 一种基于狼群算法的汽车主动安全协同控制***及方法 |
CN109795502B (zh) * | 2018-09-27 | 2021-05-04 | 吉林大学 | 智能电动汽车路径跟踪模型预测控制方法 |
CN211107381U (zh) * | 2019-09-30 | 2020-07-28 | 南京航空航天大学 | 基于灰狼算法的智能汽车路径跟踪控制*** |
-
2019
- 2019-09-30 CN CN201910938405.2A patent/CN110626340B/zh active Active
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111391916A (zh) * | 2020-03-27 | 2020-07-10 | 南京航空航天大学 | 考虑驾驶员转向特性的线控转向***辅助控制策略 |
CN111391916B (zh) * | 2020-03-27 | 2021-05-28 | 南京航空航天大学 | 考虑驾驶员转向特性的线控转向***辅助控制策略 |
CN112141101A (zh) * | 2020-09-29 | 2020-12-29 | 合肥工业大学 | 一种基于cnn和lstm的预瞄安全路径的方法及*** |
CN113335309A (zh) * | 2021-07-05 | 2021-09-03 | 湖南大学无锡智能控制研究院 | 一种车辆纵向控制方法和装置 |
CN114647235A (zh) * | 2022-05-24 | 2022-06-21 | 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) | 一种线控底盘的控制方法、联合控制***及服务器 |
CN115097793A (zh) * | 2022-07-06 | 2022-09-23 | 广东工业大学 | 一种立体仓库的快速逼近迭代寻优路径规划方法及*** |
CN115097793B (zh) * | 2022-07-06 | 2024-06-11 | 广东工业大学 | 一种立体仓库的快速逼近迭代寻优路径规划方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110626340B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110626340A (zh) | 基于灰狼算法的智能汽车路径跟踪控制***及方法 | |
CN110377039B (zh) | 一种车辆避障轨迹规划与跟踪控制方法 | |
US11318936B2 (en) | Adaptive control method and system in a terrestrial vehicle for tracking a route, particularly in an autonomous driving scenario | |
CN110471408B (zh) | 基于决策过程的无人驾驶车辆路径规划方法 | |
Erlien et al. | Shared steering control using safe envelopes for obstacle avoidance and vehicle stability | |
Altché et al. | High-speed trajectory planning for autonomous vehicles using a simple dynamic model | |
CN110703754B (zh) | 一种自动驾驶车辆路径与速度高度耦合的轨迹规划方法 | |
JP4699465B2 (ja) | 車両の制御装置 | |
CN108791290B (zh) | 基于在线增量式dhp的双车协同自适应巡航控制方法 | |
JP6868102B2 (ja) | 車両制御装置 | |
WO2019061616A1 (en) | IMPEDANCE BASED MOTION CONTROL FOR AUTONOMOUS VEHICLES | |
US11414127B2 (en) | Trajectory tracking with four-wheel steering | |
US11518412B2 (en) | Trajectory determination for four-wheel steering | |
CN112937551B (zh) | 一种考虑驾驶员输入特征的车辆控制方法及*** | |
CN113771868B (zh) | 一种无人驾驶汽车的横向控制方法 | |
CN114228690A (zh) | 一种基于ddpg和迭代控制的自动驾驶车辆侧倾控制方法 | |
CN113619574A (zh) | 一种车辆避让方法、装置、计算机设备和存储介质 | |
US20220063614A1 (en) | Driving control method and system of vehicle | |
CN211107381U (zh) | 基于灰狼算法的智能汽车路径跟踪控制*** | |
CN115805939B (zh) | 智能电动汽车路径跟踪控制方法及装置 | |
CN115525054B (zh) | 大型工业园区无人清扫车沿边路径跟踪控制方法及*** | |
CN115447615A (zh) | 基于车辆运动学模型预测控制的轨迹优化方法 | |
CN116494976A (zh) | 用于控制车辆变道的方法、装置及存储介质 | |
WO2022172337A1 (ja) | 制御演算装置および制御演算方法 | |
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 |