论文总字数：19308字

摘 要

随着社会经济的高速发展，社会人群对旅游的需求量日渐提升，旅游业飞速发展。由于在人与车与环境共同组成的闭环驾驶系统当中，驾驶员在客观条件上会存在驾驶能力的不足或者在生理状态上的不适和恶劣天气原因给人们视线上带来的干扰以及此外其他的因素，是直接造成交通事故频频发生的主要原因。而智能汽车可以以精确而远远快于人类的反应时间对当时的环境进行判断，并作出反应，大大地降低了人们操作不当的风险。，而且智能车可以有效地解决恶劣天气下的景区巡逻、运输物资等问题，有着广阔的应用前景。所以智能车能够具有解决交通安全的问题。作为智能车的运动控制部分和执行部分，智能车轨迹跟随控制直接决定了智能汽车的整体性能表现。在智能车辆的研究中，主要涉及到以下的几个问题：（1）在景区环境下传感器感知：这一部分的主要功能是通过传感器识别智能车周边的行人与周边的其他阻碍行驶的物体，从而建立智能汽车周边环境的3D模型；（2）路径的规划和轨迹选定：这一部分是智能汽车在通过传感器对景区环境感知后进行规划路径，并且综合选定一条最优路径；（3）轨迹跟随控制：这一部分主要是通过智能车的转向系统从而对方向盘进行实施控制以及控制驱动制动系统以使得智能汽车根据人规划的路径跟随行驶。针对上述问题，

由于本文将主要对智能车辆的轨迹跟随控制进行研究，所以本文以景区智能汽车作为研究对象，利用轨迹跟随的核心理论部分模型预测控制理论，计算并产生符合景区巡逻路径的轨迹跟随控制算法，以实现对智能汽车在景区巡逻的轨迹跟随控制。

关键词：轨迹跟踪，模型预测控制（MPC），智能车辆

ABSTRACT

With the fast evolution of social economy, social crowd developmental necessity for tourism advancement, the fast evolution of the tourism^[1]. Because in the closed-loop driving system composed of people, cars and environment, the driver will have the deficiency of driving ability in objective condition or the disturbance of bad weather in physiological condition, which is the main cause of traffic accident. Because the intelligent vehicle can partly or completely remove the factors of improper operation of people, and the intelligent vehicle can effectively solve the problems of patrol and transportation of materials in scenic spots under bad weather, it has a broad application prospect. So smart cars can handle traffic The whole question. as the motion control part and the executive part of the smart car, the track following control of the smart car directly determines the overall performance of the smart car. In the research of intelligent vehicle, the following problems are mainly involved :(1) environmental sensing perception: the main function of this part is to identify the obstacles and environment around the vehicle by sensors, and to establish the three-dimensional scene of the surrounding environment of the vehicle ;(2) trajectory planning and decision making: this part mainly plans and makes an optimal trajectory after obtaining the surrounding environment of the vehicle ;3) Track following control: This part mainly controls the steering wheel through the steering system of the smart car and controls the driving brake system so that the smart car follows the path planned by the person. The system enables the vehicle to follow the desired trajectory, including longitudinal velocity following control and lateral path following control. In the face of the above problems, this paper will combine the unmanned vehicle platform of the research group to study the trajectory following control of intelligent vehicles. So this paper takes the scenic spot intelligent vehicle as the research object, aims to combine the model prediction control theory, establishes the track tracking control algorithm which accords with the scenic spot patrol route, in order to realize the track tracking control to the intelligent vehicle. The simulation experiments prove that the model predictive control algorithm proposed in this paper has a relatively ideal control effect and can meet the requirements of smart cars. Trajectory following control requirements.

Keywords: trajectory tracking, model predictive control (MPC), intelligent car

第一章 绪论

1.1 智能汽车研究背景和研究意义

从卡尔·佛利特立奇·本茨^[2]在19世纪80年代发明汽车到现在已经有了100多年的发展历史,从汽车被本茨发明出来的那一刻起,汽车不断地被人们改进，汽车的驾驶自动化水平和智能化水平飞速发展提高。而21世纪也被称之为信息的时代，使得汽车发展速度达到前所未有的高度。技术发展日新月异，计算机技术、自动控制理论及其相关的理论相继完善与提升，信息通讯技术与智能汽车相融合。所以，在未来必定是智能汽车表演的主场，未来的智能汽车会更加便捷、安全和舒适。智能汽车推开了新时代的大门，会使世界上人们的生活有如白云苍狗，发生天翻地覆地变化，从而推动人类社会的发展。智能化的汽车在21世纪将以更加高的速度和安全性把人类领进智能的新时代。

然而，2016年仅仅在美国内地因交通事故导致死亡的人数就高达37000多人，直接由交通事故致死或者导致重伤导致的直接经济就耗费高达4200多亿美元。道路交通事故仍然在全球各地造成巨大损失。除此之外，日益严峻的交通拥堵问题也成为了阻碍交通运行效率提升的最主要因素。

一组数据表明，中国私家车数量达到1.84亿辆且持续迅速增长，这也导致我国整体交通运输效率特别是城市交通效率急剧下降。虽然现在的车辆往往安装了如防抱死刹车系统、车身电子稳定系统等在一定程度上缓解这一现象的发生，而智能交通管理系统能够解决一部分交通拥堵问题，但仍不能满足人们对零事故的要求。所以，发展智能汽车成为了世界各国的共识，它能够从本质上提升汽车行驶安全性，提高道路通行能力，且符合当下万物智能化的发展趋势。如果说汽车通过无线通信技术，与平台进行信息交流的车联网能够给人们提供的的价值是间接的和基础的，则智能汽车给人们驾驶汽车带来的价值更加直接的、彰显更著的。并且由于智能汽车的路径规划的最优选择，智能汽车还具备更加安全和环保的价值。研究表明，即便是通过1级的部分驾驶辅助和2级的组合驾驶辅助帮助驾驶员驾驶汽车，也能大幅度地减少50%～80%的交通安全事故。从而完全规避交通事故的发生，最大程度地保证了人们出行安全，也是智能汽车最终目的。

图1.1 交通事故

1.2 智能汽车的发展

智能汽车的发展主要分为两个阶段。前面的阶段提供简单的辅助，与人们共同完成驾驶任务，也被称为辅助驾驶阶段；后面的阶段能够提供全方面的驾驶服务，能够完全不依赖人的意志自主运行汽车，完全自主完成驾驶任务，被称为智能汽车的终极阶段。而美国交通部把智能汽车细分为五个标准：

（1）层次0（无自动驾驶）：由驾驶员全权操控汽车的底层结构，包括方向盘、油门^[3]、刹车等。

（2）层次1（驾驶支援）：仅对一项控制操作进行辅助控制，通过对方向盘、油门或其他一项控制操作提供驾驶辅助，剩余的操作指令全由人类完成^[4]。

（3）层次2（部分自动化）：可以对多项控制操作进行辅助控制，通过对方向盘、油门或其他多项控制操作提供驾驶辅助，剩余的操作指令全由人类完成。

（4）层次3（有条件自动化）^[5]：智能汽车基本可以完全操控运行。根据特定情况，驾驶员需要在适当的时候提供操作指令，此时这个层次已经达到了高度自动驾驶阶段。而谷歌公司于2012年研发的智能汽车就属于这个层次，并完成了130万多英里的测试。

（5）层次4（高度自动化）：智能汽车基本可以完全操控运行。根据特定情况，驾驶员不一定需要在适当的时候提供操作指令，包括限制的道路和环境条件等。

（6）层次（完全自动化）：智能汽车可以应付所有驾驶环境并作出最优的控制应答。可以胜任所有人类的驾驶工作，人类不需要作出任何的驾驶操作，这一阶段也就意味着进入了自动驾驶的终极阶段。

1.2.1 国外智能汽车的发展状况

国外对智能汽车的研究起步较早。年，美国陆军与国防高级研究计划局联合开展了自主地面车辆项目并成功研制出一辆无人驾驶汽车^[6]。年，欧洲开启了最大的无人驾驶汽车项目普罗米修斯计划。在这之后的8年间，该计划成功获得了多项技术成果，为欧洲无人驾驶汽车的研究奠定了坚实的基础。

到了20世纪90年代以后,汽车产业的日益增长使得汽车市场竞争与日俱增，汽车运输业也突飞猛进地发展。针对于这点，国际上各家公司和研究部门展开了对智能汽车的角逐，智能汽车相关技术的发展方兴未艾，如雨后春笋一般。一大批有经济实力和科技实力的汽车行业公司开始了对智能汽车的研究。20世纪90年代中期,NabLab 5开展了智能汽车的行驶实验，汽车的行驶路径贯穿了美国。汽车从Pittsburgh出发，目的地为Santiago de Chile。行驶距离达到四千五百余公里，并且汽车无人驾驶部分超过了95％。20世纪90年代后期，美国国防部也相继成功研制出10代DEMO系列无人驾驶汽车车型。年7月，展示名为的自动驾驶汽车，测试路段包含部分的开放道路。

1.2.2 中国智能汽车的发展

起步于上个世纪八十年代，中国开始对无人驾驶技术的研发。尽管中国的技术落后于外国的智能汽车研发进度，年，国防科技大学成功研制了我国第一辆真正意义上的无人驾驶汽车。年月，国防科技大学研制的第4代无人驾驶汽车最高达km，创下国内纪录。年月，国防科技大学和中国一汽联合研发的红旗无人驾驶轿车高速公路试验成功，无人汽车最高时速^[7]达到公里，中国自动驾驶车辆的研究水平已经领先于大多数国家。

1.3 轨迹跟随控制算法发展现状

由于行驶状况复杂且变化多端，这给车辆的跟踪控制带来了很大困难。目前有关轨迹跟踪的大部分研究方法，在原理上主要来源于前视理论和模型预测理论。轨道跟踪控制技术是智能车辆最终实现产业化和技术“落地”的重要一环，其性能直接影响用户体验的舒适性和安全性，需要持续深入研究。轨迹是根据智能系统和电子控制系统和传统汽车的机械系统连接的重要组成部分,涉及到的发动机、悬架、轮胎等等非线性系统不确定性的存在,难以得到精确的力学模型参数,再加上外部环境和干涉的复杂性,所以技术的难易度较高。

第二章 智能汽车运动学建模

2.1 智能汽车的模型的建立

在使用模型预测控制方法来对智能汽车进行操纵控制的时候，就探究智能汽车的运动学和动力学的限制。如果在探究智能汽车的物理模型的条件下，再对轨迹进行规划，智能汽车的行驶功能会更好。所以，对汽车的运动学和动力学模型进行探讨。而现在市场上的大多数的汽车都是只驱动一对前轮的运行方式。针对于此，探讨目前常用的几种汽车模型。

2.1.1 智能汽车的阿克曼模型

假设汽车以较低速度行驶时，轮胎与路面不会产生侧滑。并且，汽车方向盘转向时，左前轮和右前轮偏转的角度是不同的，如图2.1所示：

图2.1 汽车两个前轮转向角度不一致

该模型中的前轮转动差异性也导致了后轮行驶时旋转半径不一样。对于此，对该汽车模型进行一定的简化。以汽车后轮传动轴中心点作为旋转参照点，对汽车前轮的左轮和右轮的角度计算平均值。

图2.2 汽车转向示意图

（2-1）

式中，为简化后车辆前轮转向角，和分别为汽车前面的左右两个轮子的转动弧度。阿克曼汽车模型将汽车前轮转角和汽车后轮传动轴质心旋转半径联系了起来，如下式（2-2）：

（2-2）

其中，为车辆前后轴之间的距离(Wheel Base)，为车辆在给定的前轮转角条件下，所满足的汽车行驶轨迹的半径。

2.1.2 智能汽车运动学模型

如图2.3所示：

图2.3 智能汽车运动学模型

在惯性坐标系XOY下，和分别代表车辆后轴中心和前轴中心的坐标，示车辆的航向角，表示前轮偏角，表示车辆后轴中心沿车辆轴线方向的速度，表示车辆前轴中心沿着前轮偏角方向的速度，表示车辆前后轴之间的距离。在车辆后轴中心处，有：

（2-3）

前、后轴的运动学约束（车辆无横向侧滑）：

请支付后下载全文，论文总字数：19308字