智慧汽車規劃控制常用控制方法詳解
控制是驅使車輛前進的策略。控制的目標是使用可行的控制量,最大限度地降低與目標軌蹟的偏差、最大限度地提供乘客的舒適度等。
如上圖所示,與控制模組輸入相關聯的模組有規劃模組、定位模組和車輛資訊等。其中定位模組提供車輛的位置信息,規劃模組提供目標軌跡信息,車輛信息則包括檔位、速度、加速度等。控制輸出量則為轉向、加速和煞車量。
控制模組主要分為橫向控制和縱向控制,根據耦合形式的差異可以分為獨立和一體化兩種方法。
1 控制方法
1.1 解耦控制
所謂解耦控制,就是將橫向和縱向控制方法獨立分開控制。
1.2 耦合控制
耦合控制考慮到了橫縱向控制時存在的耦合問題。一個典型的例子是汽車不能高速過彎,因為當縱向速度過高時,橫向角速度需要有一定的限制,否則向心力無法滿足向心加速度。
橫縱一體的典型代表方法是線性時變模型預測控制,該方法在模型預測控制的基礎上增加橫縱向的聯合約束。如最大向心加速度約束等。
1.3 橫向控制
#如上圖橫向控制可以分為幾何方法、基於運動學模型方法和基於動力學模型的方法。
1.3.1 前饋控制
#所謂前饋控制,即根據追蹤點資訊對控制量進行提前適當的補償。一個典型的例子是利用追蹤序列點中的曲率訊息,對轉角進行補償。
1.3.2 Chained Form
#鍊式系統將非線性系統進行多層線性化,它將系統逐層分解,進而可以將系統快慢化,類似濾波系統[3]。
系統在frenet座標下的模型:
##經過反向積分預算,可以得到控制率:
1.3.3 Lyapunov
基於李雅普諾夫穩定性方法的設計可以運用在運動學和動力學模型上。其基本思想是先建立運動學或動力學模型,根據模型提出追蹤方法,然後建立李雅普諾夫函數,透過李雅普諾夫穩定性證明閉環系統的漸近穩定[4]。
- 運動學模型
#如上圖所示,小車目前點為P,追蹤目標點為Pr。 是目前位置和目標點的位姿差, 和 分別為參考速度和角速度。設計李雅普諾夫函數:
追蹤率設計:
##追蹤率設計:
最後透過限定約束設計參數,進而證明了追蹤率的漸進穩定性,即當→ ∞時, → 0。
動力學模型
#首先建立動力學模型:
其中:
##則誤差為:
設計代價函數:
設計控制率:
最終證明漸進穩定性。
######1.3.4 Pure Pursuit#############純粹追蹤是幾何路徑追蹤控制器。此控制器使用車輛運動和參考路徑的幾何關係來追蹤參考路徑的控制器。此控制方法使用車輛後軸中心作為參考點。 #####################根據上圖可推到出前輪轉角指令:################# ####其中R為轉彎半徑,L為車輛軸距,e為車輛當前姿態和目標路點在橫向上的誤差, 為前視距離且 。 #####################根據上圖實驗數據所示前視距離增加,追蹤抖動越來越小。較短的前視距離可提供更精確的跟踪,而較長的前視距離可提供更平滑的跟踪。 PurePursuit的另一個特徵是,在轉彎追蹤時,過大的前視距離會導致「cutting corners」。 Pure Pursuit很難在穩定性和追蹤性能之間進行權衡。 ######1.3.5 Stanley
與以後軸為參考點的純追趕純追蹤方法不同,Stanley控制器先前軸為參考點。它同時考慮了航向誤差和橫向誤差。 Stanley控制器不僅考慮航向誤差,而且還考慮了橫向誤差。
根據上圖可推到出前輪轉角指令:
根據上圖實驗數據所示隨著k的增加,追蹤效能也會提高。當車速變大時Stanley不像Pure Pursuit有足夠的穩定性。
1.3.6 LQR
#基於車輛運動學模型的方法忽略了車輛的動力學特性,因此在車速過快或曲率變化率過大的情況下此演算法無法滿足車輛的穩定性控制要求。對於基於車輛動力學模型的控制方法,首要的工作是對車輛動力學進行建模。由於精確的二自由度動力學模型是非線性的,為了方便進行即時的追蹤控制計算,通常還需要在精確的二自由度動力學模型基礎上進行一些簡化近似,得到線性二自由度動力學模型。
- 車輛二自由度動力模型:
- LQR:
線性二次調節器(Linear Quadratic Regulator或LQR)是基於模型的控制器,它使用車輛的狀態來使誤差最小化。 LQR理論是現代控制理論中發展最早也最成熟的一種狀態空間設計法。 LQR可得到狀態線性回授的最適控制規律,易於構成閉迴路最適控制。
LQR 最優設計是指設計出的狀態回授控制器K 要讓二次型目標函數J 取最小值,而K 由權矩陣Q 與R 唯一決定,故此Q、R的選擇尤其重要。如下公式為LQR代價函數:
根據車輛動力學模型與LQR代價函數可以推到出代數里卡提方程式:
最終透過迭代黎卡提方程式計算回饋矩陣,再根據回饋矩陣取得最佳控制量。
1.3.7 MPC
#MPC(Model Prediction Control)是一種致力於將更長時間跨度,甚至於無窮時間的最優化控制問題, 分解為若干個更短時間跨度,或者有限時間跨度的最優化控制問題, 並且在一定程度上仍然追求最優解。
MPC由下列三個要素組成:
- 預測模型: 預測模型能夠在短時間內很好的預測系統狀態的變化;
- 線上滾動優化: 由於預測模型得到的結果與實際仍然存在偏差, 所以採用滾動優化找到每個時刻下的局部最優解,通常情況會設計一個目標(損失)函數並將其轉化為二次規劃問題進而找到最優解;
- 回饋校正: 到下一個時間點根據新的狀態重新進行預測和最佳化。
- 預測模型:
#根據LQR中的車輛動力學模型可以推出預測模型。
- #滾動最佳化:
MPC代價函數:
根據預測模型、車輛橫向限制、代價函數進行最佳化求解可以得到對應的控制指令。
1.3.8 橫向控制演算法比較
1.4 縱向
#如上圖所示,縱向控制一般採用採用串級pid控制方法。
2 詳細設計
#控制器的設計如上圖所示,其中Controller為基底類,LonController、LonController和MPCController繼承該基底類別。 LonController又衍生出LQRController、LyapunovController和StanleyController等子類別。
以上是智慧汽車規劃控制常用控制方法詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

好強大的AI模仿能力,真的防不住,完全防不住。現在AI的發展已經達到這種程度了嗎?你前腳讓自己的五官亂飛,後腳,一模一樣的表情就被復現出來,瞪眼、挑眉、噘嘴,不管多麼誇張的表情,都模仿的非常到位。加大難度,讓眉毛挑的再高些,眼睛睜的再大些,甚至連嘴型都是歪的,虛擬人物頭像也能完美復現表情。當你在左邊調整參數時,右邊的虛擬頭像也會相應地改變動作給嘴巴、眼睛一個特寫,模仿的不能說完全相同,只能說表情一模一樣(最右邊)。這項研究來自慕尼黑工業大學等機構,他們提出了GaussianAvatars,這種

本文經自動駕駛之心公眾號授權轉載,轉載請洽出處。原標題:MotionLM:Multi-AgentMotionForecastingasLanguageModeling論文連結:https://arxiv.org/pdf/2309.16534.pdf作者單位:Waymo會議:ICCV2023論文想法:對於自動駕駛車輛安全規劃來說,可靠地預測道路代理未來行為是至關重要的。本研究將連續軌跡表示為離散運動令牌序列,並將多智能體運動預測視為語言建模任務。我們提出的模型MotionLM有以下幾個優點:首

《ComputerWorld》雜誌曾經寫過一篇文章,說“編程到1960年就會消失”,因為IBM開發了一種新語言FORTRAN,這種新語言可以讓工程師寫出他們所需的數學公式,然後提交給電腦運行,所以程式設計就會終結。圖片又過了幾年,我們聽到了一種新說法:任何業務人員都可以使用業務術語來描述自己的問題,告訴電腦要做什麼,使用這種叫做COBOL的程式語言,公司不再需要程式設計師了。後來,據說IBM開發了一門名為RPG的新程式語言,可以讓員工填寫表格並產生報告,因此大部分企業的程式設計需求都可以透過它來完成圖

身高1.65米,體重55公斤,全身44個自由度,能夠快速行走、敏捷避障、穩健上下坡、抗衝擊幹擾的人形機器人,現在可以帶回家了!傅利葉智慧的通用人形機器人GR-1已開啟預售機器人大講堂傅利葉智慧FourierGR-1通用人形機器人現已開放預售。 GR-1擁有高度仿生的軀幹構型和擬人化的運動控制,全身44個自由度,具備行走、避障、越障、上下坡、抗干擾、適應不同路面等運動能力,是通用人工智慧的理想載體。官網預售頁:www.fftai.cn/order#FourierGR-1#傅利葉智能需要改寫的內

近日,華為宣布將於9月推出搭載玄璣感知系統的全新智慧穿戴新品,預計為華為的最新智慧手錶。該新品將整合先進的情緒健康監測功能,玄璣感知系統以其六大特性——準確性、全面性、快速性、靈活性、開放性和延展性——為用戶提供全方位的健康評估。系統採用超感知模組,優化了多通道光路架構技術,大幅提升了心率、血氧和呼吸速率等基礎指標的監測精度。此外,玄璣感知系統也拓展了以心率資料為基礎的情緒狀態研究,不僅限於生理指標,還能評估使用者的情緒狀態和壓力水平,並支持超過60項運動健康指標監測,涵蓋心血管、呼吸、神經、內分泌、

軌跡預測近兩年風頭正猛,但大都聚焦於車輛軌跡預測方向,自動駕駛之心今天就為大家分享頂會NeurIPS上關於行人軌跡預測的演算法—SHENet,在受限場景中人類的移動模式通常在一定程度上符合有限的規律。基於這個假設,SHENet透過學習隱含的場景規律來預測一個人的未來軌跡。文章已經授權自動駕駛之心原創!作者的個人理解由於人類運動的隨機性和主觀性,目前預測一個人的未來軌跡仍然是一個具有挑戰性的問題。然而,由於場景限制(例如平面圖、道路和障礙物)以及人與人或人與物體的互動性,在受限場景中人類的移動模式通

如果您的智慧手錶無法開機怎麼辦?以下是可用於恢復您心愛的智慧手錶壽命的選項。檢查電源播放:想像一下,一個星光熠熠的舞台,您的智慧手錶作為頭條新聞,但窗簾沒有升起,因為它忘記了電池!在我們深入研究細節之前,請確保您的智慧型手錶不只是在煙霧中運行。給它一個適當的充電時間,如果你覺得有點額外,給它一個時尚的新電纜——時尚前衛的那種!神奇的重啟:如有疑問,請給它一點R&R——那就是重啟和復興!按住這些按鈕,就像指揮交響樂的大師一樣。不同的智慧手錶都有自己的重啟儀式——Google是你的指南。這是一

原標題:UniOcc:UnifyingVision-Centric3DOccupancyPredictionwithGeometricandSemanticRendering請點擊以下連結查看論文:https://arxiv.org/pdf/2306.09117.pdf論文想法:在這篇技術報告中,我們提出了一個名為UniOCC的解決方案,用於在CVPR2023nuScenesOpenDatasetChallenge中進行以視覺為中心的3D佔用預測軌跡。現有的佔用預測方法主要專注於使用三維佔用標籤
