传感器感知盲区条件下智能汽车主动制动系统控制研究

传感器感知盲区是造成智能汽车交通事故的主要原因之一。为了降低传感器感知盲区对智能汽车主动安全性能的影响,对传感器感知盲区条件下的智能汽车主动制动系统控制进行了研究。首先,建立感知盲区数据库,并搭建卷积神经网络对其进行识别;其次,根据其运动特征进行分类,建立感知盲区条件下的安全距离模型;最后,基于上述安全距离模型对感知盲区内的潜在障碍物进行自车速度控制,达到主动避撞的目的。仿真和实车试验表明,提出的传感器感知盲区分类可以较好地表述感知盲区的运动特征,传感器感知盲区条件下的主动避撞安全距离模型对潜在障碍物有较好的预防作用,主动避撞算法提高了智能汽车在传感器感知盲区内的主动安全性能。     

基于改进人工势场法的路径规划决策一体化算法研究

车辆路径规划与决策算法是无人驾驶汽车的重要研究方向之一。现有的路径规划与路径跟踪决策算法中规划层与决策层存在时滞现象,往往会引起检测信息与真实行驶环境信息的偏差,使得规划的局部路径不能反映当前真实状态,是无人驾驶汽车安全行驶的不稳定因素。本文综合考虑了环境交通参与者与车辆自身运动学特征,建立了横纵向安全模型,对车辆目前行驶环境的风险特征进行了综合评估。在行驶环境特征与车辆动力学特征的基础上对传统人工势场法进行了改进,设计了基于虚拟力的局部路径规划与控制决策一体化算法,提升了算法在复杂动态环境下控制的可靠性。最后,利用Carsim/Simulink建立了联合仿真环境,分别对传统路径规划算法、路径跟踪算法与本文提出的路径决策规划一体化算法在典型工况下进行仿真。仿真结果表明,该算法能减小路径规划决策环节的时滞影响,为复杂动态环境下的无人驾驶车辆提供更加合理的控制方法。