导　　师： 赵克刚

授予学位： 硕士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 随着智能车的快速发展,智能车不可避免的将会运用到当前复杂的交通系统中去。在当前的交通系统环境下,不同类型的道路、复杂的任务和各种交通规则,往往会导致一个控制过程被划分为多个阶段,在不同的阶段会有不同的约束。本文应用高斯伪谱法,联合前一个阶段终端状态和后一阶段的初始状态添加限制约束,即可保证各阶段状态之间的连续性,进而实现含不同阶段的最优控制问题统一求解,比其他方法具有更快的计算效率。本文首先使用基于P准则的函数,统一刻画了各种不同类型的道路、静态障碍物和动态障碍物以及智能车边界;分析智能车局部路径规划模型中受到的初值和末值约束,路径约束和避障约束,添加阶段连续约束,建立一般形式上的多阶段局部路径规划最优控制模型。在高斯勒让德正交配点(LG点)处进行拉格朗日插值,近似处理状态变量和控制变量,将微分方程和各项约束转化为代数方程,由此最优控制问题转化成为了非线性规划问题(NLP),选择序列二次规划法求解。以出库和泊车典型工况为例,建立车辆动力学模型和车库函数,详细分析了三个阶段中车辆受到的不同约束以及阶段之间初末态连续约束,进一步使用高斯伪谱法求解,求解结果验证了本文方法对于多阶段问题良好的求解能力。结合5G通信技术,提出了基于最优化的局部路径规划算法在智能网联车框架下的应用方案。并运用LQG法对方案中关键技术-智能车路径跟踪算法开展研究工作。在Prescan仿真环境和真实道路环境下进行了轨迹跟踪实验验证。实车与仿真实验表明:基于最优控制的轨迹跟踪算法,在车辆受到高斯白噪声随机干扰的情况下,能够较好的跟踪高斯伪谱法求解出来的轨迹,适用于小曲率直道跟踪和大曲率曲线跟踪等不同场景,并且表现出了稳定、精确的跟踪性能和速度

关 键 词： 智能车 路径规划 高斯伪谱法 最优控制 轨迹跟踪

领　　域： []