System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于车辆的自动驾驶,特别是一种用于无人物流车的路径跟踪控制方法。
技术介绍
1、随着自动驾驶技术的快速发展,越来越多的行业逐渐往智能化和无人化发展。以物流车为载体,无人物流车成为自动驾驶技术在限定场景下成功应用之一。无人物流车可以全天候地在点与点之间实现配送,不仅节约了配送成本,同时也提高了配送的效率,可以根据用户指定的时间到达目的地,使得配送服务更加便利和人性化。
2、路径跟踪控制技术是指在全局坐标系中,控制车辆转向和驱动并沿着既定轨迹行驶,从而实现躲避障碍物等功能。纯跟踪算法是一种被广泛采用的路径跟随方法,以阿克曼转向模型为基础,通过预瞄距离选择目标点,计算出前轮转角,使得车辆后轴中心沿着圆弧平滑地行驶至目标点,在低速直线行驶时具有较强的稳定性,目前被较多地应用于低速无人车中。但由于纯跟踪算法预瞄距离固定,车辆行驶稳定性容易受车速和预瞄距离影响,因此其在弯道行驶时稳定性弱于直线行驶。
技术实现思路
1、本专利技术的目的在于弥补上述技术的不足,而提供一种基于纯跟踪的无人物流车路径跟踪控制方法,利用横向误差和航向误差作为输入量,设计模糊控制器来自适应地调节预瞄距离参数,从而适应不同的轨迹,进一步减小误差,提高路径跟踪精度和稳定性。
2、本专利技术为实现上述目的,采用以下技术方案:一种基于纯跟踪的无人物流车路径跟踪控制方法,包括以下步骤:
3、1)根据无人物流车的轴距和轮距,建立用于计算无人物流车过弯时无人物流车内外轮转向角的阿克曼转向几
4、2)忽略垂直方向上的无人物流车运动,在二维平面假定无人物流车内外轮转角相同,从而对步骤1)建立的阿克曼转向几何模型进行简化,得到运动学自行车模型;
5、3)在无人物流车行驶路径上选取一点作为预瞄点,根据运动学自行车模型计算无人物流车到达预瞄点所需的前轮转角和横向误差,同时获得当前无人物流车的航向误差;所述航向误差为无人物流车实际航向与理论航向之间的偏差,所述理论航向为无人物流车到达预瞄点的方向;所述横向误差为预瞄点到轨迹上最近点的距离;
6、4)建立模糊控制器并将横向误差和航向误差作为输入变量,计算出预瞄距离参数,从而调节预瞄距离,完成无人物流车路径跟踪控制。
7、作为本专利技术的优选方案,所述步骤4)中,模糊控制器的建立具体为:设置航向误差取基本论域为[-90°,90°],横向误差基本论域为[-3m,3m],预瞄距离基本论域为[0m,10m],航向误差量化因子、横向误差量化因子以及预瞄距离量化因子分别设置为解模糊化的过程为:
8、
9、其中,n表示模糊集元素数量,kp表示解模糊化后输出量,ki表示模糊集中各元素的论域值,μi表示模糊集中各元素的隶属度值。
10、作为本专利技术的优选方案,所述步骤4)中,将横向误差和航向误差作为输入变量,计算出预瞄距离参数,从而调节预瞄距离,完成无人物流车路径跟踪控制具体为:定义航向误差向左为正,车轮转角逆时针为正;根据航向误差的基本论域、横向误差的基本论域、航向误差量化因子以及横向误差量化因子将航向误差和横向误差的量化等级均划分为[-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6];在模糊控制器中将输入的航向误差和横向误差根据量化等级定义为模糊集合[sl,sm,ss,zo,ls,lm,ll]中的子集,并将模糊控制器的输出变量也定义为模糊集合[sl,sm,ss,zo,ls,lm,ll]的子集,模糊集合中sl代表负大,sm代表负中,ss代表负小,zo代表零,ls代表正小,lm代表正中,ll代表正大;根据预瞄距离的基本论域和预瞄距离量化因子将预瞄距离量化等级划分为[0,1,2,3,4,5,6,7,8,9,10]并根据输出变量自适应调节预瞄距离。
11、本专利技术还提供了一种基于上述无人物流车路径控制方法的无人物流车路径控制系统,包括:
12、阿克曼转向几何模型建立模块,用于根据无人物流车的轴距和轮距建立用于计算无人物流车过弯时无人物流车内外轮转向角的阿克曼转向几何模型;
13、运动学自行车模型建立模块,用于在阿克曼转向几何模型进行简化,得到运动学自行车模型;
14、预瞄点选取模块,用于在无人物流车行驶路径上选取一点作为预瞄点;
15、模糊控制器模块,用于计算出预瞄距离参数,从而调节预瞄距离,完成无人物流车路径跟踪控制。
16、本专利技术还提供了一种路径跟踪控制设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现所述的路径跟踪控制方法。
17、与现有技术相比,本专利技术具有以下有益效果:
18、本专利技术在传统纯跟踪算法的基础上,加入模糊控制器改进了纯跟踪算法预瞄距离固定的问题,对预瞄距离自适应的调整,可以适应不同路径行驶,减小无人物流车路径跟踪误差,提升跟踪精度和稳定性。
19、本专利技术的无人物流车当航向角误差与横向误差较大时,能够通过减小预瞄距离使无人物流车较快地回到路径上;当航向角误差与横向误差较小时,增大预瞄距离使无人物流车行驶更加平稳。
本文档来自技高网...【技术保护点】
1.一种基于纯跟踪的无人物流车路径跟踪控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤1)具体为:无人物流车过弯时,以无人物流车后轴中心处为原点,无人物流车内外轮转向角度不一致,内外轮的转角分别为:
3.根据权利要求2所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤2)具体为:忽略无人物流车在垂直方向上的运动,在二维平面假定无人物流车内外轮转角相同,将无人物流车前轮的转向角度简化为:
4.根据权利要求3所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤3)中,在无人物流车行驶路径上选取一点作为预瞄点,根据运动学自行车模型计算无人物流车到达预瞄点所需的前轮转角和横向误差:
5.根据权利要求1所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤4)中,模糊控制器的建立具体为:设置航向误差的基本论域为[-90°,90°],横向误差基本论域为[-3m,3m],预瞄距离基本论域为[0m,10m],航向误差量化因子、横向误差量化因子以及预瞄距离量化因子分别设置为KE=2,
6.根据权利要求5所述的无人物流车路径控制方法,其特征在于,所述步骤4)中,将横向误差和航向误差作为输入变量,计算出预瞄距离参数,从而调节预瞄距离,完成无人物流车路径跟踪控制具体为:定义航向误差向左为正,车轮转角逆时针为正;根据航向误差的基本论域、横向误差的基本论域、航向误差量化因子以及横向误差量化因子将航向误差和横向误差的量化等级均划分为[-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6];在模糊控制器中将输入的航向误差和横向误差根据量化等级定义为模糊集合[SL,SM,SS,ZO,LS,LM,LL]中的子集,并将模糊控制器的输出变量也定义为模糊集合[SL,SM,SS,ZO,LS,LM,LL]的子集,模糊集合中SL代表负大,SM代表负中,SS代表负小,ZO代表零,LS代表正小,LM代表正中,LL代表正大;根据预瞄距离的基本论域和预瞄距离量化因子将预瞄距离量化等级划分为[0,1,2,3,4,5,6,7,8,9,10],并根据输出变量自适应调节预瞄距离。
7.一种基于权利要求1所述无人物流车路径控制方法的无人物流车路径控制系统,其特征在于,包括:
8.一种路径跟踪控制设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-6中任意一项所述的路径跟踪控制方法。
...【技术特征摘要】
1.一种基于纯跟踪的无人物流车路径跟踪控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤1)具体为:无人物流车过弯时,以无人物流车后轴中心处为原点,无人物流车内外轮转向角度不一致,内外轮的转角分别为:
3.根据权利要求2所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤2)具体为:忽略无人物流车在垂直方向上的运动,在二维平面假定无人物流车内外轮转角相同,将无人物流车前轮的转向角度简化为:
4.根据权利要求3所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤3)中,在无人物流车行驶路径上选取一点作为预瞄点,根据运动学自行车模型计算无人物流车到达预瞄点所需的前轮转角和横向误差:
5.根据权利要求1所述的无人物流车路径跟踪控制方法,其特征在于,所述步骤4)中,模糊控制器的建立具体为:设置航向误差的基本论域为[-90°,90°],横向误差基本论域为[-3m,3m],预瞄距离基本论域为[0m,10m],航向误差量化因子、横向误差量化因子以及预瞄距离量化因子分别设置为ke=2,kl=1,解模糊化的过程为:
6.根据权利要求5所述的无人物流车路径控制方法,其特征在于,所述步骤4)中,将横向...
【专利技术属性】
技术研发人员:张旭,刘畅,张守标,裴俊超,宋冰,袁凯,鲍根,徐鹏,范飞,占升荣,黄瑞钦,王峥明,
申请(专利权)人:安徽邮谷快递智能科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。