亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        線控四輪轉(zhuǎn)向汽車平行泊車路徑規(guī)劃與跟蹤控制

        2021-09-26 01:27:30張家旭卜純研王晨趙健
        關(guān)鍵詞:車輛工程路徑規(guī)劃控制工程

        張家旭 卜純研 王晨 趙健

        摘 ? 要:針對線控四輪轉(zhuǎn)向汽車平行泊車路徑規(guī)劃與跟蹤控制問題,提出一種基于改進粒子群優(yōu)化算法的平行泊車路徑規(guī)劃方法和一種基于前饋控制和反饋控制的平行泊車路徑跟蹤控制策略. 首先,綜合考慮線控四輪轉(zhuǎn)向汽車運動學(xué)非完整約束、動力和轉(zhuǎn)向子系統(tǒng)的過程約束和邊界約束、避障約束、泊車初始位姿和目標(biāo)位姿約束,建立以最小化泊車過程總時長為目標(biāo)的平行泊車路徑規(guī)劃約束最優(yōu)化問題,并采用可以處理等式約束和不等式約束的粒子群優(yōu)化算法對其進行求解,得到最優(yōu)平行泊車路徑. 隨后,利用平行泊車路徑規(guī)劃過程得到的車輪轉(zhuǎn)向角作為前饋控制量,并利用汽車實際位姿與期望位姿的偏差構(gòu)建PI反饋控制量,實現(xiàn)對規(guī)劃的平行泊車路徑快速、精確和穩(wěn)定的跟蹤控制. 最后,利用車輛動力學(xué)仿真軟件構(gòu)建模型在環(huán)仿真系統(tǒng),驗證所提出方法的可行性和有效性. 結(jié)果表明:所提出的方法可以快速、精確和穩(wěn)定地引導(dǎo)線控四輪轉(zhuǎn)向汽車自動完成平行泊車任務(wù).

        關(guān)鍵詞:車輛工程;控制工程;線控四輪轉(zhuǎn)向汽車;平行泊車;路徑規(guī)劃;路徑跟蹤控制;改進粒子群優(yōu)化算法

        中圖分類號:U461.1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標(biāo)志碼:A

        Parallel Parking Path Planning and Tracking

        Control for Wire-four-wheel Steering Vehicle

        ZHANG Jiaxu1,2,BU Chunyan1,WANG Chen1,ZHAO Jian1

        (1. State Key Laboratory of Automotive Simulation and Control,Jilin University,Changchun 130022,China;

        2. Intelligent Network R&D Institute,China FAW Group Co Ltd,Changchun 130011,China)

        Abstract:Aiming at the parallel parking path planning and tracking control problem for the wire-four-wheel steering vehicle,a novel parallel parking path planning method is proposed based on the improved particle swarm optimization algorithm,and a novel parallel parking path tracking control strategy is proposed based on feedforward and feedback control architecture. Firstly,considering the kinematic non-holonomic constraint of the wire-four-wheel steering vehicle,the process and boundary constraints of the power and steering sub-systems,the obstacle avoidance constraint,the initial parking pose constraint and the target pose constraint,a parallel parking path planning constraint optimization problem with minimizing the parking time is established,and the particle swarm optimization,which can deal with the equality and inequality constraints,is adopted to solve the constraint optimization problem. In order to execute the planned parking path,the desired wheel steering angle is used as the feedforward control quantity,and the PI feedback control quantity is constructed based on the deviation between the actual pose and the expected pose of the vehicle. Finally,the model-in-the-loop simulation system is built based on vehicle dynamics simulation software to verify the feasibility and effectiveness of the proposed method,and the simulation results show that the proposed method can guide the wire-four-wheel steering vehicle to complete the parallel parking task quickly,accurately and stably.

        Key words:vehicle engineering;control engineering;wire-four-wheel steering vehicle; parallel parking; path planning; path tracking control; improved particle swarm optimization algorithm

        汽車運動學(xué)非完整約束使得經(jīng)驗不足的駕駛員在狹窄環(huán)境內(nèi)難以完成泊車任務(wù),而自動泊車系統(tǒng)是解決此問題的有效手段之一. 在精確感知外界環(huán)境的前提下,泊車路徑規(guī)劃與跟蹤控制方法是決定自動泊車系統(tǒng)性能的核心要素[1-2]. 因此,深入研究泊車路徑規(guī)劃與跟蹤控制方法對于解決汽車運動學(xué)非完整約束導(dǎo)致的泊車難問題具有重要的意義.

        泊車路徑規(guī)劃方法主要有幾何規(guī)劃方法[3-5]、智能規(guī)劃方法[6-7]和優(yōu)化規(guī)劃方法[8-9]. 文獻[3]通過圓弧、直線和回旋曲線的平移與旋轉(zhuǎn)變換規(guī)劃出曲率連續(xù)的泊車路徑. 文獻[4]通過參數(shù)化Gompertz曲線獲得可執(zhí)行的泊車路徑. 文獻[5]采用圓弧-直線-β樣條曲線組合的方式規(guī)劃出曲率連續(xù)的泊車路徑. 采用幾何規(guī)劃方法得到的泊車路徑適用場景受限于初始泊車位姿、泊車位和不規(guī)則障礙物信息等,可行的泊車起始區(qū)域較小. 文獻[6]利用熟練駕駛員的泊車數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò),使其可以模擬熟練駕駛員完成泊車任務(wù). 文獻[7]利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)學(xué)習(xí)熟練駕駛員的泊車操作,進而自動完成泊車任務(wù). 采用智能規(guī)劃方法得到的泊車路徑適用場景受限于訓(xùn)練樣本的規(guī)模和多樣性,泛化能力較弱. 文獻[8]將泊車路徑規(guī)劃問題轉(zhuǎn)化為約束最優(yōu)化問題,并利用高斯偽譜法求解得到最優(yōu)泊車路徑. 為了兼顧計算效率和求解精度,文獻[9]采用自適應(yīng)偽譜法求解泊車路徑規(guī)劃問題來獲得最優(yōu)泊車路徑. 采用優(yōu)化規(guī)劃方法得到的泊車路徑適用場景最廣,但優(yōu)化求解方法的較大計算量限制了其工程應(yīng)用.

        泊車路徑跟蹤控制方法主要有模型預(yù)測跟蹤控制方法[10]、非線性魯棒跟蹤控制方法[11]和滑模跟蹤控制方法[5,12-13]. 文獻[10]將受控自回歸積分滑動平均模型作為預(yù)測模型,采用模型預(yù)測控制方法設(shè)計泊車路徑跟蹤控制策略. 為了抑制外界干擾和名義模型不確定性對泊車路徑跟蹤精度的影響,文獻[11]采用非線性魯棒控制方法設(shè)計泊車路徑跟蹤控制策略. 文獻[5]建立包含外界干擾的汽車運動學(xué)名義模型,并采用滑模自抗擾控制方法設(shè)計泊車路徑跟蹤控制策略. 文獻[12]建立非時間參考泊車路徑跟蹤控制模型,并基于此設(shè)計了泊車路徑滑模跟蹤控制策略. 文獻[13]采用反正切函數(shù)代替泊車路徑滑模跟蹤控制策略中符號函數(shù)來抑制傳統(tǒng)滑模固有的抖振問題. 上述泊車路徑跟蹤控制方法的被控對象均是前輪轉(zhuǎn)向汽車,無法直接應(yīng)用于線控四輪轉(zhuǎn)向汽車.

        線控四輪轉(zhuǎn)向汽車具有更好的機動靈活性,在狹窄環(huán)境內(nèi)更容易實現(xiàn)泊車操作[14]. 本文針對線控四輪轉(zhuǎn)向汽車平行泊車場景的路徑規(guī)劃與跟蹤控制問題,提出一種基于改進的粒子群優(yōu)化算法的平行泊車路徑規(guī)劃方法,以及一種基于前饋控制和反饋控制的平行泊車路徑跟蹤控制策略. 首先,綜合考慮線控四輪轉(zhuǎn)向汽車運動學(xué)非完整約束、動力總成子系統(tǒng)和轉(zhuǎn)向子系統(tǒng)的過程約束和邊界約束、直線交點法描述的避障約束、泊車的初始位姿和目標(biāo)位姿約束,建立以最小化平行泊車過程總時長為目標(biāo)的平行泊車路徑規(guī)劃約束最優(yōu)化問題,并采用可以有效處理等式約束和不等式約束的粒子群優(yōu)化算法對其進行求解,進而得到最優(yōu)平行泊車路徑. 隨后,利用平行泊車路徑規(guī)劃過程得到的前輪轉(zhuǎn)向角和后輪轉(zhuǎn)向角作為前饋控制量,并利用汽車實際位姿與期望位姿的偏差構(gòu)建PI反饋控制量,實現(xiàn)對規(guī)劃的平行泊車路徑快速、精確和穩(wěn)定的跟蹤控制. 最后,利用車輛動力學(xué)仿真軟件構(gòu)建模型在環(huán)仿真系統(tǒng),驗證所提出的線控四輪轉(zhuǎn)向汽車平行泊車路徑規(guī)劃方法和路徑跟蹤控制策略的可行性和有效性.

        1 ? 平行泊車路徑規(guī)劃

        1.1 ? 平行泊車路徑規(guī)劃問題描述

        線控四輪轉(zhuǎn)向汽車平行泊車過程中處于低速大轉(zhuǎn)角行駛狀態(tài),可認為四個車輪無側(cè)偏的繞同一瞬時圓心做圓周運動. 如圖1所示,將線控四輪轉(zhuǎn)向汽車后軸中點作為參考點,建立其平行泊車過程中的運動學(xué)方程為:

        式中:xr、yr、vr和ar分別為線控四輪轉(zhuǎn)向汽車后軸中點橫坐標(biāo)、縱坐標(biāo)、速度和加速度;δf和δr分別為線控四輪轉(zhuǎn)向汽車前輪和后輪轉(zhuǎn)向角;ωf和ωr分別為線控四輪轉(zhuǎn)向汽車前輪和后輪轉(zhuǎn)向角速度;φ和L分別為線控四輪轉(zhuǎn)向汽車方位角和軸距.

        式中:vrmax和armax分別為線控四輪轉(zhuǎn)向汽車后軸中點速度和加速度最大值;δfmax和δrmax分別為線控四輪轉(zhuǎn)向汽車前輪和后輪轉(zhuǎn)向角最大值;ωfmax和ωrmax分別為線控四輪轉(zhuǎn)向汽車前輪和后輪轉(zhuǎn)向角速度最大值.

        基于汽車后軸中點坐標(biāo)和方位角可得如圖1所示的汽車輪廓四個頂點A、B、C和D的坐標(biāo)為:

        xA(k),yA(k)=xr(k)+(L+Lf)cosφ(k)-Wsinφ(k)/2,yr(k)+(L+Lf)sinφ(k)+Wcosφ(k)/2xB(k),yB(k)=xr(k)+(L+Lf)cosφ(k)+Wsinφ(k)/2,yr(k)+(L+Lf)sinφ(k)-Wcosφ(k)/2xC(k),yC(k)=xr(k)-Lr cosφ(k)+Wsinφ(k)/2,yr(k)-Lr sinφ(k)-Wcosφ(k)/2xD(k),yD(k)=xr(k)-Lr cosφ(k)-Wsinφ(k)/2,yr(k)-Lr sinφ(k)+Wcosφ(k)/21≤k≤N

        (9)

        式中:Lf、Lr和W分別為汽車前懸、后懸和寬度.

        汽車平行泊車過程中其輪廓邊緣AB與如圖2所示的泊車位前方障礙物無碰撞的約束條件可表示為:

        汽車平行泊車過程中其輪廓邊緣BC與如圖2所示的泊車位前方障礙物無碰撞的約束條件可表示為:

        汽車平行泊車過程中其輪廓邊緣BC與如圖2所示的泊車位側(cè)方路基無碰撞的約束條件可表示為:

        yB(k) + Wp ≥ 0yC(k) + Wp ≥ 01 ≤ k ≤ N ? ? ? ? ? ? (12)

        式中:Wp為平行泊車位寬度.

        汽車平行泊車過程中其輪廓邊緣CD與如圖2所示的泊車位后方障礙物無碰撞的約束條件可表示為:

        式中:Lp為平行泊車位長度.

        已知平行泊車的初始位姿和目標(biāo)位姿分別為(x0,y0,φ0)和(xf,yf,φf),則有

        xr(0) = x0,yr(0) = y0,φ(0) = φ0xr(N) = xf,yr(N) = yf,φ(N) = φf ? (14)

        將式(5) 、式(8)和式(14)描述的等式約束條件記為c(x,u) = 0,將式(7)、式(10)~式(13)描述的不等式約束條件記為g(x,u) ≤ 0,則平行泊車路徑規(guī)劃問題轉(zhuǎn)化為以平行泊車過程總時長為目標(biāo)的約束最優(yōu)化問題,使線控四輪轉(zhuǎn)向汽車在最短時間內(nèi)完成平行泊車任務(wù).

        (15)g(x,u) ≤ 0

        由式(6)和式(15)可知,給定離散點數(shù)量N,最小化平行泊車過程總時長tf約束最優(yōu)化問題可等價為最小化計算步長h約束最優(yōu)化問題.

        1.2 ? 平行泊車路徑規(guī)劃問題求解

        粒子群優(yōu)化算法是一種基于啟發(fā)式信息的隨機搜索算法,具有收斂速度快和設(shè)置參數(shù)少等優(yōu)點,特別適用于無約束最優(yōu)化問題求解[16]. 本節(jié)利用最優(yōu)化問題的約束條件改進粒子群優(yōu)化算法的適應(yīng)度函數(shù),使改進的粒子群優(yōu)化算法可以求解式(15)描述的平行泊車路徑規(guī)劃約束最優(yōu)化問題. 已知系統(tǒng)控制向量u(k),1≤k≤N包含三個分量,則表征系統(tǒng)控制向量的粒子位置向量和速度向量包含3N個分量. 若按照第一個系統(tǒng)控制向量三個分量至最后一個系統(tǒng)控制向量三個分量先后方式排序,則第i個粒子的位置向量和速度向量可分別表示為:

        pi(s) = [ p1i ?p2i ?… ?p3Ni]T ? ? ?(16)

        vi(s) = [ v1i ?v2i ?… ?v3Ni]T ? ? ?(17)

        式中:s為粒子群優(yōu)化算法的當(dāng)前迭代次數(shù).

        利用第i個粒子的歷史最優(yōu)解pbesti ? ?(s)和群體的歷史最優(yōu)解pbest ? ?(s)更新第i個粒子的速度為:

        vi(s+1) = q(s)vi(s)+d1r1(pbesti ? ?(s)-pi(s))+

        d2 r2(pbest ? ?(s)-pi(s)) ? ? ? (18)

        式中:r1,r2∈[0,1]為均勻分布的隨機數(shù);d1和d2分別為粒子速度自身部分和社會部分權(quán)重系數(shù),二者的有機組合可以使粒子群優(yōu)化算法保持收斂速度和搜索效果的均衡;q(s)為控制粒子歷史速度對當(dāng)前速度影響的慣性部分權(quán)重系數(shù),可表示為:

        式中:qmax和qmin分別為慣性部分權(quán)重的最大值和最小值;smax為總迭代次數(shù). 通過自適應(yīng)調(diào)整慣性部分權(quán)重系數(shù),使粒子群優(yōu)化算法在前期有較高的全局搜索能力,在后期有較高的局部搜索能力.

        利用第i個粒子在迭代計算次數(shù)s+1的速度更新其位置為:

        pi(s+1) = pi(s) + vi(s) ? ? (20)

        利用最優(yōu)化問題的約束條件計算第i個粒子的適應(yīng)度函數(shù)為:

        Fi(s)=Ji(s) ? ? ? ? ? ? ? ? ? ? ? if Vi(s)=0J *(s)+J *(s)Vi(s) ? if Vi(s)>0 ? ? (21)

        式中:Ji(s)為第i個粒子在迭代計算次數(shù)s的優(yōu)化目標(biāo)值;J *(s)為第i個粒子的歷史最差優(yōu)化目標(biāo)值;Vi(s)表示為

        式中:Nc和Ng分別為最優(yōu)化問題等式約束條件數(shù)量和不等式約束條件數(shù)量;μij(s)和ηij(s)表示為

        μij(s)=0, ? ? ? ? ? ? ? ?cj(x,u)=0|cj(x,u)|/εj,|cj(x,u)|≤εj, j = 1,2,…Nc1, ? ? ? ? ? ? ? ?|cj(x,u)|>εj

        (23)

        ηij(s)=0, ? ? ? ? ? ? ? ?gj(x,u)≤0|gj(x,u)|/ξj,0ξj

        (24)

        式中:εj和ξj分別為最優(yōu)化問題等式約束條件允許的容差和不等式約束條件允許的容差.

        綜上所述,可得如圖3所示的基于改進的粒子群優(yōu)化算法求解平行泊車路徑規(guī)劃約束最優(yōu)化問題的具體流程.

        2 ? 平行泊車路徑跟蹤控制

        本節(jié)基于前饋控制和反饋控制相結(jié)合的方式設(shè)計平行泊車路徑跟蹤控制策略. 其中,前饋控制環(huán)節(jié)用于提高平行泊車路徑跟蹤控制策略的響應(yīng)速度和精度,而反饋控制用于抑制外界擾動對平行泊車路徑跟蹤控制性能的影響.

        如圖4所示,首先利用汽車實際位置與期望位置的偏差eD(k)、汽車實際方位角與期望方位角的偏差eφ(k)計算前輪轉(zhuǎn)向角反饋控制量為:

        Δδf(k+1)=Δδf(k)+

        K PD(eD(k+1)-eD(k))+K IDeD(k+1)+

        K Pφ(eφ(k+1)-eφ(k))+K Iφeφ(k+1) ? ? ?(25)

        式中:K PD和K ID分別為汽車實際位置與期望位置偏差的比例系數(shù)和積分系數(shù);K Pφ和K Iφ分別為汽車實際方位角與期望方位角偏差的比例系數(shù)和積分系數(shù);eD(k)和eφ(k)可表示為:

        式中:(xr(k),yr(k),φ(k))和(xrd(k),yrd(k),φd(k))分別為汽車實際位姿和期望位姿.

        若平行泊車路徑規(guī)劃過程得到的汽車前輪轉(zhuǎn)向角前饋控制量為δfd(k + 1),則汽車前輪轉(zhuǎn)向角控制量可表示為:

        δf(k + 1) = δfd(k + 1) + Δδf(k + 1) ? ?(28)

        由汽車前輪轉(zhuǎn)向角最大值與后輪轉(zhuǎn)向角最大值的比例關(guān)系,可得汽車后輪轉(zhuǎn)向角控制量為:

        δr(k + 1) = δrd(k + 1) + Ks Δδf(k + 1) ? ?(29)

        式中:δrd(k + 1)為汽車后輪轉(zhuǎn)向角前饋控制量;Ks = δrmax /δfmax為比例系數(shù).

        3 ? 仿真分析

        本節(jié)利用車輛動力學(xué)仿真軟件建立線控四輪轉(zhuǎn)向汽車平行泊車路徑規(guī)劃與跟蹤控制方法的模型在環(huán)仿真系統(tǒng),對其可行性和有效性進行驗證. 以天津一汽夏利N5整車參數(shù)為基礎(chǔ)設(shè)計線控四輪轉(zhuǎn)向汽車的仿真參數(shù)為L = 4.155 m,W = 1.645 m,Lf=0.8 m,Lr = 0.95 m,vrmax = 1 m·s-1,armax = 2 m·s-2,δfmax = 0.524 rad,δrmax = 0.087 3 rad,ωfmax = ωrmax = 0.524 rad·s-1;依據(jù)工程經(jīng)驗,仿真驗證過程中粒子群優(yōu)化算法的基礎(chǔ)參數(shù)分別設(shè)置為d1 = 1.2,d2 = 1.5,qmin = 0.3,qmax = 1.5,smax = 1 000和εj = ξj = 10-3,種群規(guī)模設(shè)置為30、粒子速度向量邊界區(qū)域設(shè)置為[-1,1]、粒子位置向量中表征汽車后軸中點加速度信息的分量的邊界區(qū)域設(shè)置為[-armax,armax],粒子位置向量中表征汽車前輪轉(zhuǎn)向角速度信息的分量的邊界區(qū)域設(shè)置為 [-ωfmax,ωfmax],粒子位置向量中表征汽車后輪轉(zhuǎn)向角速度信息的分量的邊界區(qū)域設(shè)置為[-ωrmax,ωrmax],算法迭代收斂判斷容差設(shè)置為10-4;仿真結(jié)果如圖5所示.

        如圖5(a) (b)所示,采用基于改進粒子群優(yōu)化算法的平行泊車路徑規(guī)劃方法得到的平行泊車路徑可以安全、舒適地引導(dǎo)線控四輪轉(zhuǎn)向汽車進入平行泊車位,并且目標(biāo)平行泊車路徑曲率的連續(xù)性有效避免了線控四輪轉(zhuǎn)向汽車原地轉(zhuǎn)向現(xiàn)象.

        如圖5(c)~(f)所示,采用基于前饋控制和反饋控制相結(jié)合方式設(shè)計的平行泊車路徑跟蹤控制策略可以使線控四輪轉(zhuǎn)向汽車快速、精確和穩(wěn)定地跟蹤目標(biāo)泊車路徑,進而安全無碰撞地完成平行泊車任務(wù).

        4 ? 結(jié) ? 論

        本文提出了一種線控四輪轉(zhuǎn)向汽車平行泊車路徑規(guī)劃與跟蹤控制方法. 綜合考慮了線控四輪轉(zhuǎn)向汽車運動學(xué)非完整約束、動力和轉(zhuǎn)向子系統(tǒng)約束、避障約束和泊車位姿約束,建立了平行泊車路徑規(guī)劃約束最優(yōu)化問題,并采用可以改進的粒子群優(yōu)化算法對其進行求解來獲得最優(yōu)平行泊車路徑. 采用前饋控制和PI反饋控制相結(jié)合的方式設(shè)計了平行泊車路徑跟蹤控制策略,實現(xiàn)對規(guī)劃的平行泊車路徑快速、精確及穩(wěn)定的跟蹤控制. 利用車輛動力學(xué)仿真軟件構(gòu)建模型在環(huán)系統(tǒng),驗證所提出的線控四輪轉(zhuǎn)向汽車平行泊車路徑規(guī)劃與跟蹤控制方法的可行性和有效性,結(jié)果表明:所提出的方法可以快速、精確、穩(wěn)定地引導(dǎo)線控四輪轉(zhuǎn)向汽車自動完成平行泊車任務(wù).

        參考文獻

        [1] ? ?JANG C,KIM C,LEE S,et al. Re-plannable automated parking system with a standalone around view monitor for narrow parking lots[J]. IEEE Transactions on Intelligent Transportation Systems,2020,21(2):777—790.

        [2] ? ?CHAI R Q,TSOURDOS A,SAVVARIS A,et al. Two-stage trajectory optimization for autonomous ground vehicles parking maneuver[J]. IEEE Transactions on Industrial Informatics,2019,15(7):3899—3909.

        [3] ? ?張家旭,趙健,施正堂,等. 基于回旋曲線的平行泊車路徑規(guī)劃和跟蹤控制[J]. 吉林大學(xué)學(xué)報(工學(xué)版),2020,50(6):2247—2257.

        ZHANG J X,ZHAO J,SHI Z T,et al. Path planning and tracking control for parallel parking based on clothoid curve[J]. Journal of Jilin University (Engineering and Technology Edition),2020,50(6):2247—2257. (In Chinese)

        [4] ? ?CHAND A,KAWANISHI M,NARIKIYO T. Application of sigmoidal gompertz curves in reverse parallel parking for autonomous vehicles[J]. International Journal of Advanced Robotic Systems,2015,12(9):127.

        [5] ? ?王健. 汽車在兩種轉(zhuǎn)向工況下的路徑規(guī)劃與路徑跟蹤研究[D]. 南京: 南京航空航天大學(xué),2015:32—35.

        WANG J. Research on path planning and path tracking for automobile in two steering conditions[D]. Nanjing:Nanjing University of Aeronautics and Astronautics,2015:32—35. (In Chinese)

        [6] ? ?LIU W,LI Z H,LI L,et al. Parking like a human:a direct trajectory planning solution[J]. IEEE Transactions on Intelligent Transportation Systems,2017,18(12):3388—3397.

        [7] ? ?DEMIRLI K,KHOSHNEJAD M. Autonomous parallel parking of a car-like mobile robot by a neuro-fuzzy sensor-based controller[J]. Fuzzy Sets and Systems,2009,160(19):2876—2891.

        [8] ? ?LI B,WANG K X,SHAO Z J. Time-optimal maneuver planning in automatic parallel parking using a simultaneous dynamic optimization approach[J]. IEEE Transactions on Intelligent Transportation Systems,2016,17(11):3263—3274.

        [9] ? ?張家旭,趙健,施正堂,等. 采用hp自適應(yīng)偽譜法的全自動泊車系統(tǒng)軌跡規(guī)劃與跟蹤控制[J]. 西安交通大學(xué)學(xué)報,2020,54(6): 176—184.

        ZHANG J X,ZHAO J,SHI Z T,et al. A trajectory planning and tracking control method for fully-automatic parking system using hp-adaptive pseudo spectral method[J]. Journal of Xian Jiaotong University,2020,54(6):176—184. (In Chinese)

        [10] ?趙海蘭. 全自動平行泊車路徑規(guī)劃及路徑跟蹤研究[D]. 淄博: 山東理工大學(xué),2017:25—26.

        ZHAO H L. Study on path planning and path tracking method for fully-automatic parallel parking[D]. Zibo:Shangdong University of Technology,2017:25—26. (In Chinese)

        [11] ?張家旭,趙健,施正堂,等. 基于回旋曲線的垂直泊車軌跡規(guī)劃與跟蹤控制[J]. 東南大學(xué)學(xué)報(自然科學(xué)版),2020,50(1):182—191.

        ZHANG J X,ZHAO J,SHI Z T,et al. Trajectory planning and tracking control for perpendicular parking based on clothoid curve[J]. Journal of Southeast University (Natural Science Edition),2020,50(1):182—191. ?(In Chinese)

        [12] ?ZHANG J X,SHI Z T,YANG X,et al. Trajectory planning and tracking control for autonomous parallel parking of a non-holonomic vehicle[J]. Measurement and Control,2020,53(9/10):1800—1816.

        [13] ?DU X X,TAN K K. Autonomous reverse parking system based on robust path generation and improved sliding mode control[J]. IEEE Transactions on Intelligent Transportation Systems,2015,16(3):1225—1237.

        [14] ?ZHAO W Z,QIN X X,WANG C Y. Yaw and lateral stability control for four-wheel steer-by-wire system[J]. IEEE/ASME Transactions on Mechatronics,2018,23(6):2628—2637.

        [15] ?HAGER W W. Runge-Kutta methods in optimal control and the transformed adjoint system[J]. Numerische Mathematik,2000,87(2):247—282.

        [16] ?SUN J,WU X J,PALADE V,et al. Random drift particle swarm optimization algorithm:convergence analysis and parameter selection[J]. Machine Learning,2015,101(1/2/3):345—376.

        收稿日期:2020-07-10

        基金項目:國家自然科學(xué)基金資助項目(51775235),National Natural Science Foundation of China(51775235)

        作者簡介:張家旭(1985—),男,黑龍江雙城人,吉林大學(xué)高級工程師,博士后

        通信聯(lián)系人,E-mail:zhaojian@jlu.edu.cn

        猜你喜歡
        車輛工程路徑規(guī)劃控制工程
        中材(天津)控制工程有限公司
        中材(天津)控制工程有限公司
        控制工程在機械電子工程中的應(yīng)用
        車輛工程專業(yè)工程人才培養(yǎng)模式改革之實驗室開放探討
        清掃機器人的新型田埂式路徑規(guī)劃方法
        自適應(yīng)的智能搬運路徑規(guī)劃算法
        科技視界(2016年26期)2016-12-17 15:53:57
        基于B樣條曲線的無人車路徑規(guī)劃算法
        基于卓越工程師培養(yǎng)的車輛工程專業(yè)企業(yè)培養(yǎng)方案研究
        本科生導(dǎo)師制在應(yīng)用型高校車輛工程專業(yè)初探
        考試周刊(2016年76期)2016-10-09 10:00:15
        基于改進的Dijkstra算法AGV路徑規(guī)劃研究
        科技視界(2016年20期)2016-09-29 12:00:43
        2021年国产精品每日更新| 无码av中文一区二区三区| 久久无码专区国产精品| а中文在线天堂| 538在线视频| 亚洲国产精品自拍成人| 欧美 日韩 人妻 高清 中文| 欧美日韩一卡2卡三卡4卡 乱码欧美孕交| 99热成人精品国产免| 日韩亚洲在线一区二区| 我和丰满妇女激情视频| 黑人巨大无码中文字幕无码| 亚洲小说图区综合在线| 激情网色图区蜜桃av| 日韩精品亚洲一区二区| 在线人成免费视频69国产| 国产成人亚洲综合无码DVD| 麻豆视频在线观看免费在线观看| 亚洲第一女人av| 丝袜美腿国产一区二区| 日韩少妇内射免费播放18禁裸乳| 欧美黑人疯狂性受xxxxx喷水| 亚洲免费毛片网| 区一区二区三区四视频在线观看| 无码国内精品久久人妻| 亚洲另类激情综合偷自拍图| 国产精品一级av一区二区| 国产视频一区二区在线免费观看| 爆乳熟妇一区二区三区霸乳 | 国产a v无码专区亚洲av| 欧美亚洲另类 丝袜综合网| 国产精品久色婷婷不卡| 性欧美老人牲交xxxxx视频| 亚洲av无码国产精品草莓在线| 亚洲人午夜射精精品日韩| 精品少妇一区二区三区免费观| 午夜探花在线观看| 亚洲一区二区三区综合网| 国产极品美女高潮无套| 99热久久精里都是精品6| 无码8090精品久久一区|