无人驾驶车转向系统自抗扰控制的研究

针对无人驾驶车转向系统具有一定的非线性,工作载荷变化大,易受外界干扰影响的特点,在分析转向系统动力学特性的基础上,依据自抗扰控制技术,设计了二阶自抗扰控制器．采用七自由度非线性车辆模型进行仿真研究,结果表明：二阶自抗扰控制器可以有效实现转向系统转角的控制,且具有较高的精度、更宽的控制范围以及很强的鲁棒性．     

带测量噪声干扰的无人驾驶汽车路径跟踪控制

提出了一种带有Kalman滤波器的最优预测控制结构,用于无人驾驶汽车的路径跟踪控制.无人驾驶汽车对道路环境与车体状态的感知一般通过GPRS、雷达、摄像机、陀螺仪等获得,测量过程往往带有噪声.带有Kalman滤波的最优预测控制器,与不考虑噪声干扰的最优预测控制器相比,产生比较平滑的控制序列,减少了机械损耗.     

MEMS-Based Low-Cost Flight Control System for Small UAVs

Small unmanned air vehicles （UAVs） can be used for various kinds of surveillance and data collection missions. The UAV flight control system is the key to a successful mission. This paper describes a low-cost micro-electro mechanical system-based flight control system for small UAVs. The integrated hardware flight control system weighs only 24 g. The system includes a highly-integrated wireless transmission link, which is lighter than traditional links. The flight control provides altitude hold control and global positioning system navigation based on gain scheduling proportional-integral-derivative control. Flight tests to survey the grass quality of a large lawn show that the small UAV can fly autonomously according to a series of pre-arranged waypoints with a controlled altitude while the wireless video system transmits images of the surveillance target to a ground control station.     

无人驾驶车辆基于角点和斑点的特征提取算法

针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。     

本期导读

<正>本期"智能控制与智能计算"栏目中,《一种智能汽车的实时道路边缘检测算法》,以无人驾驶汽车为平台,针对结构化、半结构化道路下无人驾驶汽车道路边缘检测问题,提出了一种智能汽车的实时道路边缘检测算法,经实验验证,该算法准确率高,可靠性强,能够准确完成     

基于机器视觉的农业机械无人驾驶研究

为实现农业机械的无人驾驶,研究基于机器视觉的农业机械运动控制具有重要的意义.本文介绍了基于机器视觉的农业机械无人驾驶的工作原理和实现方法.通过对视频图像的处理,识别出农业作业环境的路径特征的位置和方向,采用模糊控制方法实现了农业机械的运动控制.试验证明了基于机器视觉的农业机械无人驾驶系统的可行性及控制算法的可靠性.     

越野环境下无人驾驶车辆技术研究综述

越野环境下的无人驾驶车辆技术是近年来智能化领域重要研究方向之一,其在推动军事智能化发展、提高工农业生产效率等方面起到重要作用,具有一定的军事战略意义与民用经济价值.文中基于国内外越野场景下无人驾驶车辆技术的研究现状,从环境感知与导航定位、路径规划、运动控制3个研究层面进行归纳总结,阐述了越野场景下无人驾驶车辆技术中的关键技术及其技术应用存在的问题,并对未来越野环境下无人驾驶车辆技术的研究方向和研究重点进行了展望.      

无人驾驶车辆虚拟测试技术的发展

 无人驾驶车辆测试是无人驾驶车辆上路前的一个重要环节,其在实测阶段需要消耗大量的人力、物力、财力及时间,而无人驾驶车辆虚拟仿真测试技术则可以帮助测试大大减少消耗、提高效率。介绍了无人驾驶车辆虚拟仿真的应用、利用深度学习训练无人驾驶车辆的应用以及平行驾驶技术对于无人驾驶车辆虚拟测试技术的重要性;阐述了无人驾驶车辆虚拟测试技术的发展趋势;介绍了无人驾驶车辆相关平台;根据当前发展阐述了无人驾驶车辆虚拟测试的意义。     

基于离散优化的无人驾驶汽车轨迹规划

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法。该算法将带有时间戳的三维轨迹规划问题,解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系。通过分层采样的方法构建路径Lattice图搜索初始路径,以及基于多目标A*搜索算法在ST图中规划出初始速度剖面,减少算法的计算量。同时,结合优化的方法对轨迹进行优化,使轨迹收敛到全局最优解。最后,通过仿真实验,验证了该算法的有效性和可靠性。     

面向无人驾驶碾压机的容错控制方法研究

无人驾驶碾压机高精度路径跟踪控制依赖于传感器对车体信息的准确测量,但在恶劣的高原大坝环境下,定位传感器极易出现信号突变、信号丢失现象,对系统的安全性与稳定性构成极大威胁。针对无人驾驶碾压机在恶劣工况下传感器的短时定位失效问题,提出了基于自学习模型的信号代偿容错控制方法。根据无人驾驶碾压机运行过程中转向系统漂移特性,构造了带流量损耗参数的线性转向模型,提出了模型参数在线学习算法,用于学习系统的流量损耗特性。以串联抗扰控制器作为车辆控制基础,实现定位短时失效场景下的容错控制。实车验证结果表明：车辆能够在传感器失效后的40 s内继续进行高精度碾压作业,与无代偿和模型无自学习代偿2种情况对比,分别延长了近18.7倍和2.7倍的运行时间,极大地提高了系统的安全性与作业效率。