admin管理员组文章数量:1533918
2024年3月17日发(作者:)
Auto.
2021
⑴
En
鑰汽车工程师
OVERVIEW
行业观察
«
重庆交通大学机电与汽车工程学院重庆市轨道交通汽车系统集成与控制重庆市重点
^
室
摘要
:
路径跟踪作为自动驾驶汽车运动控制模块的基础部分
,
需要精确跟踪参考路径
。
这也是近年来自动驾驶汽车研究的
热点之一
。
对路径跟踪运动控制进行了分类介绍
,
同时
,
系统地归纳总结了近年来自动驾驶汽车在复杂环境下精准跟踪路径
并保持平稳性
、
安全性的最新研究方法
。
此外,
对路径跟踪控制方法在跟踪期望路径过程中尚存在的一些问题提出了建议
,
为自动驾驶领域提供了一定的参考和借鉴
。
关键词
:
自动驾驶;路径跟踪;
控制方法
;
线性二次最优控制方法
Path
Tracking
Control
for
Autonomous
Vehicle
*
Abstract
:
As
the
basic
part
of
the
motion
control
module
of
autonomous
vehicles,
path
tracking
needs
to
accurately
track
the
reference
path.
This
is
also
one
of
the
hot
topics
in
the
research
of
autonomous
vehicles
in
recent
years.
The
motion
control
of
path
tracking
is
classified
and
introduced.
At
the
same
time,
the
latest
research
methods
of
accurate
path
tracking
and
maintaining
stability
and
safety
of
autonomous
vehicles
in
complex
environment
in
recent
years
are
systematically
summarized.
In
addition,
some
suggestions
on
the
problems
of
the
path
tracking
control
method
in
the
process
of
tracking
the
expected
path
are
put
forward,
which
provide
some
reference
for
the
field
of
automatic
driving.
Key
words
:
Automatic
driving;
Path
tracking;
Control
method;
Linear
quadratic
optimal
control
method
随着现代汽车工业和计算机技术的快速发展
,人
制汽车的转向系统,使汽车沿着期望的参考路径行驶,
尽可能地减少跟踪误差
,
并保证汽车在行驶过程中具
们对自动驾驶汽车的智能化控制的要求越来越高
。
然
而
,
传统的智能化控制已经不能满足这种需求
。
为了解
有一定的安全性
、
舒适性和平稳性
。
当前研究热点以路
径跟踪精度和车身稳定性为主要方向
,
并通过横向误
决这一问题
,
更精确的路径跟踪控制技术受到了越来
越多的关注叭路径跟踪是自动驾驶汽车的重要组成部
分
,
其目的是通过控制汽车的横向和纵向运动来跟踪
期望的路径或轨迹铁因此
,
文章就近年来国内外学者
差
、
航向误差以及其增量的变化率等参数评价跟踪性
能的好坏⑶
。
纵向控制主要是通过对驱动和制动执行器
的协调
,
实现对纵向车速以及期望距离的精确跟随
。
纵
基于路径跟踪技术的最新研究展开了系统的介绍
,
分
别从运动控制的分类
,
实现自动驾驶汽车在复杂环境
向控制采用分层控制策略
,
上层控制器主要基于距离
或速度闭环得到期望加速度或期望转矩
,
下层控制器
会将驱动与制动命令协调起来以此跟踪上层控制器给
下精准跟踪路径并保持平稳性
、
安全性的最新研究方
法进行了归纳总结
。
最后
,
对某些路径跟踪控制方法在
跟踪期望路径过程中存在的一些问题提岀了改进建
岀的期望值⑷
。
横纵向耦合控制就是将横向控制与纵向
控制放在一起同时控制
。
该控制通常设计两层控制器
,
议,希望为今后的进一步深入研究提供一定的参考
。
上层控制器一般用于控制转向盘转角
,
以此减少横向
1
路径跟踪控制分类
针对自动驾驶汽车的路径跟踪控制问题
,
基于控
制目标的不同
,
通常将路径跟踪控制分为
3
类
,
即横向
与航向偏差
,
确保汽车可以精准跟踪期望路径
,
下层控
制器一般用于控制油门或制动踏板从而实现纵向车速
的合理控制
,
耦合的控制不仅改善了路径跟踪精度
,
而
且对汽车的稳定性和安全性也有较大提升
[
“
。
控制
、
纵向控制
、
横纵向耦合控制
。
横向控制是通过控
*
基金项目
:
重庆市轨道交通车辆系统集成与控制重庆市重点试验室项目
(
CSTC215yfpt-zdsys30001)
-
14
-
第第期
E
点韶汽车工穩师
OVERVIEW
行业观察
2
路径跟踪控制方法
函数
,
综合考虑避障函数权重和临时路径与全局路径
的偏差权重
,
规划岀紧急避障轨迹
。
在轨迹跟踪层
,
以
2.1
线性二次最优控制方法
线性二次型最优控制
(
LQR
)
是一种稳定的控制方
法
,
可利用较小的控制能量使系统状态变量维持在零
值附近
,
且同时可以对不稳定系统进行整定
。
参考轨迹和航向偏差作为控制量
,
采用线性时变
MPC
求解满足汽车动力学约束的最优前轮转角
。
文献⑺针对传统路径跟踪横向控制的
LQR
控制
2.3
滑模控制方法
滑模控制是一种变结构控制方法
,
它产生不连续
的控制信号
,
迫使系统沿预定的滑动面滑动
,
从而获得
收敛特性和控制鲁棒性
。
滑模控制由于其显著的优点
,
器大多采用固定加权矩阵
,
从而导致控制器的适应性
和控制精度大幅受限的问题
,提岀了一种结合前馈控
制且加权矩阵可自调整的改进
LQR
横向运动控制方
法
。
该方法在较好跟踪目标路径的同时可以将距离偏
差以及航向偏差控制在较小范围内
。
文献
[
针对智能
驾驶汽车在大曲率高速工况下进行路径跟踪时
,
容易
岀现跟踪精度差
、
发生侧滑等现象
,
提岀了一种基于最
优前轮侧偏力的智能汽车
LQR
横向控制方法
,
该方法
不仅有效保持了汽车模型以及刷子轮胎模型的非线性
特性
,
还巧妙结合前馈与反馈控制构建
LQR
控制器
,
实现了对前轮侧偏力的实时在线求解
,
结果表明
,
该方
法既降低了跟踪误差,
还有效提升了汽车的横向稳定
性和操纵性
。
文献
[
针对
4WIS
电动汽车的轨迹跟踪问
题
,
设计了基于最优控制的路径跟踪控制器
,
所设计的
LQR
控制器能够很好地跟踪不同条件下的目标轨迹
,
具有较强的稳定性
,
并针对该控制器存在较小跟踪误
差做岀了改进
,
即引入前轮和后轮转角的前馈量
,
构成
状态反馈前馈控制系统
,
进一步减少了跟踪误差
。
2.2
模型预测控制方法
模型预测控制
(
MPC
)也称滚动时域最优控制
,
该控
制器考虑控制系统的非线性动力学模型并预测未来一
段时间内系统的输岀行为,通过解决带约束的最优控制
问题使得系统在未来一段时间内的跟踪误差最小
。
文献
[
12
]
针对自主四轮马达独立驱动电动汽车
(AMISEV)
所建立的模型具有参数不确定性
、
外部干
扰
、
时变和非线性等特点,提岀了基于有限时间域的鲁
棒模型预测控制
(MPC)
来实现
AMISEV
的协调路径跟
踪和直接横摆力矩控制
(DYC)
。
该方法避免了传统控
制行为的保守性
,
使得跟踪精度更高
,
且提升了电动汽
车的操纵性
。
文献
[
9
针对自主汽车在路径跟踪过程中
存在的问题
,
提岀了一种基于模糊自适应权值控制的
改进
MPC
控制器
。
该控制器在保证跟踪精度的同时,
还考虑了跟踪过程中汽车的动态稳定性
,
即采用汽车
动力学模型作为控制器模型
。
此外
,
解决了经典
MPC
控制器在汽车偏离目标路径时所带来的驾驶舒适性问
题
。
文献
[
2
]
针对自主驾驶汽车的紧急避障研究
,
设计
了双层
MPC
紧急避障控制器
。
在规划层引入避障功能
在各种机电一体化以及轮式移动机器人中得到了广泛
的应用
。
文献
[
1
3
]
针对机械轮式全向移动机器人
(
MWOMR)
的路径跟踪问题
,
提岀了一个四输入三输岀的二阶状
态空间方程作为描述
MWOMR
路径跟踪运动学和动力
学的被控对象模型
。
在此模型的基础上
,
设计了
MWOMR
的非奇异终端滑模
(
NTSM
)
控制器
,
并对其稳
定性进行了严格细致的证明
。
并提岀了一种基于
Runge-Kutta
公式的航位推算算法来推导
MWOMR
的
位置和姿态信息
。
文献
[
4
]
利用径向基函数神经网络逼
近一个依赖于转向刚度(与前后轮胎有关
)
、
横摆率变化
和横向速度的非线性函数,以此设计一种保证汽车横向
稳定性的基于径向基函数神经网络
(SMC_RBNN
)
的改
进滑模控制器
,
对于正弦参考路径
,
所提岀的
SMC_RBNN
控制策略在横向跟踪误差方面比传统滑模
控制器
(SMC)
具有更好的控制效果
。
文献
[
5
]
针对传统
依赖精确数学模型的路径跟踪方法难以适应复杂多变
的驾驶环境的问题,提岀了一种基于终端滑模控制与自
抗扰控制相结合的路径跟踪控制方法
。
使用非奇异终端
滑模和指数趋近律来设计自抗扰控制器结构中的非线
性状态误差反馈控制律
,其中非奇异终端滑模可以确保
系统状态远离平衡点时能够快速响应
,指数趋近律可以
保证系统全局渐近稳定
,
从而进一步优化控制效果
。
2.4 PID
控制方法
比例
-
积分
-
微分
(PIS)
控制方法具有结构简单
、
调
整方便
、
参数调整与工程指标紧密接触等优点
。
在测试
设置中运行系统并修改
PIS
值以获得最佳响应
,
但传
统
PIS
控制器参数的选择主要依赖反复的试验和经
验
,
无法根据状态的变化适时地改变控制参数
。
文献
[
6
]
基于上述问题
,
提岀了一种新型的四轮独
立转向的电动汽车
(4WIS),
并对其四轮转向策略进行
了分析
。
其次
,
基于自适应模糊
PIS
控制算法,结合单
步航向预测方法,研究了
4WIS
电动汽车的路径跟踪控
制问题
。
最后
,
以蛇形轨迹和双线变道轨迹为参考轨
迹
,在开放道路上验证了所设计的自适应模糊
PIS
控
-
15
-
妣论如
行业观察
OVERVIEW
En
鑰汽车工程师
2021
年
1
月
制算法的可靠性和鲁棒性
。
文献
[
7
]
为了使四旋翼飞行
文献
[
2
]
针对路径跟踪控制不能有效满足智能汽
器能够在精确的路径上自主飞行
,
并减小四旋翼动态
模型误差的影响
,
提岀了一种基于非线性自抗扰控制
(NLADRC)
和
PID
控制的混合轨迹跟踪控制器
。
控制
结构采用了内环和外环相结合的方式
。
外环采用
PID
控制
,
通过计算期望位置信息获得期望姿态角信息
;
内
环采用
NLADRC
跟踪期望姿态
,
克服外界因素对姿态
控制的干扰
。
文献
[
8
]
基于农业机器人的精确模型建立
复杂,难以完成复杂环境的路径跟踪问题
,
提岀了基于
模糊神经网络自适应
PID
的路径跟踪控制方法
。
利用
LQR
解耦位姿偏差
,
使用模糊神经网络
PID
作为主控
制器具有非线性补偿作用
。
2.5
模糊控制方法
模糊控制是以模糊合论
、
模糊语言变量及模糊逻
辑推理等作为理论基础
,
以传感器技术
、
计算机技术和
自动控制理论作为技术基础的一种新型自动控制理论
和方法
。
其不依赖精确数学模型
,
且鲁棒性较好
。
文献
[
2
针对无人车在大曲率弯道行驶中转向机
构易过早响应且驶入弯道车速过高而造成危险交通事
故的现象
,
提岀了一种基于动态双点预瞄策略的智能
车横纵向模糊控制方法
。
该方法能根据道路曲率和实
时车速调节预瞄距离
,
确保了跟踪精度的同时,也使得
在驶入弯道前车速控制在安全范围内
。
文献
[
0
]
针对实
际应用中自主汽车路径跟踪的转向控制存在参数(质
量和车速)不确定性和因轮胎或路面作用导致的汽车
动力学非线性的情况
,
利用模糊建模方法
,
首先将原参
数变化的非线性路径跟踪系统表示为具有加性范数有
界不确定性的
T-S
模糊模型
,
然后在模糊
Lyayunov
函
数框架下提岀了一种基于模糊观测器的汽车动力学输
岀反馈转向控制方法
。
文献
[
7
为了解决汽车车速时变
和轮胎侧向力不确定的问题
,
提岀了一种新的自主汽
车路径跟踪控制方法
,
即采用
Tabayi-Suneeo
模糊控制
来解决上述问题
。
此外
,
为了在保持简单控制结构的同
时避免使用昂贵的汽车传感器
,
提岀了一种新的模糊静
态输岀反馈
(
SOF
)
方案
。
在控制设计中利用稳健集不变
性来考虑转向输入的物理限制和汽车状态
,
以提高安
全性和舒适性
,
并采用模糊
Lyayunov
函数和非并行分
布补偿
(Nox-PDC
)
方案
,
进一步降低了设计的保守性
。
2.6
自适应控制方法
自适应控制是指随时辨识系统的数学模型并按此
模型去调整最优控制规律
。
其建立于模糊控制基础上,
具有自适应学习的模糊逻辑算法
,
该算法依据数据信
息来实时调整控制系统的自适应律
。
-
16
-
车在大曲率条件下的稳定性要求
。
提岀了一种具有分
层结构和方向误差补偿的自适应预瞄距离路径跟踪控
制器
,
其上层控制器为遗传算法
(
GA
)
优化的模糊控制
器
,
下层控制器由
RBF
神经网络滑模控制器和迭代学
习控制器并行组成
。
将汽车质心横向加速度和预览点横
向误差作为上位控制器的输入
,
基于模糊推理得到最优
预瞄距离
。
并通过迭代学习来补偿方向误差
。
文献
[
3
]
为
了解决无人船在各种干扰环境下快速实现精确
、
可靠跟
踪期望路径的问题
,
提岀基于自适应视距制导
(LOS)
、
扩张状态观测器
(ESO)
和
MPC
的自适应路径跟踪控制
方法
,
设计并实现无人船自适应路径跟踪控制
。
2.7
自抗扰控制方法
自抗扰控制
(
ADRC
)
是一种非线性鲁棒控制方法
,
是在经典
PID
控制的基础上引入了现代控制理论中状
态观测器的思想
。自抗扰的优势在于设计简单
,
可以实
时估计并补偿系统运行过程中的
“
内扰
”
和
“
外扰
”
。
文献
[
4
]
基于智能车在路径跟踪过程中因自身
“
内
扰
”
和
“
外扰
”
的干预影响导致汽车本身具有较强的非线
性和不确定性
,
提岀了一种对汽车不确定性和外部干扰
具有较强鲁棒性的
ADRC
控制算法
,
并通过粒子群优化
算法来优化控制器参数
,
实现了精确跟踪的同时保证了
稳定性
。
文献
[
5
]
基于使用参数固定的自抗扰控制器的
汽车在高速情况下紧急避障时
,
由于外界不确定干扰因
素
,
导致控制器的控制精度及效果较差的问题
,
提岀了
一种基于神经网络的自抗扰控制方法
,
该方法在干扰因
素作用下不仅提升了控制精度而且鲁棒性也较好
。
3
结论
文章基于路径跟踪控制目标的不同
,
对运动控制
进行了分类介绍
。
对路径跟踪当下研究较多的控制方
法进行了系统的阐述
。
针对自动驾驶汽车进行路径跟
踪的控制方法尚存在的一些问题提岀如下建议:
1)
国内大量学者在进行路径跟踪研究中
,
通常是
将运动学模型以及轮胎模型进行简化处理
,
简化处理后
的运动控制仅适合在常规工况下进行路径跟踪
,
很难完
成高速极限工况下的路径跟踪控制
。
因此自动驾驶汽
车的运动控制研究须从常规工况向极限工况拓展
[
0
。
2
)
由于汽车的转向系统和电机特性对汽车控制的
影响较大
,
现有研究方法很少考虑汽车的转向系统
,
因
此在以后的研究中可以将转向系统和电机的作用因素
考虑到路径跟踪的控制中
。
其次
,
当前无人驾驶存在安
全性和可靠性无法保障的问题时
,
共享驾驶在目前汽
车行业发展过程中能够发挥其积极的作用
。
因此在保
第
2
期
E
点韶汽车工穩师
OVERVIEW
行业观察
证汽车安全行驶的基础上
,
也应该多研究一下如何合
理分配二者的驾驶权重及优化共享系统的性能
[7]
。
[4
/
HAJJAMI
L
E,
MELLOULI
E
M,
BERRADA
M.
Neural
Networa
Baseh
Sliding
MoUe
Lateral
Coutrol
Foe
Autouomous
Vehicle[C//2220
1st
Intea-
natioual
Coufereeco
ou
Innovative
ResearcO
in
Applieh
Scieece,
Engi
3)
针对当前智能汽车的路径跟踪控制必须处理模
型不确定性和非线性的困难
,
而强化学习
(
RL
)
作为一
类自适应最优控制方法
,
在解决复杂控制问题中受到
越来越多的关注
,
且随着机器学习理论和自动驾驶汽
neering
anf
TechncUoqy
(IRASET),
Mebnes,
Morocco:
SEE,
2020:
0-6.
doC
100109/IRASET4897•
[5
吴艳,王丽芳
,
李芳•基于滑模自抗扰的智能车路径跟踪控制/控制
与决策
,
2019,34(10):2150-
2156.
车路径跟踪方法计算能力的并行发展
,
可以将强化学
[16/
CHEN
Xinfo,
BAO
Qilin,
ZHANG
Bang-
ResearcO
ou
4WIS
Electrio
Ve-
习方法运用到自动驾驶汽车的路径跟踪控制中去曲
。
参考文献
[
YAO
Qiacgqiacg,
TISN
Ying,
WANG
Quac,
et
aO.
CoutroO
Strategies
ou
Path
TracOing
fuo
Autouomous
Vebicle:
State
of
the
Art
act
Future ChaO-
leegesJ
ISEE
Access,
2020,
8:
161211-161222.
⑵
蔡英凤
,
秦顺琪
,
臧勇
,
等•基于可拓优度评价的智能汽车横向轨迹
跟踪控制方法
[
•汽车工程
,2219,21(30)
:
1389-1392.
⑶
陈威
,
廖文浩,刘明春•基于
MPC
的自动驾驶汽车横向路径跟踪控制
[J].
南昌大学学报(工科版
),2020,42(3
)
:
279-288.
[
熊璐
,
杨兴
,
卓桂荣
,
等•无人驾驶汽车的运动控制发展现状综述[•
机械工程学报
,2020,56(
10
)
:
127-143.
[
李军
,
唐爽
,
黄志祥
,
等•融合稳定性的高速无人驾驶汽车纵横向协
调控制方法[•交通运输工程学报
,2020,20(2
):
205-218.
⑹
CHEN
Shupinq,
CHEN
Huiyaa.
MPC-baseb
path
tracOing
with
PIS
speeb
coutroO
for
autonomous
vehicles
J]
ISP
Coufereeco
Series:
MateriaOe
Sci-
eeco
acd
Engigeering,
2020,
892
⑴
:
12-34.
⑺
高琳琳
,
唐风敏
,
郭蓬
,
等.自动驾驶横向运动控制的改进
LQR
方法
研究
[J/OL].
机械科学与技术
,2020
:
1-7(2022-05-07
)
[2020-
10
-05].
http
:
//2020020440
2
:
80/uw/CNKI/https/MSYXTLUQPJUB/1003433/O
coni.l003-8773.92220066.
[
陈亮
,
秦兆博
,
孔伟伟
,
等•基于最优前轮侧偏力的智能汽车
LQR
横
向控制
[J/OL].
清华大学学报(自然科学版
)
,2020
:
1-
7(2020-08-21)
[2020.11.07].
202.202.244.12
:
80/uw/CNKI/https/MSYXTLUQPJU
B/1006511/joIlki•qhexxb002002028•
J9
CHEN
Xinbo,
PENG
Yibing,
HANG
Peeg.
Path
Tracking
CoutroO
of
Four-wheeS
Innepebnebt
Steering
Electrio
Vehicles
Based
ou
Optimaf
Coutrol[2]//2020
39th
Chinese
CoutroO
Couferebco
(CCC),
Shebyaae
:
IEEE,
2020
:
5436-
5442.
e
0
C
/7.93915/OCC52068.92204189047.
[12/
PENG
Haouaa,
WANG
WeiCa,
AN
Quaa,
et
af.
Path
Tracking
aad
Direct
Yaw
Momeet
CoorUinateb
CoutroO
Based
ou
Robust
MPC
With
the
Finite
Tice
Horizou
foe
Autouomoue
Innepebnebt-DUve
Vehicles[/.
SEE
Transactioue
ou
Vehicu
—
u
Techno
—
q,
2020,
69
⑴
:
6653-6666.
doC
100109/TVT•
[0/
WANG
Heeqanq,
LIS
BiaO,
PISG
XianyaO,
et
af.
Path
TracOing
CoutroO
tu
Autouomoua
Vehicles
BaseS
ou
an
improvee
MPC[/.
SEE
Accesa,
20
1
9,
2
:
1
6
0
064
-
0
6
1
073.
doC
1
0.
0
0
09/OCCESS.22
1
9.2944894.
[2
邓海鹏
,
麻斌
,赵海光
,
等.自主驾驶汽车紧急避障的路径规划与轨
迹跟踪控制[/兵工学报
,2020,41(3
)
:
585-554.
[3
/
SUN
Zhe,
XU
HaO,
ZHENG
JincOuan,
et
al.
Path-following
coutrcU
oU
Mecanum-wheels
omnieirectioual
moUCe
roUotr
using
cous
—quiar
termi-
naf
sliding
moUe[/.
Mechanical
Systems
anf
Signal
Processing,
2020,
167.
doi:
12.101
6/j
.ymssp.20220
07128.
hicfe
Path
Tracking
Coutrol
Baseh
ou
Adaptive
Fuzzy
PIS
Algorithm
[[
/
//2019
Chinese
C
ou
P
o
S
Couference
(CCC).
GuangzOou:
SEE,
2019:
453-446.
[77
YAO
Boys,
LU
Ping,
YANG
Sehg,
el
aL
Trajectore
TracOing
Coutrollee
Baseh
ou
PID-NLADRC[C]//2019
Interaatioual
Couference
ou
Computee
Networi
Electrouio
and
Automatiou
(ISCNEA),
Xi'an:
SEE,
2019:
447-
452.
doC
12.1179/IDCNEA.9215.90089.
[5/
尹奇辉
,
李捷
,
梁志鹏
,等•基于模糊神经网络
PIS
的机器人路径跟
踪控制
[]-
中国农机化学报
,2020,40
(5)
:
1
82-
1
87.
[19
/刁勤晴
,
张雅妮,朱凌云•双预瞄点智能车大曲率路径的横纵向模糊
控制
[/•
中国机械工程
,2019,30(12
)
:
1445-
1452.
[20
/
ZHANG
ChangzOu,
HU
Jinfei,
QIS
Jianfin,
ei
aL
A
Novd
Fuzzy
OUserv-
er-Baseh
Steering
C
ou
P
o
S
ApproacO
for
Path
TracOing
in
Autouomous
Vehiclesd.
SEE
Transactious
ou
Fuzzy
Systems,
2019
⑵
:
078-290.
doC
100109/TFUZ
乙
2•
[21/
NGUYEN
A
T,
GUERRA
T
M,
RATH
J
J,
eI
aL
Set-Invariance
Baseh
Fuz
zy
Output
TracOing
C
ou
—
o
S
for
Vebicfe
Autouomous
Driving
uufee
Uncertain
Lateral
Forces
anf
Steering
Coustrain-
[C]//2222
SEE
Interaa-
tiouaf
Couferehce
ou
Fuzzy
Systems
(FUZZ-SEE).
Glasgow,
Uniteh
Kingdom:
HEE,
2020:
1-7.
doC
10.^79/OUZZ43607.92204177615.
[22
/
LIS
Wei,
WANG
Ruochey
XS
Chehyang,
eI
a-
Investigatiou
ou
a-a-tive
preview
distance
path
tracOiny
cou
—
o
S
with
directiouaf
errOT
compehsa-ou
[/
2020,
234
⑷
:
484-500.
[23
/柳晨光
,
初秀民,毛庆洲
,
等.无人船自适应路径跟踪控制系统[•机
械工程学报
,2020,56(8
)
:
216-227.
[4]
闫振争
,
庄继晖
,程晓鸣,
等•自抗扰算法在无人车路径跟踪控制
中的应用[/
。
口•重庆理工大学学报(自然科学
)
:
2020
:
1-12
(
2020-05-25)2020-11-
06/.
http
:
//202•202•24402
:
80Out/CNKI/http/
NNYHGLUDN3WXTLUPMW4A/2cms/2etaP/500205•T•
204•htma
[5
/
贠
海涛
,
曾欣,
林晋召
,
等.汽车紧急避让路径跟踪神经网络自抗扰
控制[•机械设计与制造
,
2020(9
)
:
24-27.
[6
/王国栋
,
刘洋
,
李绍松
,
等•基于轮胎状态刚度预测的极限工况路径
跟踪控制研究[[
。
口.自动化学报
,2419(2019-09-19
)
[2020
-
10
-05/.
https
:
//2oiorql006383/90349.
田彦涛
,
赵彦博
,
谢波•基于驾驶员转向模型的共享控制系统[
。
口.
自动
化学报
,2020
(2222-03-17)
[2020-10-
05].
2
.
16383/90486.
[28]
LIS
Jiahany,
HUANG
Zhenhua,
XU
Xin,
el
aL
Mul--Keruet
Online
Re-
inforcemehl
Learning
foe
Path
TracOing
Cou—
ol
oC
【
111
—
1
igeht
Vehi
cles
[[.
SEE
Transactious
ou
Systems,
2020,
20(20):
12282-12294.
doC
17.10 09/TSMC
•2020.
296663
0.
(收稿日期
:
2020-10-08)
-
17
-
版权声明:本文标题:自动驾驶汽车路径跟踪控制 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1710655538a276699.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论