基于Apollo D-kit的车辆自主循迹控制开题报告

全文总字数：5658字

1. 研究目的与意义（文献综述）

1. 选题目的

   无人驾驶汽车的自动循迹控制是控制方向盘转角、加速踏板开度和制动踏板开度从而实现自动驾驶车辆对目标轨迹的准确跟踪。

   无人驾驶汽车不同于一般的室内轮式机器人，它更多是以较高速度在复杂的交通环境中行驶，为了提高无人驾驶汽车在高速行驶时的可靠性，有必要在控制器中引入车辆动力学模型，以准确的动力学模型作为预测模型，提高控制器对未来行为的预估能力，进而在保证车辆稳定行驶的同时，充分利用车辆的潜能。

   国内外对无人驾驶车辆轨迹跟踪控制提出了多种控制策略^[1],包括比例-积分-微分（pid）控制、纯跟踪控制、stanley横向跟踪控制、前馈-反馈跟踪控制、线性二次型调节器（lqr）跟踪控制、模型预测控制（mpc）、滑膜控制、模糊控制、神经网络控制^[2]等，不同的控制方法适用于不同的跟踪环境，有着各自的优缺点。因此本文需要通过研究这些已有的车辆自动循迹控制策略，选择一种合适的可控制策略来构建自动驾驶汽车循迹控制模型，在matlab/simulink和carsim联合仿真环境中验证模型的有效性和可靠性，从而保证在apollod-kit平台实车测试时车辆行驶的安全性与稳定性。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   2. 研究的基本内容与方案

   1. 基本内容

      （1）研究已有的车辆自动循迹控制策略。

      （2）研究汽车动力学特性以及轮胎力学特性，建立汽车动力学模型。

      （3）选择合适的自动循迹控制策略，构建自动驾驶汽车循迹控制模型。在matlab/simulink和carsim联合仿真环境中验证模型的有效性和可靠性，并在apllod-kit平台进行实车测试。

      剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

      3. 研究计划与安排

      4. 参考文献（12篇以上）

      [1]陈慧岩,张玉.军用地面无人机动平台技术发展综述[j].兵工学报,2014,35(10):1696-1706.

      [2]李子龙. 基于人工神经网络的智能汽车循迹控制研究[d].合肥工业大学,2019.

      [3]黄颖涛. 自动驾驶车辆轨迹跟踪模型预测控制方法研究[d].长安大学,2019.

      剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付