基于模糊控制的自动驾驶汽车导航算法研究

2018年第11期【摘要】针对自动驾驶汽车自主行驶问题，提出了一种基于预瞄信息的路径跟踪算法。以GPS轨迹点序列作为目标路径，建立车辆—路径相对运动关系模型，使用实时差分GPS数据确定车辆位置。通过预瞄点序列，计算路径的预瞄偏差角和路径弯曲度。根据路径弯曲度确定行驶速度，实现纵向控制；通过PurePursuit算法将预瞄偏差角转换成前轮转角的控制量，实现横向控制。试验结果表明，提出的路径跟踪方法在纵向、横向控制和跟踪平稳性方面都具有良好的效果。主题词：自动驾驶汽车预瞄信息路径弯曲度路径跟踪中图分类号：TP242文献标识码：ADOI:10.19620/ki.1000-3703.20180269ResearchonPathTrackingAlgorithmofAutonomousVehiclesBasedonMulti-PointSequencePreviewZhaoKai1,ZhuYuan2,FengMingyue2,SuZhiyuan1,GuoHongda1（1.ArmyMilitaryTransportationUniversity,Tianjin300161;2.InstituteofMilitaryTransportation,Tianjin300161）【Abstract】ingtheGPStrajectorypointsequenceasthetargetpath,avehicle-pathrelativemotionrelationmodelwasestablished,andreal-timedifferentialGPSdatawasusedtodeterminethevehicleposition.Throughthepreviewpointsequence,thepath'spreviewdeviationangleandpathcurvaturewerecalculated.Thetravelspeedwasdeterminedaccordingtothepathcurvature,andthelongitudinalcontrolwasrealized;thepreviewdeviationanglewasconvertedintothecontrolamountofthefrontwheelrotationanglebythePurePursuitalgorithmtorealizethelateralcontrol.Theexperimentalresultsshowthattheproposedpathtrackingmethodhasagoodeffectinlongitudinalcontrol,lateralcontrolandtrackingstability.Keywords:Autonomousvehicle,Previewinformation,Pathcurvature,Pathtracking赵凯1朱愿2冯明月2苏致远1郭宏达1（1.陆军军事交通学院，天津300161；2.军事交通运输研究所，天津300161）

基于模糊控制的智能车寻迹算法研究

摘要： 与传统的自动控制相比，模糊控制不用建立在被控对象准确的数学模型的基础上。这一特点在非常适用于实际运用中影响因素很多、结构十分复杂系统。其系统有易于接受，设计简单，维护方便，而且比常规控制系统稳定性好，鲁棒性高等特点。因其与本设计实际条件相似，所以选其做智能小车的寻迹算法研究。

关键词 智能小车；模糊控制；寻迹算法

ABSTRACT Compared with the traditional automatic control，fuzzy control

without based on a accurate mathematical model of controlled object. This

feature is suitable for the systems which have many influencing factors and

a very complex structure in the practical application. There are many feature

in this system:such as easy to accept, the design is simple, convenient

maintenance, more stability and robustness than conventional control system，and so on. Because it is similar to the actual conditions of our design, so

we choose it for the smart car tracing algorithm.

KEY WORDS smart car；fuzzy control；tracing algorithm 目录

基于模糊逻辑的控制算法在自动驾驶车辆中的应用

随着自动驾驶技术不断发展，对于车辆控制算法的研究也越来越重要。而在自动驾驶车辆中，基于模糊逻辑的控制算法在实际应用中大有用武之地。本文将重点阐述基于模糊逻辑的控制算法在自动驾驶车辆中的应用。

一、基于模糊逻辑的控制算法介绍

基于模糊逻辑的控制算法是一种新型的控制方法，相比于传统的逻辑控制方法，能够更好地应对复杂的、模糊的、不确定的问题。模糊逻辑控制算法的关键在于将输入变量和输出变量用模糊集合来表示，同时使用模糊规则库来描述变量之间的关系。通过模糊化、推理、去模糊化等算法步骤，实现了基于规则的深度决策。模糊化过程可以将量化的输入转换为模糊的评估，推理过程是通过转化后的评估在逻辑上进行深入思考，去模糊化则通过反模糊化的过程将模糊的评估映射回实际输出值，实现了控制的闭环反馈。

二、基于模糊逻辑控制算法在自动驾驶车辆中的应用

1. 基于模糊逻辑的自动驾驶路线规划 在自动驾驶车辆的路线规划中，基于模糊逻辑的控制算法可以更好地解决路况复杂、不确定的问题。通过将目标位置、当前位置、周围环境等变量进行模糊化，建立模糊规则库，实现车辆路线规划和路径规划。在实际应用中，可以通过车辆目标位置、周围环境的照明情况、交通流量、行驶速度等因素进行模糊化处理，通过推理过程和去模糊化过程实现最优路径的规划，得以更好地适应不同场景的复杂道路。

2. 基于模糊逻辑的自动驾驶车辆控制

在自动驾驶车辆的控制方面，基于模糊逻辑的控制算法可以更好地适应复杂的驾驶环境。在车速控制、换道、超车等方面，使用模糊逻辑算法可以快速响应周围环境变化，建立相应模糊化规则并通过推理和去模糊化实现合理的车辆动作。

3. 基于模糊逻辑的汽车防碰撞

基于模糊逻辑的控制算法在汽车防碰撞技术中也发挥着重要的作用。通过对车辆周围环境的模糊化处理，建立模糊规则库，实现车辆的防碰撞。当车辆前方出现障碍物时，利用前方雷达等传感器技术进行信息获取，并通过模糊逻辑算法得出合适的成员函数和规则库，根据对环境的评估，实现车辆的出指令，指导车辆避开障碍物，达到汽车防碰撞的效果。

基于模糊逻辑控制的自动驾驶系统设计

自动驾驶技术是当今科技领域的热门话题之一。它的引入为交通行业和社会带来了巨大的变革，并对车辆驾驶过程中的安全性、效率和舒适性提出了更高的要求。基于模糊逻辑控制的自动驾驶系统设计为实现这些要求提供了一种有效的解决方案。本文将介绍基于模糊逻辑控制的自动驾驶系统设计的原理和应用。

首先，让我们简要了解一下模糊逻辑控制。模糊逻辑控制是一种计算机控制方法，它基于模糊集合理论和模糊推理，用于处理不精确或模糊的输入和输出。与传统的布尔逻辑控制相比，它能够更好地应对现实世界中的不确定性和变化。

在自动驾驶系统中，模糊逻辑控制被广泛应用于环境感知、决策和反应三个关键方面。首先，模糊逻辑控制在环境感知中起着重要的作用。通过使用传感器获取的数据，例如雷达、摄像头和激光雷达等，模糊逻辑控制可以处理不同类型的障碍物、道路标志和交通信号灯等信息，并识别出当前驾驶环境的状态。

其次，模糊逻辑控制在决策过程中也发挥着关键的作用。基于感知数据的分析结果，自动驾驶系统需要做出决策，例如确定车辆行驶的路径、速度和转向等。模糊逻辑控制通过考虑多个因素之间的模糊关系，可以根据不同的驾驶情景，制定出合理的决策策略，从而提高系统的安全性和效率。

最后，模糊逻辑控制在系统反应过程中也起着重要的作用。一旦决策完成，自动驾驶系统需要有效地控制车辆进行操作，例如刹车、加速、转向等。模糊逻辑控制可以根据当前驾驶情境和决策结果，调整车辆的控制指令，以确保系统的稳定性和高效性。

除了上述的基本应用，基于模糊逻辑控制的自动驾驶系统设计还面临着许多挑战和需求。首先，模糊逻辑控制需要有效地处理大量的传感器数据，并对其进行实时处理和分析。这要求系统具备强大的计算和算法优化能力，以确保系统能够在复杂的驾驶场景下稳定运行。

其次，自动驾驶系统需要具备高度可靠性和安全性。因为自动驾驶涉及到车辆与人、车辆与环境之间的交互，一个微小的错误可能会导致严重的事故。因此，在系统设计和开发过程中，必须采取一系列严格的安全措施，例如安全备份系统、冗余控制和实时监控等，以确保系统的安全性和可靠性。