摘要: 针对智能无人车辆在越野环境下作业时遇到前方未知坡道场景，无法判断是否通行的问题，本文提出了一种基于纵向坡道可行驶性预测的规划控制策略。通过采集当前坡道信息，分析通过性条件，以概率的形式表征可行驶性，在上坡之前即可作出判断。在判断可... 展开 针对智能无人车辆在越野环境下作业时遇到前方未知坡道场景，无法判断是否通行的问题，本文提出了一种基于纵向坡道可行驶性预测的规划控制策略。通过采集当前坡道信息，分析通过性条件，以概率的形式表征可行驶性，在上坡之前即可作出判断。在判断可通过时，规划纵向爬坡速度，控制车辆安全、平稳地上坡；在判断不可通过时，将前方坡道视为障碍物，实时规划局部避障轨迹，控制车辆绕开坡道到达目的地。本文提出的坡道通行策略为智能无人车辆在野外坡道环境下行驶提供了判断方法及应对方案，显著提高了作业效率，极大地降低了坡道通行的安全隐患，具有重要的研究意义和广阔的应用前景。 本文主要对纵向坡道可行驶性及通行策略展开研究。设计置信度因子用于质量估计，采用交互多模型方法实现坡度估计，将质量和坡度信息用于车辆智能控制；基于正态分布计算可行驶性概率，并设定通过门限值用于判断,在可通过时规划纵向速度，使用PID控制器控制车辆安全上坡；在不可通过时，使用五次多项式规划局部避障轨迹，设计模型预测控制器实现期望轨迹跟随；最后，利用Matlab/Simulink-CarSim联合仿真平台和实车验证平台对整个系统进行测试验证。 主要研究内容如下： （1）车辆质量和道路坡度估计 首先，确定适宜进行质量估计的相关参数及分布范围，利用模糊推理规则合成质量估计置信度因子，并设定门限值。在置信度因子大于门限值的时候，采用带有遗忘因子的最小二乘法估计质量。其次，分别设计基于车辆运动学的标准卡尔曼滤波器和基于车辆动力学的无迹卡尔曼器用于坡度估计，由于两种估计方法优缺点明显，因此采用交互多模型的估计方法将二者估值融合得到最终的坡度估值。 （2）纵向坡道可行驶性预测 分析车辆顺利通过纵向坡道的三个动力学条件，结合正态分布概率计算特性，提出一种基于正态分布的坡道可行驶性预测方法。通过分析实测坡道的点云模型，证实了坡角分布近似服从正态分布。最后，在CarSim环境下搭建多种服从正态分布的坡道场景，对坡道可行驶性预测方法的有效性进行了仿真验证。 （3）纵向通行策略和局部避障策略 基于坡道可行驶性预测结果设计了不同的行驶策略。在判断可通过时，设计了一种基于区间划分的纵向速度规划方法，利用PID控制器控制驱动力来实现纵向速度的跟随。在判断不可通过时，提出了一种基于采样的五次多项式避障轨迹规划方法，通过设计惩罚函数及相关约束选出最优轨迹。然后建立车辆二自由度动力学模型，设计基于模型预测控制的轨迹跟随控制器，并设置最优函数和动力学约束，控制车辆较好地跟踪期望避障轨迹。 （4）测试验证 搭建Matlab/Simulink-CarSim联合仿真和实车验证平台，设计不同工况，对质量坡度联合估计算法的实时性和有效性进行了验证。基于Matlab/Simulink-CarSim环境设计不同大小、分布的坡道场景，对坡道可行驶性判断方法及相应纵向通行策略、局部避障策略进行了完整的测试验证。 收起