导读:本文包含了车辆跟随论文开题报告文献综述及选题提纲参考文献，主要关键词:远程控制,ROS,目标跟随
车辆跟随论文文献综述
谢萌,张世武,李旺,房景仕[1]（2019）在《基于ROS的远程车辆控制和目标跟随系统设计》一文中研究指出针对机动车辆平台的远程控制,设计了一款基于ROS的远程车辆控制和目标跟随系统。对系统的整体架构进行了说明,并重点描述了基于ROS设计的通信框架,通过内部的各功能节点实现车辆端的感知、控制、通信功能。设计了操作人员端的控制界面,并使用UWB定位模块实现了车辆跟随指定目标的功能。系统经过测试能够实现预设功能,并具有较高的可移植性。(本文来源于《工业控制计算机》期刊2019年07期）
潘迪[2]（2019）在《自动驾驶车辆车道跟随控制的前轮转角决策与控制研究》一文中研究指出随着先进驾驶辅助系统日趋成熟,许多高校和企业逐步将精力转移到了对高级别自动驾驶汽车的研究。目前,国内外对于自动驾驶汽车的研究主要集中在以下叁个方面:环境感知、运动规划与决策以及车辆控制。在此背景下,本文提出了对自动驾驶车辆车道跟随控制的前轮转角决策与控制的研究。本文在了解车道跟随控制国内外研究现状的基础上,通过对比不同的车道跟随控制算法,最终基于郭孔辉院士提出的预瞄-跟随理论研究车道跟随控制的前轮转角决策与控制。首先,在纵横向动力学解耦的情况下建立了车辆横向动力学模型,并且在预瞄时间内侧向加速度不变的假设下,设计了车道跟随控制的前轮转角决策算法的前馈控制律。另外,为了提高系统的鲁棒性,避免模型失配导致的跟踪误差,通过引入侧向加速度误差反馈,构成了前馈反馈控制系统。为了在开放力矩接口的EPS系统上实现前轮转角的精确控制,本文在对管柱助力式EPS(Column EPS,C-EPS)的响应特性研究的基础上建立了C-EPS动力学模型,并且在该模型基础上结合传统的电机“叁闭环”位置控制,设计了基于力矩接口EPS的前轮转角控制算法。最后,为了验证所提出算法的有效性,本文基于SCANeR软件建立起模型在环(Model-in-the-Loop,MIL)和硬件在环(Hardware-in-the-Loop,HIL)仿真平台,并且在Simulink中搭建了车道跟随控制的前轮转角决策与控制算法模型,通过MIL和HIL仿真验证了算法的有效性。由于本文车道跟随控制的前轮转角决策与控制算法是面向L2级以及L2级以上自动驾驶汽车设计的,而L2级别以上的自动驾驶汽车应具备自主换道的能力,因此本文还针对所设计的算法在换道场景下的有效性进行了研究。本文首先对换道可能发生的交通事故进行了分析,在此基础上设计了基于碰撞时间(Time to Collision,TTC)的换道时机决策算法。另外,本文针对换道路径规划算法提出了五点评价指标,并且结合所提的指标对比了不同路径规划算法,最终选择基于五次多项式对车辆换道路径进行规划。为了验证算法在换道场景下的效果,本文在Simulink中搭建了换道时机决策和换道路径规划算法模型并且与车道跟随控制的前轮转角决策与控制算法进行整合,通过MIL和HIL仿真验证了本文所提出的算法在换道场景下的有效性。为了进一步验证所设计的算法在实车上的有效性,本文对课题组原有试验平台车进行了升级与改装。此外,还对课题组原有的数据采集软件CAN_Insight以及BootLoader软件进行了优化与改进,最后通过实车试验验证了所设计的算法能够准确稳定地控制车辆沿着车道中心线行驶,并且最大误差不超过25cm。(本文来源于《吉林大学》期刊2019-06-01）
刘子超,李浩洋,童东兵,马道广,焦阳阳[3]（2019）在《一类领航跟随的车辆编队研究》一文中研究指出针对领航跟随的车辆编队问题,建立单车模型和领航车与跟随车模型,在此基础上利用李雅普诺夫稳定理论设计得到领航跟随控制器,通过实验分析方法说明所设计的控制器的有效性。(本文来源于《南方农机》期刊2019年09期）
黄健飞,马彦[4]（2019）在《基于跟随领航者的车辆自适应编队控制》一文中研究指出针对反馈线性控制器在实际情况中可能受路面湿度等因素的影响,使其参数具有不确定性的缺陷,设计了基于变量估计的自适应反馈线性控制器,提高控制器参数中的相对距离的精确度。在Matlab/Simulink环境下进行仿真对比实验,实验结果验证了自适应编队控制方法的有效性,并且其在误差调整时间方面和抗扰性方面优于传统反馈线性控制方法。自适应编队控制方法在未来的智能交通方面具有一定应用价值。(本文来源于《吉林大学学报(信息科学版)》期刊2019年03期）
程成[5]（2019）在《基于人车协同的车辆路径跟随控制研究》一文中研究指出随着人民生活水平的提高和消费理念的升级,汽车已经成为国民出行的标准交通工具,汽车总量不断攀升,交通安全问题越来越受到人们的重视。汽车智能化是提高汽车安全的一条有效途径。然而,从当前的科技水平来看,我们距离实现完全自动驾驶还有很长的一段路要走,智能汽车在很长一段时间内仍离不开驾驶员。采用人车协同控制的智能驾驶方案将会是未来智能汽车发展的一个重要研究方向。现有的协同控制方法往往忽略了驾驶员对控制权被分割或剥夺后的抵触反应,存在潜在的因驾驶员抵触而导致的危险。据此,本文依托国家自然科学基金项目“基于驾驶员特性的新型线控转向系统控制机理和评价方法”(编号:51575223),提出基于博弈论的人车协同控制策略,综合考虑驾驶员的驾驶意图和协同控制中驾驶员的各种可能的反馈策略,以跟随目标路径为场景展开研究,实现人车协同控制下对目标路径的跟随。主要工作如下:(1)采集样本。结合Labview、CarSim软件与NI-PXI硬件等搭建驾驶模拟器,构建驾驶员转向与直行所需的虚拟驾驶环境,采集并处理驾驶员左、右转向与直行的驾驶数据,将其作为驾驶意图识别模型所需的训练样本和测试样本。(2)搭建驾驶意图识别模型。针对隐马尔可夫(Hidden Markov Model,HMM)识别驾驶意图的不足,采用遗传算法(Genetic Algorithm,GA)训练HMM参数,得到全局最优的模型参数,针对HMM因重视识别样本的相似性而忽略差异性,而产生误识别的情况,引入支持向量机(Support Vector Machine,SVM)算法,构建GA-MGHMM-SVM级联算法识别驾驶意图。最后对比各算法识别驾驶意图时的准确率和实时性。(3)搭建路径跟随自主转向控制器。采用叁自由度车辆模型构建模型预测控制(Model Predictive Control,MPC)控制器,设置约束条件,将构建MPC控制器作为自主转向控制器,采用CarSim与Matlab/Simulink联合仿真,通过MPC控制车辆进行双移线和蛇行工况试验,并用驾驶模拟器进行驾驶员驾驶对比试验,说明MPC对路径跟随控制的有效性。(4)构建人车协同控制策略。结合驾驶员的驾驶意图,构建驾驶员与智能驾驶系统在路径跟随时的人车协同控制策略。将车辆行驶的危险程度和驾驶员对车辆主控权的满意程度作为协同控制的重要决策量,构建驾驶员和协同控制系统的收益函数;分析驾驶员和协同控制系统的可选策略,构建混合博弈模型,通过博弈模型求解人车协同控制的最优策略,最后通过仿真验证策略的有效性。(本文来源于《吉林大学》期刊2019-05-01）
关志伟,丁建峰,闫光辉[6]（2019）在《基于安全距离模型的车辆跟随控制策略研究》一文中研究指出针对车辆协同驾驶领域中的跟随过程,建立了安全距离控制模型,采用BP神经网络PID控制策略设计了控制器,并通过MATLAB/Simulink软件进行仿真分析,将BP神经网络PID控制与传统PID控制的控制效果进行了对比,最后运用缩微环境下的智能车辆系统试验平台设计了Update算法,完成了跟随试验验证。仿真和试验结果表明,本文设计的智能控制器减小了车间距误差,提高了控制准确性,能满足车辆安全跟随行驶要求。(本文来源于《汽车技术》期刊2019年06期）
胡章优,翁小辉,常奇志,兰华,左文杰[7]（2019）在《基于滑模控制的智能车辆轨迹跟随研究》一文中研究指出在轨迹跟随的研究中,通常将基于横向位置偏差的跟随和基于纵向速度的跟随作为两个主要研究方向。基于2自由度车辆模型,在纵向速度不变的情况下,利用横向位置偏差控制车辆跟随目标轨迹,并通过滑模控制器对车辆的前轮转向角进行控制,结果表明:基于车辆横向位置偏差,滑模控制器能够做出快速响应,获得实际前轮转向角,进一步证明了滑模控制适用于解决轨迹跟随这类非线性问题。(本文来源于《机械设计与制造工程》期刊2019年04期）
张严,黄妙华[8]（2019）在《基于模型预测的无人驾驶车辆路径跟随控制》一文中研究指出为了使汽车对所规划的路径进行准确稳定地跟随,建立了纵向、横向和横摆的叁自由度汽车动力学模型,确定目标函数并加入约束条件,利用遗传算法(GA)对模型预测控制器(MPC)的预测时域、控制时域这两个重要参数进行优化。搭建了Carsim/Simulink联合仿真平台,完成了不同车速工况下的双移线路径跟随控制仿真。仿真结果表明,经过GA优化的MPC控制器对目标路径的跟随具有较高的准确度和稳定性。(本文来源于《数字制造科学》期刊2019年01期）
雷嘉豪[9]（2019）在《基于V2V通信的车辆同步跟随系统研究》一文中研究指出随着计算机技术、仪器仪表技术和通信技术的不断提升,智能驾驶及辅助驾驶系统在近年来得到了很大的发展。很多辅助驾驶系统都已经投入到了实际应用中,如车道保持系统、碰撞预警系统、并线辅助系统及自适应巡航系统等。其中自适应巡航系统的应用极大的减轻了驾驶员在长途高速驾车行驶过程中的疲劳程度,同时还提高了行车安全性。在车辆开启自适应巡航之后,无论前车速度如何变化,车辆始终可以与前车以相同的时速行驶,在保持安全间距的情况下对前车进行跟随。但当前自适应巡航系统的应用还处于初级阶段,存在很多不足之处。系统的控制输入主要依赖于位于车头的传感器测距信息,这种单一的信息依赖导致其应用场景被限制在行驶环境较好的高速及国道路况下。并且由于系统响应速度较慢,使其无法应用于小间距跟随,同时在前车速度频繁变化时车辆的跟随效果也不够理想。针对自适应巡航系统以及类似车辆跟随系统存在的问题,在充分考虑实际路况中不同车辆加速和制动性能差异的情况下,文中围绕基于V2V(车-车)通信的车辆同步跟随系统展开研究工作。本系统在传感器测距信息的基础上加入V2V通信来接收前后车的动力及制动输出差异信息,使二者同时作为跟随系统的控制输入,组成协同式的车辆纵向跟随控制系统。论文主要工作总结如下:(1)车辆纵向跟随系统的控制策略设计及跟随模型建立。分析研究了车联网技术中的V2X通信和V2V通信技术,将传统基于测距传感器的跟随控制与V2V通信系统相结合,根据二者各自特点,设计了通过V2V通信提高系统响应速度,通过测距传感器保持系统控制精度的车辆跟随系统控制策略,并进一步在此基础上建立了系统的跟随模型。(2)跟随系统中的车辆的动力同步及间距控制方法。根据实际路况下车辆动力及制动性能的不同,按照设计的规则将动力性能及制动性能进行分级,再通过V2V通信来同步车辆的动力及制动分级。分析对比常用的车辆安全间距计算方法,并结合研究中的应用场景对其经行改进。(3)对系统通信网络中的相关问题进行优化。对比了两种主流的V2V通信标准的各自特点,选择了信息传输延时更低的DSRC的通信来实施本文车辆跟随系统中的V2V通信。使用了动态链路时延模型对常用路况下的通信链路时延进行了估计,并对传统长距离下的V2V通信转发节点选择方法进行了改进,使其更加符合车辆跟随系统中对通信信息实时性的要求。(4)系统数值仿真及微缩模型测试。在SIMULINK中对本文基于V2V通信的车辆同步跟随系统进行了几种工况下的数值仿真。设计了以LPC2103为系统控制器,以嵌入式实时操作系统μC/OS-III为系统软件基础的车辆微缩模型,并使用车辆微缩模型在直线场地下进行了车辆的启动、跟驰以及紧急制动实验。数值仿真及微缩模型的实际测试结果表明,与传统的自适应巡航系统相比,基于V2V通信的车辆同步跟随系统在保持了系统控制精度的同时,提高了后车的跟随响应速度,增强了车辆跟随过程中的安全性,从而使其能够运用于较小间距环境下的车辆跟随。为今后车辆跟随系统在如市区等更加复杂路况或交通条件下的应用提供了可能。(本文来源于《陕西科技大学》期刊2019-03-01）
于文泰,段敏,白松让,杨晓丽,郑苏[10]（2019）在《基于GPS和GSM的车辆智能定位与跟随研究》一文中研究指出随着制造业的快速发展,汽车逐渐成为人们日常生活中重要的出行工具,随之而来的是在城市道路尤其是在无信号灯十字交叉口造成的交通拥挤,针对该种现象,基于GPS和GSM技术的远程无线定位特性设计了一种多车智能定位与跟随控制系统。以STM32微控制器为主控芯片,采用GPS模块进行前车定位采集取得前车的位置信息并通过GSM网络无线传输,跟随车接收并分析GPS信息帧进而解析汽车位置信息,实现前车的精准定位和跟踪。测试表明,系统能准确可靠的远程定位和跟随,及时提醒跟随车主进行有序行驶,提高道路通行效率。(本文来源于《汽车实用技术》期刊2019年02期）
车辆跟随论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着先进驾驶辅助系统日趋成熟,许多高校和企业逐步将精力转移到了对高级别自动驾驶汽车的研究。目前,国内外对于自动驾驶汽车的研究主要集中在以下叁个方面:环境感知、运动规划与决策以及车辆控制。在此背景下,本文提出了对自动驾驶车辆车道跟随控制的前轮转角决策与控制的研究。本文在了解车道跟随控制国内外研究现状的基础上,通过对比不同的车道跟随控制算法,最终基于郭孔辉院士提出的预瞄-跟随理论研究车道跟随控制的前轮转角决策与控制。首先,在纵横向动力学解耦的情况下建立了车辆横向动力学模型,并且在预瞄时间内侧向加速度不变的假设下,设计了车道跟随控制的前轮转角决策算法的前馈控制律。另外,为了提高系统的鲁棒性,避免模型失配导致的跟踪误差,通过引入侧向加速度误差反馈,构成了前馈反馈控制系统。为了在开放力矩接口的EPS系统上实现前轮转角的精确控制,本文在对管柱助力式EPS(Column EPS,C-EPS)的响应特性研究的基础上建立了C-EPS动力学模型,并且在该模型基础上结合传统的电机“叁闭环”位置控制,设计了基于力矩接口EPS的前轮转角控制算法。最后,为了验证所提出算法的有效性,本文基于SCANeR软件建立起模型在环(Model-in-the-Loop,MIL)和硬件在环(Hardware-in-the-Loop,HIL)仿真平台,并且在Simulink中搭建了车道跟随控制的前轮转角决策与控制算法模型,通过MIL和HIL仿真验证了算法的有效性。由于本文车道跟随控制的前轮转角决策与控制算法是面向L2级以及L2级以上自动驾驶汽车设计的,而L2级别以上的自动驾驶汽车应具备自主换道的能力,因此本文还针对所设计的算法在换道场景下的有效性进行了研究。本文首先对换道可能发生的交通事故进行了分析,在此基础上设计了基于碰撞时间(Time to Collision,TTC)的换道时机决策算法。另外,本文针对换道路径规划算法提出了五点评价指标,并且结合所提的指标对比了不同路径规划算法,最终选择基于五次多项式对车辆换道路径进行规划。为了验证算法在换道场景下的效果,本文在Simulink中搭建了换道时机决策和换道路径规划算法模型并且与车道跟随控制的前轮转角决策与控制算法进行整合,通过MIL和HIL仿真验证了本文所提出的算法在换道场景下的有效性。为了进一步验证所设计的算法在实车上的有效性,本文对课题组原有试验平台车进行了升级与改装。此外,还对课题组原有的数据采集软件CAN_Insight以及BootLoader软件进行了优化与改进,最后通过实车试验验证了所设计的算法能够准确稳定地控制车辆沿着车道中心线行驶,并且最大误差不超过25cm。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
车辆跟随论文参考文献
[1].谢萌,张世武,李旺,房景仕.基于ROS的远程车辆控制和目标跟随系统设计[J].工业控制计算机.2019
[2].潘迪.自动驾驶车辆车道跟随控制的前轮转角决策与控制研究[D].吉林大学.2019
[3].刘子超,李浩洋,童东兵,马道广,焦阳阳.一类领航跟随的车辆编队研究[J].南方农机.2019
[4].黄健飞,马彦.基于跟随领航者的车辆自适应编队控制[J].吉林大学学报(信息科学版).2019
[5].程成.基于人车协同的车辆路径跟随控制研究[D].吉林大学.2019
[6].关志伟,丁建峰,闫光辉.基于安全距离模型的车辆跟随控制策略研究[J].汽车技术.2019
[7].胡章优,翁小辉,常奇志,兰华,左文杰.基于滑模控制的智能车辆轨迹跟随研究[J].机械设计与制造工程.2019
[8].张严,黄妙华.基于模型预测的无人驾驶车辆路径跟随控制[J].数字制造科学.2019
[9].雷嘉豪.基于V2V通信的车辆同步跟随系统研究[D].陕西科技大学.2019
[10].于文泰,段敏,白松让,杨晓丽,郑苏.基于GPS和GSM的车辆智能定位与跟随研究[J].汽车实用技术.2019