为了提高智能汽车行驶安全性,提出了基于人工水滴算法的避障路径规划和自适应路径跟踪控制方法。在路径规划方面,模拟水往低处流过程,提出了基于人工水滴算法的路径规划方法,经验证,人工水滴算法在动静态环境下都能够规划出避障路径。在路径跟踪方面,设计了转向控制与速度自适应控制的综合控制器;基于车辆线性二自由度模型,提出了模型预测转向控制;结合预瞄模型和二次规划方法,提出了速度随行驶路况自适应控制方法。经绕桩实验验证,本文提出的综合控制方法最大横向跟踪误差为0.1m,文献[11]提出的控制方法最大横向误差为0.6m,是本文方法的6倍,说明了综合控制器在路径跟踪控制中的精确性,且综合控制器的横摆角速度、侧向加速度均在约束范围内,满足国家标准对车辆的安全性要求。

为解决智能汽车循迹控制中建模复杂及不精确问题,提出了一种基于整体逼近的自适应RBF神经网络控制方法。首先,基于智能汽车动力学方程的基本形式,对系统的不确定性进行分析。而后,利用神经网络的逼近特性,对分析结果中的不确定项进行整体逼近。进而,基于自适应RBF神经网络控制方法设计控制律,并通过李雅普诺夫稳定性分析方法设计自适应控制律。最后,进行Simulink/Carsim联合仿真验证,仿真结果表明,在通用双移线道路环境下,所提控制方法能够通过控制方向盘转角使得车辆沿期望轨迹行驶,轨迹跟踪误差较小且控制输出幅值可控,能够满足实际工程需求。

针对智能汽车主动避障路径规划问题,为有效提高路径规划质量、加快算法的收敛速度,提出了一种改进的自适应蚁群智能规划方法。首先,阐释了传统蚁群算法的原理和具体流程,并分析了传统算法存在的缺陷;其次,提出了信息素因子和启发因子的自适应更新算法以扩大算法的搜索范围、提高全局搜索能力,从而避免算法陷于局部最优;再者,设计了信息素挥发率和信息素浓度函数的自适应调节算法以加快算法的粒子进化速度,从而保证了算法的快速收敛。智能汽车避障实验结果表明,与传统蚁群算法相比,这里改进蚁群算法能够有效加快路径规划速度、提升算法的收敛速度并显著缩短规划的路径长度。