论文部分内容阅读
智能汽车,包含智能电动汽车,其主要分环境感知、目标决策与行为控制三方面。定位导航与路径跟踪技术分别作为感知与决策模块的重要内容之一,其定位精度的高低将直接影响行车安全性与经济性。由于GPS数据更新频率低、信号易缺失,而SINS数据更新频率高,但误差易随时间累积,因此,实际应用中多基于GPS/SINS进行组合导航系统的设计。然而,却鲜有文献对组合导航中轨迹模拟器的设计与SINS仿真模型的构建进行论述,此外,虽然现如今有很多路径跟踪算法都达到了较好的路径跟踪效果,但多是针对匀速状况的,很少有转弯过程中基于道路弯曲度变化情况自动变速的算法,而当以较高车速行驶时,不降速极易在转弯处发生事故。因此,为了较好地实现智能汽车的自适应巡航,论文以某一智能电动汽车为实验载体针对上述问题进行了以下研究:(1)为实时获取GPS在BJ-54坐标系下的平面坐标,在对其导航原理、相关坐标系与NMEA0183协议进行分析的基础上,基于型号为Trimble BD982的双天线差分GPS,设计了一种将串口直接采集的WGS-84坐标系下的经纬度坐标实时转换为BJ-54坐标系下的平面直角坐标的方法,并对双天线中涉及的两个姿态角进行了解算。(2)在对SINS中常用坐标系及坐标系间相互转换关系进行研究的基础上,分别基于方向余弦法与四元素法构建了SINS仿真模型,并对构建中相关原理及导航参数的确定进行了详细分析,提出了一种基于高斯投影反算原理设计轨迹模拟器的方法,且将其对应的三维加速度与三维姿态角输入到了SINS模型中进行误差分析,为GPS/SINS组合导航系统的设计奠定了基础。(3)采用卡尔曼滤波算法与松组合、间接法的方式对GPS/SINS组合导航系统模型进行了设计,且在此基础上通过轨迹模拟器分别对GPS与SINS中的加速度计、陀螺仪进行了模拟,接着将模拟的SINS中的三维加速度与角速度值输入到了SINS仿真模型中获取SINS导航参数,并基于卡尔曼滤波算法对存在失效情况的GPS、SINS及组合导航系统求解的导航参数进行了对比分析,然后又基于实车同时采集的一段轨迹的GPS与SINS信息,代替轨迹模拟器重新进行了分析,验证了该组合导航系统在实车应用中的有效性。(4)基于二轮车运动学模型综合考虑前视距离、速度和弯曲度之间的关系,提出了一种改进的Pure Pursuit算法进行路径跟踪,使智能电动车能依据道路弯曲度变化情况自适应调整车速与前视距离,从而提高路径跟踪精度。