自主地面車輛的案例
基于線性變參數(shù)系統(tǒng)的四輪轉(zhuǎn)向自主地面車輛路徑跟蹤控制及實驗驗證
來源 | 同濟智能車研究所
編者按：近年來，隨著汽車智能化技術(shù)的飛速發(fā)展，軌跡跟蹤控制作為智能車輛的重點研究問題，成為國內(nèi)外學(xué)者廣泛關(guān)注的熱點。四輪轉(zhuǎn)向車輛可控自由度高，能有效改善車輛行駛的操縱性、穩(wěn)定性及安全性，是汽車未來發(fā)展的重要方向之一。目前大多數(shù)的軌跡跟蹤控制的研究集中于前輪轉(zhuǎn)向的車輛上，而對四輪轉(zhuǎn)向車輛的軌跡跟蹤控制的關(guān)注較少。這篇文章提出了一種基于四輪轉(zhuǎn)向自主地面車輛的路徑跟蹤控制方法，具有前瞻性的研究意義。
摘要：在本研究中，提出了一種新型四輪轉(zhuǎn)向電動汽車作為自主地面車輛。本文的目的是研究四輪轉(zhuǎn)向自主地面車輛智能駕駛的路徑跟蹤控制算法。在單軌模型的基礎(chǔ)上，建立了用于軌跡跟蹤控制器設(shè)計的軌跡跟蹤模型。接著建立了線性變參數(shù)系統(tǒng)模型，使路徑跟蹤控制器能夠適應(yīng)不同的縱向速度和路面摩擦系數(shù)。再者，設(shè)計了一種用于路徑跟蹤的線性二次型調(diào)節(jié)器控制器，并進行了穩(wěn)定性分析。為了消除干擾引起的誤差，將前饋控制與線性二次型調(diào)節(jié)器控制器相結(jié)合。
為了驗證所設(shè)計控制器的路徑跟蹤性能，基于在CarSim中建立的高保真整車模型進行了數(shù)值仿真。此外，還進行了實際道路試驗。仿真和實驗結(jié)果表明，所設(shè)計的控制器具有良好的路徑跟蹤性能。另外，路徑跟蹤控制器對不同的縱向速度和路面摩擦系數(shù)具有良好的魯棒性。
關(guān)鍵詞：四輪轉(zhuǎn)向，自主地面車輛，路徑跟蹤，線性變參數(shù)系統(tǒng)
1 引言
近年來，隨著各種交通問題（包括擁堵和事故）的增加，自主地面車輛（AGV）已成為研究的熱點。
展開 基于DEM-MBD耦合仿真的地面車輛力學(xué)解決方案
背景及需求
通過性能也稱為越野性能，是車輛重要的性能之一，指在一定車載質(zhì)量下，車輛能以足夠高的平均車速通過各種壞路及無路地帶和克服各種障礙的能力。其中的壞路或無路地帶指松軟土壤、沙漠、礫石、雪地等松軟地面及坎坷不平地段；各種障礙是指陡坡、側(cè)坡、壕溝等。根據(jù)車輛理論，許多因素都影響著車輛的通過性。概括起來主要有：動力來源方面，即發(fā)動機性能的好壞及驅(qū)動方式；車輛構(gòu)造方面，包括驅(qū)動橋形式、車架形式；外形方面，如整車的流線型以及整體布局；與輪胎有關(guān)方面，如輪胎構(gòu)型、材料等。行駛在地面上的車輛，輪胎是其與地面之間唯一的接觸部件，除空氣動力的作用和重力外，所有來自地面的作用力和力矩都由輪胎來傳遞或承擔(dān)。因此，探究地面—輪胎—整車相互作用，建立更接近地面—輪胎—整車系統(tǒng)實際工作狀況的模型是研究探尋車輛通過性和牽引特性的有效途徑，而這也是地面車輛力學(xué)中的重要內(nèi)容。
圖1 越野車輛
本方案基于離散元仿真，結(jié)合車輛仿真標準方法—多體動力學(xué)方法，形成顆粒力學(xué)-多體動力學(xué)耦合仿真平臺，在保證從細觀角度考察地面土壤的動態(tài)行為及輪胎與地面土壤接觸受力同時，能夠充分考察車輛的轉(zhuǎn)向性能、越障性能、牽引性能、行駛平順性、操縱穩(wěn)定性等，為設(shè)計軍用/民用越野車輛、軍用裝甲車輛、農(nóng)業(yè)機械、礦山機械及深空探測車輛等提供指導(dǎo)，對國防建設(shè)和國民經(jīng)濟發(fā)展都具有重大意義。
展開 成功案例|美國陸軍使用VA ONE減少地面車輛內(nèi)部噪音
Challenge
在與美國陸軍(TARDEC)合作后，GLSV正在尋找一種方法來開發(fā)一種有效的主動噪聲消除(ANC)系統(tǒng)，以減少進氣和排氣噪聲，并降低軍用地面車輛和發(fā)電機組中的風(fēng)機和鼓風(fēng)機所使用的高性能風(fēng)扇的噪聲。
Benefits
使用ESI集團VA One, GLSV能夠在開發(fā)周期的各個階段中對排氣和風(fēng)扇噪聲的有源噪聲控制(ANC)系統(tǒng)進行設(shè)計、分析和驗證。最大的收益是縮短了產(chǎn)品開發(fā)周期。
“VA One不僅引導(dǎo)我們采用高效，優(yōu)化的振動聲學(xué)解決方案，而且還引領(lǐng)了評估有源噪聲控制策略的方法。”
—— Greg Kangas
Engineering Project Leader Great Lakes Sound& Vibration
Story
Great Lakes Sound＆Vibration（GLSV）成立于1996年，致力于解決聲學(xué)，沖擊和振動問題。如今，GLSV具有綜合解決工程問題的能力，在國防，海運，汽車，越野和休閑車市場擁有強大的背景。他們的優(yōu)勢在于解決挑戰(zhàn)性問題時的多樣性和能力，這需要廣泛的知識和綜合的能力。GLSV與美國陸軍坦克汽車研究，開發(fā)和工程中心（TARDEC）合作時，目標是開發(fā)有源噪聲消除（ANC）系統(tǒng)，減少在軍用地面車輛和發(fā)電機中使用的風(fēng)扇和鼓風(fēng)機的進、排氣以及高性能風(fēng)扇的噪聲。
由于之前的仿真經(jīng)驗, GLSV知道VA ONE將是這項工作的最佳工具。在開發(fā)周期的各個階段，GLSV利用VA One設(shè)計、分析和驗證了有源消聲(ANC)系統(tǒng)的開發(fā)，以消除排氣和風(fēng)扇噪聲。他們開發(fā)用于低頻(低于300hz) 進、排氣噪聲，以及中頻(低于1400 Hz)風(fēng)扇噪聲的ANC系統(tǒng)。
展開 六軸寬軌12自由度車輛--地面不平順耦合模型
六軸寬軌12自由度車輛--地面不平順耦合模型 條件:剛性路面 車輛特點:12自由度 車橋耦合動力學(xué)數(shù)值模擬分析
案例分享 | 北約用 Adams 和 Luciad 評估軍用地面車輛的機動性特征
在戰(zhàn)場上，地面車輛的機動性堪稱任務(wù)成功與否的分水嶺。當今的國防環(huán)境需要打造一種可快速部署、高機動性的車輛平臺，能夠在各種地形和道路類型之間可靠地操作。近年來，針對不同的環(huán)境條件和操作場景進行性能評估的車輛仿真能力已大幅提升。
為了支持下一代北約參考機動性模型（NG-NRMM）項目，對現(xiàn)有 CAE 機動性分析能力進行評估，使用了各種不同的海克斯康產(chǎn)品組合對 FED-Alpha（一種燃料效率示范車輛）的機動性進行了評估和可視化（圖 1）。
為支持這項工作，由 Eric Pesheck、Venkatesan Jeganathan、Tony Bromwell、Aniruddh Matange 及 Paspuleti Rahul Naidu 組成的團隊依照現(xiàn)實世界的校準數(shù)據(jù)創(chuàng)建并驗證了 Adams 模型。
然后采用這些經(jīng)過驗證的模型來準確預(yù)測各種道路和越野操作場景下的車輛性能。
通過專門開發(fā)的可視化和機動性映射應(yīng)用程序，將選自這些分析研究的結(jié)果集整合到 Luciad 中（海克斯康地理空間產(chǎn)品組合的一部分）。
此外，還證明了 Adams 模型的實時兼容能力，可支持各種自主場景和“硬件在環(huán)”場景。
展開 仿真創(chuàng)新：從系統(tǒng)仿真到自主車輛到數(shù)字孿生
仿真創(chuàng)新：從系統(tǒng)仿真到自主車輛到數(shù)字孿生：http://www.ansys-blog.com/paris-systems-simulation/
基于四輪轉(zhuǎn)向和直接橫擺力矩控制的路徑跟蹤集成底盤控制算法設(shè)計
路徑跟蹤是自主地面車輛（AGV）的基本能力和主要任務(wù)，因此為了使車輛自動跟蹤目標路徑，需要設(shè)計路徑跟蹤控制器，以實現(xiàn)包括橫向位移和橫擺角誤差等的跟蹤誤差最小。
近年來，許多研究人員對AGV的路徑跟蹤控制問題進行了研究。許多控制算法和策略應(yīng)用于該領(lǐng)域，例如模糊控制[2]、最優(yōu)控制[3,4]、滑模控制(SMC)[5,6]、魯棒控制[7]、模型預(yù)測控制(MPC)[8,9]自適應(yīng)神經(jīng)控制[10]、遺傳算法[11]和輸出約束控制[12]。然而，大多數(shù)控制技術(shù)是針對具有前輪轉(zhuǎn)向 (FWS) 的傳統(tǒng)內(nèi)燃機驅(qū)動車輛 (ICV)，而本文提出的四輪轉(zhuǎn)向 (4WS) 車輛比FWS車輛具有更好的機動性、操縱穩(wěn)定性和路徑跟蹤能力[13]，因此它們更適合用作 AGV。由于4WS車輛的路徑跟蹤問題比FWS車輛更復(fù)雜，因此4WS車輛的路徑跟蹤控制策略的研究仍然相對有限[14]。Mashadi等人[15]將線性二次調(diào)節(jié)器 (LQR) 技術(shù)應(yīng)用于4WS 車輛的路徑跟蹤控制器設(shè)計并得出結(jié)論，4WS 車輛顯示出AGV車輛的路徑跟蹤控制潛力。上述設(shè)計的 LQR 控制器雖然具有良好的路徑跟蹤能力，但僅適用于沒有參數(shù)擾動和外部擾動的名義模型[1]。顯然，參數(shù)擾動和外部擾動的存在會增加AGV路徑跟蹤控制的難度。為了解決擾動模型的路徑跟蹤控制器設(shè)計問題，提出了一種基于SMC理論的4WS車輛自動路徑跟蹤控制器[14]，具有比FWS路徑跟蹤控制器更精確的路徑跟蹤能力，并且具有 抗系統(tǒng)不確定性的魯棒能力。Yakub及其同事[16,17]研究了帶有前饋控制器的MPC方法實現(xiàn)4WS的AGV的路徑跟蹤控制，并證明MPC能夠保持車輛穩(wěn)定性，并具有消除側(cè)風(fēng)效應(yīng)的能力。文獻[18]設(shè)計了一種用于AGV的集成4WS魯棒控制器，在存在參數(shù)不確定性的情況下，能夠使車輛跟蹤所需的路徑。
展開 軍用地面無人機動平臺技術(shù)發(fā)展綜述
陳慧巖,張玉
（北京理工大學(xué)機械與車輛學(xué)院,北京 100081）
摘要：地面無人機動平臺對發(fā)展高機動地面無人戰(zhàn)斗系統(tǒng)具有重要的戰(zhàn)略意義,是當前各國國防科技領(lǐng)域的研究熱點。文中綜述了軍用地面無人機動平臺的發(fā)展歷程與最新進展,分別闡述和分析了其基本組成和發(fā)展特點,然后從環(huán)境感知、運動規(guī)劃、跟蹤控制等方面總結(jié)了軍用地面無人機動平臺發(fā)展中的關(guān)鍵技術(shù),并對軍用無人機動平臺的研究方向和研究重點進行了展望。
關(guān)鍵詞：兵器科學(xué)與技術(shù)；軍用地面無人機動平臺；環(huán)境感知；運動規(guī)劃；路徑跟蹤
0 引言
地面無人機動平臺,作為智能交通系統(tǒng)（ITS）和未來戰(zhàn)斗系統(tǒng)的一個重要組成部分,在民用領(lǐng)域和軍用領(lǐng)域都具有廣泛的應(yīng)用前景[1]。廣義上來說,地面無人機動平臺指的是任何能夠在地面上移動,并進行承載或運輸裝備或人員,但是不搭載駕駛員的機器設(shè)備[2]；狹義上講,指的是能感知環(huán)境并與環(huán)境交互、能自主行駛的地面移動機器設(shè)備[3]。在軍用領(lǐng)域,地面無人機動平臺通常也叫做無人地面車輛（UGV）、自主地面移動平臺（ALMP）、自主地面車輛（ALV）等,主要包含軍用無人戰(zhàn)斗車輛、通用后勤服務(wù)無人車輛和小型單兵機器人[4]。上述相關(guān)領(lǐng)域的技術(shù)研究對發(fā)展高機動地面無人戰(zhàn)斗系統(tǒng)具有重要的戰(zhàn)略意義。軍用地面無人機動平臺在戰(zhàn)場上能夠完成獲取情報、監(jiān)視、偵察任務(wù),運輸與后勤任務(wù),排雷、安置簡易任務(wù),提供火力支援任務(wù),通信中轉(zhuǎn)、醫(yī)療轉(zhuǎn)移任務(wù)等,在戰(zhàn)斗中對保護士兵生命有著不可替代的作用。在民用領(lǐng)域,地面無人機動平臺通常是指無人駕駛汽車,也叫做智能汽車、智能車、無人車,其關(guān)鍵技術(shù)的發(fā)展對改善交通擁堵、節(jié)能減排、提高出行效率、減小交通事故等方面有著重要作用。
展開 人工智能將使未來戰(zhàn)爭“不見人影”
2018年4月，美國陸軍宣布研發(fā)應(yīng)用人工智能自主決定攻擊目標的無人機，而陸軍新一代戰(zhàn)車的設(shè)計都將涉及自動駕駛技術(shù)，并希望它們能在很少或根本不需要人為干預(yù)的情況下進行作戰(zhàn)。空軍方面，已成功完成無人機在“有人-無人編組”中自適應(yīng)環(huán)境變化并自主打擊的演示；“量子計劃”致力于使用機器學(xué)習(xí)資源來提升頂層軍事領(lǐng)導(dǎo)人的決策能力；上文提及的AI空戰(zhàn)算法也將在2024年應(yīng)用于真實世界的戰(zhàn)爭中，包括直接應(yīng)用到戰(zhàn)斗機上。海軍方面，在《2025年自主潛航器需求》和《未來艦隊平臺備選方案》報告中，美軍計劃在2030年實現(xiàn)分布式艦隊的構(gòu)想，裝備中型無人潛航器183具，核潛艇攜帶大型無人潛航器48具，要求未來能在港口、公開海域及主要航道執(zhí)行超過70天的反潛、偵察、監(jiān)視任務(wù)。
2.俄羅斯已在人工智能、機器人及自動化控制等無人軍事平臺方面取得不少成果。在烏克蘭危機后，俄羅斯宣布將開發(fā)智能化自主系統(tǒng)，涉及地面車輛、飛機、核潛艇以及指揮控制領(lǐng)域。俄羅斯自主研發(fā)了多種無人駕駛的履帶裝甲車，可遙控完成巡邏、偵察、追蹤、阻截、攻擊等任務(wù)。此外，俄軍還有運輸彈藥給養(yǎng)的軍犬機器人、送回傷員的鏟車式機器人。在2015年底敘利亞政府軍和伊斯蘭極端勢力的戰(zhàn)斗中，俄軍就動用了戰(zhàn)斗機器人、無人機和自動化指揮系統(tǒng)參與作戰(zhàn)。在海軍方面，“波塞冬”核動力無人潛航器可攜帶200萬噸當量的核戰(zhàn)斗部，足以摧毀大型沿海城市、海軍基地和其他設(shè)施；“自主學(xué)習(xí)”雷場系統(tǒng)，能依靠噪音、磁場等“特征”來識別艦艇、潛艇甚至氣墊船。俄羅斯部分導(dǎo)彈已裝有人工智能設(shè)備，在導(dǎo)彈飛向預(yù)定目標時，若人工智能設(shè)備在途中甄別出價值更大的目標，導(dǎo)彈可自動轉(zhuǎn)向攻擊后者。[7]
3.中國軍隊正在顯著地將人工智能應(yīng)用于新軍事革命。
展開 FAST-LIO2: 快速直接的激光雷達-慣性里程計
來自utbm和ulhk的所有序列都是由有人駕駛車輛在結(jié)構(gòu)化的城市區(qū)域中收集的，而ulhk也包含許多移動車輛。最后一個數(shù)據(jù)集“nclt”[59]，是在密歇根大學(xué)北校區(qū)收集的大規(guī)模、長期的自主UGV（無人地面車輛）數(shù)據(jù)集。nclt數(shù)據(jù)集包含來自VelodyneHDL-32E激光雷達的10Hz數(shù)據(jù)和來自MicrostrainMS25IMU的50Hz數(shù)據(jù)。與其他數(shù)據(jù)集相比，nclt數(shù)據(jù)集的持續(xù)時間和數(shù)據(jù)量要長得多，并且包含多個開放場景，例如大型開放停車場。包括傳感器類型和數(shù)據(jù)速率在內(nèi)的數(shù)據(jù)集信息總結(jié)在表2中。這部分中使用的所有37個序列的詳細信息，包括名稱、持續(xù)時間和距離記錄在附錄A的表8中。
表2 基準測試數(shù)據(jù)集
為了讓LIO-SAM能工作，nclt數(shù)據(jù)集中的IMU頻率通過零階插值從50Hz增加到100Hz
A.實現(xiàn)過程
我們在C++和機器人操作系統(tǒng)(ROS)中實現(xiàn)了提出的FAST-LIO2系統(tǒng)。迭代卡爾曼濾波器是基于我們之前工作[55]中介紹的IKFOM工具箱實現(xiàn)的。在默認配置中，局部地圖大小L選擇為1000m，激光雷達原始點在1:4（四個激光雷達點之一）時間下采樣后直接用于狀態(tài)估計。此外，所有實驗的空間下采樣分辨率（見算法2）均設(shè)置為l=0.5m。ikd-樹的參數(shù)設(shè)置為αbal=0.6，αdel=0.5，Nmax=1500。基準比較的計算平臺是輕量級無人機機載計算機：DJIManifold2-C，它有1.8GHz四核Inteli7-8550UCPU和8GB內(nèi)存。對于FAST-LIO2，我們還在ARM處理器上對其進行了測試，該處理器通常用于降低功耗和成本的嵌入式系統(tǒng)。ARM平臺是KhadasVIM3，它具有低功耗2.2GHz四核Cortex-A73CPU和4GBRAM，以關(guān)鍵字“ARM”表示。
展開 