无人车弯道控制技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 本课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 无人驾驶智能车的关键技术 | 第13页 |
| 1.4 本文研究主要内容及结构安排 | 第13-15页 |
| 1.4.1 本文研究主要内容 | 第13-14页 |
| 1.4.2 本文结构安排 | 第14-15页 |
| 2 无人车弯道控制相关问题的研究与分析 | 第15-33页 |
| 2.1 车辆转向动力学模型的建立 | 第15-20页 |
| 2.1.1 轮胎力学模型的建立 | 第15-17页 |
| 2.1.2 线性二自由度模型的建立 | 第17-20页 |
| 2.2 轮胎及悬架对弯道控制的影响 | 第20-28页 |
| 2.2.1 轮胎的侧偏与弯道半径的联系 | 第20-23页 |
| 2.2.2 悬架的侧倾与弯道半径的联系 | 第23-26页 |
| 2.2.3 无人车安全稳定过弯的约束条件讨论 | 第26-28页 |
| 2.3 弯道半径的常用测量方法概述 | 第28-32页 |
| 2.3.1 数字地图与GPS相结合 | 第29-30页 |
| 2.3.2 基于车轮轮速差 | 第30-31页 |
| 2.3.3 基于车载CCD和数字图像处理 | 第31-32页 |
| 2.3.4 基于横摆角速度与车身侧倾角 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 无人车智能控制系统的设计 | 第33-47页 |
| 3.1 无人驾驶智能车车体 | 第33-34页 |
| 3.2 核心控制系统 | 第34-35页 |
| 3.3 环境感知系统 | 第35-39页 |
| 3.3.1 GPS传感器 | 第35-36页 |
| 3.3.2 陀螺仪传感器与倾角传感器 | 第36-39页 |
| 3.4 行为决策系统 | 第39-46页 |
| 3.4.1 转向伺服控制系统 | 第39-43页 |
| 3.4.2 速度伺服控制系统 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 无人车弯道控制研究策略 | 第47-62页 |
| 4.1 限幅PID算法的弯道控制 | 第47-51页 |
| 4.1.1 PID控制算法理论 | 第47-49页 |
| 4.1.2 采用限幅PID算法的弯道控制 | 第49-51页 |
| 4.2 卡尔曼滤波算法的弯道半径预测 | 第51-58页 |
| 4.2.1 卡尔曼滤波算法 | 第51-54页 |
| 4.2.2 卡尔曼滤波模型的建立 | 第54-55页 |
| 4.2.3 模型的有效性检验 | 第55-58页 |
| 4.3 自回归分析算法的弯道半径预测 | 第58-61页 |
| 4.3.1 自回归分析算法的基本理论 | 第58-59页 |
| 4.3.2 自回归预测模型的建立 | 第59-60页 |
| 4.3.3 模型的适用性检验 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 无人车弯道控制实验结果分析 | 第62-73页 |
| 5.1 无人车弯道控制的软件系统 | 第62-63页 |
| 5.1.1 软件平台的介绍 | 第62页 |
| 5.1.2 基本信息采集界面的设计 | 第62-63页 |
| 5.2 车速与方向盘转角的控制 | 第63-66页 |
| 5.3 卡尔曼滤波算法的仿真实验分析 | 第66-70页 |
| 5.4 自回归分析算法的实验数据分析 | 第70-72页 |
| 5.5 两种算法的优缺点比较 | 第72-73页 |
| 6 总结与展望 | 第73-76页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 攻读硕士学位期间发表的论文 | 第79-80页 |
| 致谢 | 第80-82页 |
