適用于小型智能車的行駛路況評價(jià)及自主避障控制研究.pdf

1、隨著小型智能車的普及，人們在短距離出行方面有了更多的選擇，同時(shí)智能車在一些特殊場合的應(yīng)用也發(fā)揮了愈發(fā)重要的作用，如在反恐、巡查等特殊任務(wù)中的執(zhí)行協(xié)助，因而針對狹窄復(fù)雜路面的輔助避障駕駛技術(shù)研究越發(fā)受到青睞?？v觀國內(nèi)外關(guān)于智能車的研究多偏向無人駕駛汽車，無人駕駛汽車具有依托于多傳感器技術(shù)的高成本及主要于規(guī)則道路行駛的應(yīng)用局限性，因而其核心技術(shù)并不完全適用于小型智能車。此外，關(guān)于智能車主要技術(shù)即自主避障控制的研究，大致分成應(yīng)用于靜態(tài)條件的傳

2、統(tǒng)算法和動態(tài)場景的智能算法兩大類，這些方法所做出的避障決策對于周遭環(huán)境變化快速的狹窄復(fù)雜路面還不能完全達(dá)到實(shí)時(shí)快速的自主避障效果，存在著一定的不足。
　　因此，針對上述問題，本文對于小型智能車-未知復(fù)雜道路的系統(tǒng)研究了一種基于BA-BP算法的行駛路況評價(jià)模型以及一種基于強(qiáng)化學(xué)習(xí)的仿人智能控制的自主避障方法，旨在對智能車當(dāng)前行駛的道路進(jìn)行監(jiān)測，對障礙物信息進(jìn)行合理提取，實(shí)現(xiàn)有效避障，為輔助駕駛提供決策依據(jù)。論文的主要研究內(nèi)容包括:<

3、br>　　1、分析并提取了用于行駛路況評價(jià)的五項(xiàng)特征。本文利用圖像處理進(jìn)行道路信息的智能檢測，提取了路面平整度、路面彎曲度、障礙物寬高比、障礙物有效面積比和障礙系數(shù)五項(xiàng)特征，多方面反映當(dāng)前行駛路況，并在此基礎(chǔ)上進(jìn)一步完成了上述特征參數(shù)的定義和量化處理，為后續(xù)的行駛路況評價(jià)奠定基礎(chǔ)。
　　2、研究了一種基于BA-BP算法的行駛路況評價(jià)方法。本文定義了行駛路況的5種特征作為輸入，選擇BP神經(jīng)網(wǎng)絡(luò)作為行駛路況評價(jià)模型的基礎(chǔ)，且利用蝙蝠算

4、法搜索BP網(wǎng)絡(luò)更優(yōu)的初始權(quán)值和閾值，來彌補(bǔ)BP網(wǎng)絡(luò)連接權(quán)值和閡值選擇上的隨機(jī)性缺陷，同時(shí)加入調(diào)整因子突出障礙物特征對于行駛路況的主要影響，以獲取更合理高效的訓(xùn)練過程，最后利用此評價(jià)模型得出行駛路況的評價(jià)結(jié)果。該方法比較方便和準(zhǔn)確地描述特征參數(shù)與行駛路況的關(guān)聯(lián)情況，獲取合理的評價(jià)結(jié)果。
　　3、為了提高智能車輛自主避障控制的精度以及實(shí)時(shí)性，研究了一種基于強(qiáng)化學(xué)習(xí)的仿人智能控制的避障控制方法。該方法通過模仿人類控制策略，引入仿人智能控

5、制，同時(shí)參考移動機(jī)器人的控制算法，加入強(qiáng)化學(xué)習(xí)予以改進(jìn)，設(shè)計(jì)車輛理想規(guī)避障礙物的軌跡，構(gòu)建加速度、轉(zhuǎn)彎半徑等避障參數(shù)，根據(jù)偏差信息不斷學(xué)習(xí)校正，且控制器的部分參數(shù)可由強(qiáng)化學(xué)習(xí)方法實(shí)時(shí)進(jìn)行調(diào)整。該方法可直觀、快速地實(shí)現(xiàn)準(zhǔn)確的避障。
　　仿真實(shí)驗(yàn)結(jié)果表明，基于BA-BP算法的行駛路況評價(jià)模型的評價(jià)精度達(dá)到了95.15％，能夠?qū)ξ粗缆沸畔⑦M(jìn)行合理地提取和評價(jià)。同時(shí)，本文研究的自主避障方法對小型道路段具有很好的適用性，能夠很好的實(shí)現(xiàn)自主