摘要：露天矿无人矿车在装卸载作业区内运输过程中的长时间停车等待是制约露天矿无人运输系统效率提升的瓶颈。为提高无人矿车的运输效率,本文结合作业区内的运输作业流程,提出一种基于动态可行驶距离的多车协同通行决策方法。首先,将决策模型建模为混合整数线性规划(Mixed Integer Linear Programming, MILP)模型,表述优化目标和问题约束;其次,考虑到求解MILP模型存在难以满足动态决策实时性的问题,基于蒙特卡洛树搜索(Monte Carlo Tree Search,MCTS)实现多车冲突消解,核心思想是利用搜索树的推演能力进行多车通行前瞻模拟,计算多车的最优通行优先级,动态调整多车的可行驶距离;此外,根据无人矿车在作业区内的作业特征设计不同的MCTS节点价值函数,实现综合考虑运输效率与作业特征的通行优先级排序;最后,设计作业区4,8,12个停车位场景下的多车通行仿真实验,与基于先到先服务(First-Come-FirstServed, FCFS)的方法进行对比,吞吐量提升22.03%~28.00%,平均停车等待时间缩短31.71%~50.79%。同时,搭建微缩智能车辆的6停车位作业区场景实验平台,多车单次运输作业总用时相比FCFS缩短了18.84%。仿真与微缩智能车辆的实验结果表明,本文提出的方法能够提升露天矿作业区多车运输效率。

摘要：多传感器融合定位是解决卫星遮挡、通信中断等组合导航失效场景下车辆自主定位的有效手段。然而,在环境信息稀疏及相似等场景下,特征退化严重,多传感器融合定位面临巨大挑战。基于此,设计了一种基于逐级优化策略的多传感器融合定位算法,以提高特征退化场景下车辆自主定位精度。首先,为解决实时动态测量技术(Real Time Kinematic,RTK)信号丢失情况下全球导航卫星系统(Global Navigation Satellite System,GNSS)定位精度过低导致初始定位失败的问题,设计融合运动模型和GNSS位置的初始定位算法,提高初始定位精度,实现一级位姿优化;其次,针对特征退化场景中特征点稀疏问题,设计基于平面配准和点云配准融合的位姿优化算法,通过提高稀疏特征点权重以提高定位精度;最后,通过采用误差状态卡尔曼滤波的方式融合惯性测量单元(Inertial Measurement Unit,IMU)数据,输出最终的高精度定位信息。为验证算法有效性,在典型特征退化场景下进行试验测试,试验选取了内蒙古自治区鄂尔多斯市多个矿区场景,分析GNSS定位、LIO-SAM里程计定位、Fast-LIO里程计定位、CT-ICP里程计定位和本文算法定位结果,并与RTK定位结果进行对比。试验结果表明:所提出的改进算法均能对最终结果产生积极影响,算法能够实现较鲁棒的定位。在典型特征退化场景下平均定位误差0.31 m,平均翻滚角误差0.21°,平均俯仰角误差0.52°,平均航向角误差2.93°,相比于其他定位结果,定位误差由米级降低到分米级别,具备明显优势。

摘要：为了解决模型预测控制设计智能车轨迹跟踪控制器存在求解计算时间长、在线实时性低的问题,借助于矩阵分块化策略,提出了一种基于控制时域变步长的模型预测轨迹跟踪控制方法。通过矩阵分块化改变控制时域步长,并融入到二次规划的求解过程中,重构目标函数形式和系统约束条件,以减少求解过程中最优控制序列中待求解变量的数量,降低求解计算时间。在Simulink与Carsim联合仿真平台中,将本文方法与传统模型预测控制方法进行仿真对比分析。结果表明,相比于传统模型预测控制方法,本文方法在保证轨迹跟踪精度的前提下,平均求解计算时间降低了24.39%,最大单次计算时间降低了45.05%,采用“前密后疏”的分块矩阵,其控制器性能优于“平均化”的分块矩阵。

摘要：矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。

摘要：以无人驾驶矿用运输车为平台,开展精准停靠控制试验研究。为尽可能精确地到达期望停靠位置,首先设计距离-速度规划方案,在此基础上提出1种前馈加反馈的执行器开度控制算法;其次,在底层控制中考虑加速度补偿项,并对制动切换逻辑进行优化;最后进行仿真测试和实车试验,通过测试纠正控制参数,避免掉烦琐的系统参数辨识。结果表明:采用精准停靠策略能降低干扰引起的速度波动,优化底层控制逻辑,有效提高停靠精度。

摘要：为解决强化学习算法在自主导航任务中动作输出不连续、训练收敛困难等问题,提出了一种基于近似策略优化(PPO)算法的移动平台自主导航方法。在PPO算法的基础上设计了基于正态分布的动作策略函数,解决了移动平台整车线速度和横摆角速度的输出动作连续性问题。设计了一种改进的人工势场算法作为自身位置评价,有效提高强化学习模型在自主导航场景中的收敛速度。针对导航场景设计了模型的网络框架和奖励函数,并在Gazebo仿真环境中进行模型训练,结果表明,引入自身位置评价的模型收敛速度明显提高。将收敛模型移植入真实环境中,验证了所提方法的有效性。

摘要：行车风险评估及防控是露天矿区无人运输系统的关键技术之一,为保障无人驾驶车辆在露天矿区安全运行,从露天矿区车-路-云的运输场景出发,建立了行车安全保障模型。综合车端-路侧-云平台的多源信息,对无人驾驶车辆进行行车风险等级评估并设计了相应的行车风险防控策略。行车安全保障模型由行车状态感知模块、行车风险评估模块和行车风险防控模块3部分组成。在行车风险评估方面,引入车辆前方道路坡度信息对预碰撞时间指标的阈值进行修正,引入车辆前方道路坡度及车辆载重状态信息对最小制动安全距离指标进行修正,结合预碰撞时间指标和最小制动安全距离指标提出了综合行车风险评估策略,可以对露天矿区无人驾驶车辆实时行车碰撞风险进行等级量化。然后,基于有限状态机设计了考虑不同行车风险等级的碰撞风险防控决策系统,针对不同状态制定了满足最小安全距离要求的车辆平稳制动控制策略。最后,基于PreScan与Matlab联合仿真技术,搭建了某露天矿区无人驾驶车辆的数字孪生仿真系统,并进行了水平道路场景、上下坡道场景和满载工况的车辆遇障停车仿真测试。仿真结果表明:行车风险评估模块在下坡道场景可以提前评估风险并及时制动停车,说明引入前方道路坡度信息的综合行车风险评估策略可以提高上下坡道场景车辆的行车安全;同时,通过引入车辆载重信息来修正最小制动安全距离指标,可及时评估满载车辆前方的潜在碰撞风险,提高了露天矿区满载车辆的行车安全;行车风险防控模块的紧急制动控制策略可以在10 m安全距离前实现平稳制动停车,提高了大载重车辆在遇障停车时的平稳性。

摘要：为实现智能网联车辆在复杂非结构化道路场景下行驶速度规划,该文提出了一种基于分段匀加速模型的车辆全局速度规划方法。以驾驶安全平稳性为原则分析车辆动力学特性,计算侧翻与侧滑临界车速作为非结构道路上各路径点的极限行驶速度;设计分段匀加速模型建立全局速度规划问题,构建考虑效率、平稳性及能耗的综合损失函数,考虑非结构化道路的坡度曲率连续变化,设计车辆速度、加速度及加加速度变量边界来约束决策变量;结合重型电动车辆制动能量回收功能,针对性提出非结构化道路场景下电动车辆速度规划模型,并通过仿真对方法进行验证。结果表明:主车的加速度范围稳定在-1.0~1.0 m/s^(2),加加速度范围稳定在-0.5~0.8 m/s^(3);相比于基于动态规划的速度规划,所提出的速度规划算法保证车辆行驶平稳性的同时,减少了车辆控制输入,0.8 s的计算时间可满足无人驾驶车载设备实时计算需求;将提出的算法应用于无人矿卡实车,车辆行驶平稳,最大加加速度不超过0.45m/s^(3)。