Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng

chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google DOI 10.1109/ACCESS.2020.3020075, IEEE Access

ngày xuất bản xxxx 00, 0000, ngày của phiên bản hiện tại xxxx 00, 0000.

Số nhận dạng đối tượng kỹ thuật số 10.1109/ACCESS.2017.Doi Number

Chiến lược kiểm soát theo dõi đường dẫn cho

Xe tự hành: công nghệ tiên tiến và
những thách thức trong tương lai
QIANGQIANG YAO1 , YING TIAN1 , QUÂN VANG3 , VÀ SHENGYUAN WANG2
1Phòng thí nghiệm trọng điểm về Công nghệ sản xuất, đo lường và điều khiển phương tiện tiên tiến (Đại học Giao thông Bắc Kinh), Bộ Giáo dục,

Bắc Kinh 100044, Trung Quốc

2 Phòng thí nghiệm trọng điểm Bắc Kinh về Hệ thống truyền động cho phương tiện năng lượng mới, Trường Kỹ thuật Cơ khí, Điện tử và Điều khiển, Giao thông Bắc Kinh

Đại học, Bắc Kinh 100044, Trung Quốc

3Trường Cao đẳng Dầu khí Thừa Đức, Thừa Đức 067000, Trung Quốc

Tác giả tương ứng: Ying Tian (e-mail: ytian1@bjtu.edu.cn).

Công trình này được hỗ trợ một phần bởi Quỹ Phòng thí nghiệm trọng điểm về Công nghệ sản xuất, đo lường và điều khiển phương tiện tiên tiến (Đại học
Giao thông Bắc Kinh), Bộ Giáo dục, Trung Quốc, theo Khoản trợ cấp 014062522006.

TÓM TẮT Công nghệ xe tự hành nhằm mục đích cải thiện sự an toàn khi lái xe, sự thoải mái khi lái xe và tính
kinh tế cũng như giảm tỷ lệ tai nạn giao thông. Là phần cơ bản của mô-đun điều khiển chuyển động của xe tự
hành, tính năng theo dõi đường đi nhằm mục đích đi theo đường tham chiếu một cách chính xác, đảm bảo sự ổn
định của xe và đáp ứng hiệu suất mạnh mẽ của hệ thống điều khiển. Bài báo này giới thiệu các chiến lược điều
khiển đại diện, chiến lược điều khiển mạnh mẽ và chiến lược điều khiển dựa trên quan sát tham số trong việc
theo dõi đường đi của xe tự hành. Hơn nữa, việc thực hiện và bất lợi được tóm tắt. Quan trọng nhất, phần đánh
giá quan trọng trong bài viết này cung cấp một danh sách và thảo luận về những thách thức còn lại cũng như các
vấn đề chưa được giải quyết về kiểm soát theo dõi đường dẫn.

CHỈ SỐ ĐIỀU KHOẢN Xe tự lái,Theo dõi đường đi,Kiểm soát mạnh mẽ,Quan sát thông số.

I. GIỚI THIỆU Hoa Kỳ là gã khổng lồ về kỹ thuật trong lĩnh vực nghiên

Trong những năm gần đây, với sự phát triển của trí tuệ cứu xe tự hành trên toàn thế giới. Từ năm 1980, nghiên cứu
nhân tạo, dữ liệu lớn và công nghệ xử lý thông tin, xe tự đã được bắt đầu trong lĩnh vực này. Đặc biệt, Thử thách
hành ngày càng nhận được nhiều sự quan tâm. DARPA do Hoa Kỳ tổ chức đã truyền cảm hứng cho các nhà nghiên
Công nghệ xe tự lái nhằm mục đích cải thiện sự an toàn khi cứu trên khắp thế giới về xe tự hành.

lái xe, sự thoải mái khi lái xe và tính kinh tế của nó cũng
như giảm tỷ lệ tai nạn giao thông [1-2]. Mô-đun điều khiển
xe tự động chủ yếu bao gồm nhận thức và định vị môi trường,
lập kế hoạch quyết định và kiểm soát thực thi, cấu trúc hệ
thống điều khiển xe tự động như trong Hình 1. Mô-đun định vị
nhận thức tương tự như mắt và tai của con người, và nó
chủ yếu được sử dụng để giải quyết các vấn đề trên đường có
gì và xe ở đâu [3].
Mô-đun lập kế hoạch quyết định tương tự như bộ não của con
người và được sử dụng để giải quyết vấn đề về cách điều
khiển phương tiện và cách nó dự định lái [4]. Mô-đun điều
khiển thực thi có chức năng tương tự như bàn tay, bàn chân
của con người, dùng để giải quyết bài toán phối hợp thao tác
giữa điều khiển lái xe, điều khiển dẫn động và điều khiển
phanh [5].
Waywo là công ty đi đầu trong nghiên cứu và phát triển xe tự
lái, khoảng cách thử nghiệm trên đường đã vượt quá 10 triệu
dặm và khoảng cách thử nghiệm ảo lên tới 7 tỷ dặm.
Công nghệ xe tự hành có triển vọng ứng dụng rất lớn trong
các lĩnh vực công nghiệp, nông nghiệp và quân sự.
Chẳng hạn như xe logistic không người lái được ứng dụng
trong lĩnh vực kho bãi, bến cảng tự động. Xe nông nghiệp tự
hành được ứng dụng trong điều khiển dẫn đường tự động nhằm
nâng cao hiệu quả vận hành và giảm đầu vào lao động. Các
phương tiện điều khiển tự động có mục đích đặc biệt có thể
thực hiện nhiệm vụ tuần tra, trinh sát và thăm dò chiến
trường trên hành tinh ngoài hành tinh trong lĩnh vực quân
sự và hàng không. Xe tự hành là bộ sưu tập công nghệ cao
điển hình và nghiên cứu của nó liên quan đến nhiều lĩnh vực
như sản xuất cơ khí, trí tuệ nhân tạo, khoa học máy tính và

TẬP XX, 2020

Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google DOI 10.1109/ACCESS.2020.3020075, IEEE Access

Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)

điều khiển tự động. Nó thuộc về một lĩnh vực liên ngành đa ngành xe được trình
, bày trong Bảng 1. Để xử lý các lỗi mô hình xe,

mới. các thông số không chắc chắn và nhiễu bên ngoài, các chiến lược
điều khiển mạnh mẽ dựa trên điều khiển chế độ trượt (SMC), điều
khiển H∞ và MPC ổn định được đề xuất để cải thiện độ bền của hệ
thống điều khiển , được trình bày trong Bảng 2. Các phương
pháp quan sát thông số phương tiện khác nhau đã được đề xuất
để cải thiện hơn nữa độ chính xác của điều khiển theo dõi đường
đi, được trình bày trong Bảng 3. Trong bài viết này, chúng tôi
khảo sát tài liệu mới nhất về chiến lược kiểm soát theo dõi
đường đi, chiến lược kiểm soát mạnh mẽ và quan sát tham số
chiến lược điều khiển dựa trên cho xe tự hành. Dựa trên các

HÌNH 1. Cấu trúc hệ thống điều khiển xe tự hành.

đánh giá, chúng tôi thảo luận và tóm tắt những thành tựu và thách

thức của các phương pháp hiện có. Các phương pháp điều khiển
theo dõi đường đi hiện tại hiếm khi xem xét đặc tính hệ thống
Kiểm soát theo dõi đường đi đã trở thành mối quan tâm của
lái xe và đặc tính động cơ dựa trên khung điều khiển phân cấp
nghiên cứu hiện nay trong lĩnh vực xe tự hành [6-7]. Là phần cơ
và không phân tích cụ thể các quy tắc hành động của các yếu tố
bản của mô-đun điều khiển chuyển động của xe tự hành, nó mong
không chắc chắn khác nhau dựa trên các phương pháp điều khiển
muốn đi theo đường dẫn tham chiếu một cách chính xác. Trong
mạnh mẽ, chẳng hạn như: thay đổi tải trọng đối với chất lượng
những năm gần đây, một số lượng lớn các viện nghiên cứu, công
xe, phương tiện khối tâm và mô men quán tính. Sau đó thiết kế
ty và trường cao đẳng đã sử dụng theo đuổi thuần túy, Stanley,
bộ điều khiển dựa trên quy luật tác động của các nhân tố không
PID, điều khiển dự đoán mô hình (MPC), bộ điều chỉnh bậc hai
chắc chắn. Và việc phân tích độ ổn định của hệ thống theo dõi
tuyến tính (LQR), v.v. để nghiên cứu điều khiển theo dõi đường đi của xe tự hành.
đường đi dựa trên MPC vẫn còn là một thách thức.

BẢNG 1.Tổng hợp các phương pháp điều khiển theo dõi đường đi

Mục tiêu tối

Phương pháp kiểm soát Thuận lợi Nhược điểm Thẩm quyền giải quyết

ưu hóa độ

lệch vị
Nó có cách bố trí đơn giản và phù hợp để Khó áp dụng ở điều kiện đường có tốc độ cao và độ
Theo đuổi thuần túy & trí và độ
điều khiển vị trí của xe. cong lớn. [8-15]
Stanley lệch hướng.

độ lệch Bộ điều khiển PID có vấn đề về tính linh

Nó có ưu điểm là đơn giản và dễ ứng
PID vị trí và độ hoạt kém và việc điều chỉnh các thông số [16-22]
dụng kỹ thuật.
lệch hướng. điều khiển khó khăn hơn.

Hệ thống điều khiển thường được coi là một hộp

Không có mô hình xem trước độ
Nó có cấu trúc điều khiển đơn giản. đen và việc phân tích độ ổn định của hệ thống [23-25]
Điều khiển lệch khóa học
điều khiển sẽ khó khăn hơn.

trạng thái hệ Dễ dàng đạt được mục tiêu điều khiển Thiết kế bộ điều khiển dựa trên mô hình tuyến tính
LQR [26-31]
thống và điều tối ưu vòng kín. Nó có thể và có độ tin cậy kém.
khiển lỗi phản xử lý các nhiễu bên ngoài,
Feedforward và Việc thu thập dữ liệu xe đòi hỏi nhiều cảm biến
hồi đầu vào lỗi mô hình hóa và nhiễu cảm biến. Nó [35-39]
Nhận xét đắt tiền hơn.
thông tin chuyển tiếp có khả năng

xử lý các ràng buộc của hệ thống Rất khó để phân tích sự ổn định của hệ thống và
trạng thái hệ thống và
MPC và dự đoán trong tương lai trong có chi phí tính toán cao. [40-80]
đầu vào điều khiển
quá trình thiết kế.

Các nghiên cứu trên hiếm khi xem xét đặc tính hệ thống lái ô tô và đặc tính động cơ.

BẢNG 2. Tổng hợp các phương pháp điều khiển mạnh mẽ theo dõi đường đi

Mục tiêu tối

Phương pháp điều khiển Thuận lợi Nhược điểm Thẩm quyền giải quyết

ưu hóa

Loại bộ điều khiển này có quy trình giải phức tạp và

chỉ số hiệu Hệ thống điều khiển dễ dàng thiết
yêu cầu đạo hàm lý thuyết phức tạp. Nó chỉ có thể
Kiểm soát H∞ suất hệ thống lập các ràng buộc H∞ và có độ [85-91]
xử lý các nhiễu loạn giới hạn.
H∞ tin cậy cao.

Nó có ưu điểm là phản ứng nhanh

độ lệch Nó gặp vấn đề về trò chuyện trên SMC dựa trên theo dõi
và không nhạy cảm với những thay
SMC vị trí và độ đường dẫn và cần một cơ chế thích ứng để loại bỏ trò [92-121]
đổi và nhiễu loạn của
lệch hướng chuyện.
thông số.

Nó có khả năng xử lý các

trạng thái hệ thống và Rất khó để phân tích sự ổn định của hệ thống và có chi
MPC mạnh mẽ ràng buộc của hệ thống và có [122-126]
đầu vào điều khiển phí tính toán cao.
độ bền cao.

Nghiên cứu trên chưa phân tích cụ thể quy luật tác động của các yếu tố bất định khác nhau như: sự thay đổi tải trọng đến chất lượng xe, trọng tâm xe và mô
men quán tính. Sau đó thiết kế bộ điều khiển dựa trên quy luật tác động của các nhân tố không chắc chắn.

TẬP XX, 2020

Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google DOI 10.1109/ACCESS.2020.3020075, IEEE Access

Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)

BẢNG 3. Tổng hợp các tham số phương pháp điều khiển theo dõi đường đi dựa trên quan sát
Phương pháp quan sát Ưu điểm Nhược điểm Bình phương sai số được giảm thiểu để hiện thực hóa ước tính Thẩm quyền giải quyết

thích ứng trực tuyến của các tham số bằng cách

Thuật toán bình phương tối thiểu Cấu trúc đơn giản và dễ dàng
cho ứng dụng kỹ thuật.
Khi nhiễu là nhiễu trắng có đặc tính
Thuật toán lọc Kalman thống kê đã biết thì hiệu quả quan
sát của bộ lọc Kalman là rất tốt.
sử dụng dữ liệu I/O phương tiện trực [71,142,144]
tuyến. khi xe ở trong điều
kiện giới hạn điều động tốc độ cao,
động lực học của xe là phi tuyến và sai số
[49,93,119]
của loại phương pháp này là lớn.

Dựa trên mẫu xe

Cấu trúc đơn giản và dễ dàng Sai số quan sát lớn để giải quyết lỗi và [13,33,101,
Quan sát
cho ứng dụng kỹ thuật. nhiễu loạn mô hình xe. 144]

Nó có ưu điểm là xấp xỉ tối ưu, Loại phương pháp này đòi hỏi một lượng lớn
Dựa trên mạng thần kinh
huấn luyện nhanh và thông tin trạng thái phương tiện để huấn luyện nơ-ron [79,145-147]
Quan sát
sự hội tụ. mạng.

TS dựa trên mô hình mờ Loại phương pháp này bảo thủ hơn và càng khó
Có thể dễ dàng thiết lập mô hình mờ TS [90,135,148-
Quan sát xác định các quy tắc mờ.
dựa trên các điều kiện giá trị biên. 149]

Cấu hình của bài viết này như sau. Các chiến lược điều khiển
theo dõi đường đi cho xe tự hành được mô tả trong phần II. Trong
phần III, chúng tôi khảo sát các chiến lược kiểm soát mạnh mẽ
theo dõi đường dẫn. Trong phần IV, chúng tôi khảo sát các chiến
lược kiểm soát theo dõi đường đi dựa trên quan sát thông số
phương tiện. Một số kết luận và thách thức về theo dõi lộ trình
của bài viết này được trình bày trong phần V.
II. CHIẾN LƯỢC CNOTROL VỀ THEO DÕI ĐƯỜNG ĐƯỜNG
Theo dõi đường đi đã trở thành mối quan tâm của nghiên cứu
hiện nay trong lĩnh vực xe tự hành. Là phần cơ bản của mô-đun
điều khiển chuyển động của xe tự hành, nó mong muốn đi theo đường
dẫn tham chiếu một cách chính xác. Do đó, phần này trình bày việc
kiểm soát theo dõi đường đi bao gồm các phương pháp và chiến
lược có sẵn để kiểm soát cả góc lái và lực ngang của lốp.
Dựa trên thông tin động học của xe, sử dụng độ lệch góc hướng
đi của khoảng cách xem trước và độ lệch vị trí của xe làm cơ sở
thiết kế bộ điều khiển, các phương pháp điều khiển theo dõi
đường đi của xe được nghiên cứu [8-11]. Để cải thiện hơn nữa độ
chính xác của điều khiển, chiến lược kiểm soát khoảng cách xem
trước thích ứng để đạt được khả năng kiểm soát chuyển động của
xe ở các tốc độ và điều kiện độ cong của đường khác nhau đã được
nghiên cứu [13-15]. Loại bộ điều khiển này có bố cục đơn giản,
phù hợp để điều khiển vị trí của xe. Nó không yêu cầu phản ứng
của gia tốc và lực của xe. Trong điều kiện đường đơn giản và
điều kiện tốc độ thấp, bộ điều khiển hoạt động tốt. Tuy nhiên,
khi xe chạy trong điều kiện đường có độ cong lớn và tốc độ cao,
các đặc tính động học như khả năng tăng tốc của xe, tốc độ chệch
hướng và lực lốp có tác động đáng kể đến hiệu suất kiểm soát
theo dõi đường đi của xe.

A. PHƯƠNG PHÁP ĐIỀU KHIỂN PRUSUIT VÀ STANLEY PURE Như được

hiển thị trong Hình 2, bộ điều khiển theo dõi đường đi được
thiết kế dựa trên hình dạng lái của Ackerman. Công viên Myung
Wook và cộng sự. chiến lược điều khiển theo dõi đường đi được
đề xuất dựa trên phương pháp theo đuổi thuần túy, bộ điều khiển
thích ứng khoảng cách xem trước được thiết kế dựa trên độ lệch
tốc độ và độ lệch vị trí ngang và so sánh [8-9]. Jianhui Zhao và
cộng sự. đã phân tích ảnh hưởng của độ trễ thời gian động học
của xe đối với dự đoán động dựa trên phương pháp theo đuổi thuần
túy [10], mô hình động học của xe được trình bày trên Hình 3. Để
giải quyết vấn đề độ bền kém trên đường có độ cong không liên
HÌNH 2. Phương pháp hình học lái của Ackerman.
tục, bộ điều khiển Stanley được thiết kế sử dụng B- phương pháp
mô hình hóa đường cong spline [11]. Khoảng cách xem trước là rất
quan trọng đối với loại bộ điều khiển này. Xiang Li và cộng sự.
nghiên cứu phương pháp thích ứng khoảng cách xem trước dựa trên
thuật toán tối ưu hóa bầy đàn [12]. Tài liệu tham khảo [13]
nghiên cứu phương pháp kiểm soát tốc độ trượt lốp thích ứng. Để
đáp ứng tốc độ thích ứng và độ lệch góc hướng của bộ điều khiển
Stanley, thư viện chuyên gia được thành lập dựa trên thuật toán
tối ưu hóa bầy đàn và nghiên cứu cơ chế tham số thích ứng của
bộ điều khiển Stanley dựa trên hệ thống giám sát mờ [14-15].

HÌNH 3. Mô hình động học xe.

TẬP XX, 2020

Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google DOI 10.1109/ACCESS.2020.3020075, IEEE Access

Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)

B. PHƯƠNG PHÁP ĐIỀU KHIỂN PID
Phương pháp PID là phương pháp điều khiển theo dõi đường đi
phổ biến trong số các phương pháp hiện có. Đạt được Han và cộng
sự. đề xuất chiến lược điều khiển theo dõi đường dẫn mạng thần
kinh PID thích ứng, các tham số mô hình được xác định thông qua
thuật toán bình phương tối thiểu hệ số quên và các tham số điều
khiển PID được điều chỉnh bằng mạng thần kinh BP [16]. Để tìm hiểu
cơ chế điều khiển phản hồi, bộ điều khiển PID được thiết kế dựa
trên sơ đồ khối mô hình [17].
Auday Al-Mayyahi và cộng sự. [18] đã đề xuất chiến lược điều khiển
theo dõi đường dẫn PID thứ tự phân đoạn để thu được các quy luật
điều khiển góc và tốc độ, đồng thời các tham số của bộ điều khiển
được điều chỉnh thông qua thuật toán tối ưu hóa bầy hạt.
Một số bộ điều khiển được thiết kế sử dụng PID mờ [19-20].
Muhammad Aizzat Zakaria và cộng sự. nghiên cứu chiến lược điều
khiển PID thích ứng bằng cách quan sát độ cong của đường thích ứng [22]. giản. Khi xe ở tốc độ thấp và điều kiện đường đơn giản, có thể đạt
4. Chuan Hu và cộng sự. đã phân tích mối quan hệ giữa góc nghiêng
dự kiến và hướng tiếp tuyến trên đường dự kiến, đồng thời đề xuất
chiến lược điều khiển dựa trên sự kết hợp giữa góc nghiêng và góc
trượt của xe [27].
Xizheng Zhang và cộng sự. nghiên cứu chiến lược kiểm soát theo dõi
đường dẫn LQR dựa trên phát hiện đường trực quan [28]. Bộ điều
khiển LQR khoảng cách xem trước được thiết kế để xử lý độ cong của
đường và lỗi điều khiển [29-31]. Ngoài ra, xem xét nhiễu trong giai
đoạn định vị và lập kế hoạch, một phương pháp điều khiển gaussian
bậc hai tuyến tính dựa trên mô hình với ma trận Q thích ứng được đề
xuất để thiết kế bộ điều khiển theo dõi [32]. Nghiên cứu trên đã đề
xuất các chiến lược điều khiển dựa trên LQR để điều khiển theo dõi
đường đi, đồng thời thiết lập mô hình động lực học phương tiện
đơn giản và mô hình không gian trạng thái hệ thống để thu được đầu
vào điều khiển tối ưu. Loại bộ điều khiển này có cấu trúc đơn

Nghiên cứu trên đã sử dụng lý thuyết điều khiển PID để thiết kế bộ
điều khiển theo dõi đường đi của xe có tham chiếu độ lệch vị trí xe
và độ lệch góc hướng [16-17]. Để cải thiện độ ổn định của xe, tốc
độ lệch của xe được đưa vào thiết kế bộ điều khiển, giúp cải thiện
đáng kể hiệu suất điều khiển [18]. Loại phương pháp điều khiển này
có ưu điểm là tính đơn giản và ứng dụng kỹ thuật. Tuy nhiên, bộ
được hiệu suất điều khiển tốt hơn. Tuy nhiên, khi xe hoạt động phi
tuyến tính, có lỗi mô hình và nhiễu bên ngoài, tác dụng của bộ điều
khiển giảm đáng kể do phản hồi tuyến tính và đơn giản hóa mô hình.
Do đó, một số nghiên cứu đã đưa điều khiển tiến tiếp dựa trên thông
tin đường bộ [29-30] và động lực học của xe dựa trên điều khiển
phản hồi [26, 30-31] vào thiết kế bộ điều khiển để bù đắp cho động

điều khiển PID có vấn đề là tính linh hoạt kém. Khi điều kiện vận
hành thay đổi nhiều thì các thông số điều khiển không còn tối ưu.
Vì lý do này, một số học giả đã đề xuất các phương pháp điều khiển
PID thích ứng [19-20,22]. Tuy nhiên, việc điều chỉnh các tham số
thích ứng khó khăn hơn.
lực học và nhiễu loạn của xe không được mô hình hóa. Tuy nhiên,
loại bộ điều khiển này cần được tối ưu hóa trực tuyến, đòi hỏi khả
năng tính toán cao. Và thiết kế của bộ điều khiển dựa trên giả định
tuyến tính, điều này làm hạn chế ứng dụng của nó.

C. PHƯƠNG PHÁP ĐIỀU KHIỂN KHÔNG CÓ MÔ HÌNH

Trong quá trình vận hành xe tự hành, một lượng lớn dữ liệu I/O

sẽ được tạo ra và những dữ liệu này chứa một lượng lớn thông tin

động học và động lực học của xe. Zhongsheng Hou và cộng sự. đề xuất

chiến lược kiểm soát theo dõi đường đi dựa trên điều khiển thích

ứng không có mô hình bằng cách sử dụng dữ liệu I/O của xe và điều

khiển theo dõi đường đi của xe được chuyển sang bài toán theo dõi

góc lệch xem trước [23-25]. Loại phương pháp này có cấu trúc bộ

điều khiển đơn giản. Tuy nhiên, hệ thống điều khiển thường được

coi là một hộp đen, việc phân tích độ ổn định của hệ thống điều

khiển khó khăn hơn và việc thu thập dữ liệu về xe đòi hỏi nhiều cảm
HÌNH 4. Mô hình động lực học của xe.
biến đắt tiền hơn.

E. PHƯƠNG PHÁP YAPUNOV

Tài liệu tham khảo [33] nhằm vào hệ số bám dính và độ không đảm
D. PHƯƠNG PHÁP ĐIỀU KHIỂN TỐI ƯU LQR
bảo nhiễu bên ngoài, chiến lược điều khiển theo lớp để theo dõi
Là một trong những phương pháp điều khiển tối ưu cổ điển, LQR
đường dẫn được đề xuất. Điều khiển lớp trên tạo ra các lực ngang,
có được luật điều khiển tối ưu dựa trên phản hồi tuyến tính trạng
lực dọc và mômen lệch mong muốn dựa trên điều khiển phản hồi trạng
thái, dễ dàng đạt được mục tiêu điều khiển tối ưu vòng kín.
thái; điều khiển lớp giữa tạo ra các quy luật trượt ngang và dọc
Phương pháp LQR được sử dụng rộng rãi để điều khiển theo dõi đường đi của xe.
mong muốn; lớp dưới thiết kế điều khiển luật điều khiển góc lái và
Fen Lin và cộng sự. được xem xét đến vị trí của xe và các trạng
luật điều khiển mômen phanh dựa trên đặc tính trượt của lốp sử dụng
thái động lực học của xe, tốc độ lệch mong muốn được tạo ra thông
hàm Lyapulov. Tài liệu tham khảo [34] đề xuất khái niệm điểm trạng
qua ưu thế phản hồi bước lùi và chiến lược điều khiển tích hợp
thái tối ưu và điểm tham chiếu tối ưu của phương tiện và độ lệch
phối hợp hệ thống lái phía trước chủ động và điều khiển mô men lệch
của phương tiện từ điểm đường tham chiếu đến điểm trạng thái tối
trực tiếp dựa trên LQR được đề xuất [26] , mô hình động lực học của
ưu là
xe được thể hiện trong Hình

TẬP XX, 2020

Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google
Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)
dùng để thiết kế bộ điều khiển Lyapulov đảm bảo giới hạn an toàn
cho xe khi đi qua khu vực đường hẹp.
F. PHƯƠNG PHÁP KIỂM SOÁT PHẢN HỒI VÀ PHẢN HỒI
Để tận dụng tối đa thông tin chuyển tiếp như độ cong của
đường, đặc điểm lái ở trạng thái ổn định của xe và đặc điểm
nhất thời, Xue Yunxiao Li et al. đã thiết kế một bộ điều khiển
chuyển động ngang dựa trên góc lái tiến về phía trước và phản
hồi độ lệch của vị trí và hướng [35-36].
J. Christian Gerdes và cộng sự. đã tách riêng độ lệch của vị trí
và hướng để giảm thiểu độ lệch theo dõi đường bên trong các
điều kiện vận hành hạn chế và thiết kế bộ điều khiển lái phản
hồi tiến về phía trước sử dụng Trung tâm Bộ gõ của xe làm điểm
tham chiếu. Hơn nữa, góc trượt bên thời gian thực của xe được
đưa vào luật điều khiển phản hồi và góc trượt bên ở trạng thái
ổn định của xe được đưa vào luật điều khiển phản hồi [37-39].
Nghiên cứu nêu trên đã đề xuất phương pháp điều khiển dựa trên
sự kết hợp giữa điều khiển truyền thẳng và điều khiển phản hồi.
Luật điều khiển đầu vào chuyển tiếp được thiết kế dựa trên
thông tin chuyển tiếp như đặc điểm lái ở trạng thái ổn định của
xe và độ cong của đường. Để giải quyết các nhiễu loạn bên ngoài,
lỗi mô hình hóa và nhiễu cảm biến, luật điều khiển phản hồi
được thiết kế dựa trên thông tin trạng thái động lực học của xe
(tốc độ lệch, góc trượt bên, v.v.), độ lệch vị trí ngang của xe
và độ lệch góc hướng đầu xe. Tuy nhiên, điều khiển tiếp liệu
chủ yếu xem xét các đặc điểm lái ở trạng thái ổn định của xe
thiếu các đặc tính nhất thời của xe và điều khiển phản hồi sử
dụng thông tin động lực học chính xác của xe để thiết kế luật
điều khiển phản hồi cần chi phí đo lường số lượng cao, chẳng
hạn như đo tốc độ ngang của xe.
G. PHƯƠNG PHÁP ĐIỀU KHIỂN MPC
Điều khiển dự đoán mô hình có khả năng đưa ra các ràng buộc
của hệ thống và dự đoán trong tương lai trong quá trình thiết kế.
Nó giảm thiểu khoảng cách giữa đường dẫn tham chiếu và đường
đi thực tế của mô hình động lực học của phương tiện trong phạm
vi dự đoán và đã trở thành một phương pháp phổ biến trong việc
điều khiển phương tiện tự hành. Đối với điều khiển theo dõi
đường đi của xe 4WS4WD, Qifan Tan et al. đề xuất một phương
pháp điều khiển hướng lực dựa trên sự kết hợp giữa MPC và lập
trình bậc hai tuần tự sử dụng khung điều khiển xếp tầng [40-41].
Chuanyang Sun và cộng sự. đã nghiên cứu tính năng theo dõi đường
đi cho MPC dựa trên xe tự hành và tin rằng độ chính xác của việc
theo dõi đường đi và độ ổn định của xe khó có thể đạt được bằng
một khung điều khiển cố định trong nhiều điều kiện khác nhau.
Sau đó, các tác giả đã trình bày một bộ điều khiển MPC mới có
lỗi theo dõi chuyển đổi, chủ yếu liên quan đến các phương pháp
xử lý khác nhau liên quan đến góc trượt trong tính toán độ lệch
hướng [42-44]. Để giải quyết động lực trượt và lăn cho xe tự
hành tốc độ cao, phương pháp điều khiển theo dõi đường đi MPC
với sự rời rạc của mô hình bước thay đổi được đề xuất [45-47].
Tham khảo [48-49]
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
DOI 10.1109/ACCESS.2020.3020075, IEEE Access
nghiên cứu phương pháp điều khiển bám đường dựa trên sự kết
hợp giữa lái chủ động và lái vi sai.
Tài liệu tham khảo [50] đề xuất phương pháp điều khiển theo dõi
đường đi kết hợp điều khiển lệch trực tiếp dựa trên mô hình MPC
tuyến tính thay đổi theo thời gian. Tài liệu tham khảo [51] đã
đề xuất phương pháp kiểm soát theo dõi đường dẫn MPC để khai
thác phương tiện có khớp nối dựa trên khoảng cách xem trước.
Để đạt được mục tiêu tránh va chạm khẩn cấp trên đường cao tốc,
phương pháp lập kế hoạch đường tránh va chạm và kiểm soát theo
dõi đường đi dựa trên MPC được đề xuất [52-55]. Luqi Tang và
cộng sự. đề xuất phương pháp điều khiển theo tầng, bộ điều
khiển MPC được thiết kế dựa trên động học của xe ở lớp trên để
đảm bảo độ chính xác dự đoán và hiệu quả tính toán và bộ điều
khiển PID được thiết kế để theo dõi thông tin điều khiển lớp
trên [56]. Shaosong Li và cộng sự. đề xuất phương pháp điều
khiển ổn định xe dựa trên MPC nhằm nâng cao tính ổn định của xe
trong điều kiện giới hạn động có xét đến xu hướng thay đổi của
lực lốp trong dự đoán [57-61]. Hu Jiaming và cộng sự. đã thiết
kế một bộ điều khiển dựa trên MPC cho xe tự lái và đưa ra hiệu
chỉnh phản hồi để xử lý lỗi và nhiễu mô hình [62]. Tham khảo
[63-65] đề xuất khung kiểm soát phân cấp để theo dõi đường dẫn
dựa trên MPC. Joseph Christian Gerdes và cộng sự. đã thiết lập
đường bao ràng buộc ổn định và đường bao ràng buộc môi trường
đường để giải quyết vấn đề theo dõi phương tiện và kiểm soát
độ ổn định theo dõi dựa trên MPC [66-68]. Nghiên cứu trên đã đề
xuất các phương pháp điều khiển dựa trên MPC để điều khiển
phương tiện, kết hợp với PID, lập trình bậc hai tuần tự, thuật
toán giả nghịch đảo, v.v. Dựa trên khung điều khiển phân cấp,
điều khiển phía trên đưa ra các trạng thái tham chiếu phương
tiện (tốc độ lệch, phương tiện góc lái, mô men lệch, v.v.), lớp
điều khiển bên dưới thực hiện hoặc phân phối các tín hiệu điều
khiển lớp trên. Để nâng cao hiệu quả tính toán của MPC, các
nghiên cứu trên sử dụng mô hình động lực học xe đơn giản làm mô
hình dự đoán trạng thái xe thông qua một loạt các phương pháp
tuyến tính hóa. Trong loại nghiên cứu này, một số thông tin động
học và động lực học của xe bị mất do lỗi mô hình hóa do đơn
giản hóa và tuyến tính hóa mô hình. Do đó, khi xe ở điều kiện
tốc độ cao và đường có độ cong lớn, bộ điều khiển sẽ có độ vọt
lố lớn do chênh lệch lớn giữa sai số dự đoán trong tương lai
và sai số thực tế trong tương lai.
Để thực hiện điều khiển MPC theo dõi đường đi của xe trong
các điều kiện tốc độ và độ cong khác nhau, Tài liệu tham khảo
[69-72] đề xuất các chiến lược điều khiển MPC thích ứng bằng
cách sử dụng quy tắc mờ và kết hợp nhiều bộ điều khiển để đạt
được sự điều chỉnh thích ứng của các tham số điều khiển trong
các điều kiện vận hành khác nhau. Tài liệu tham khảo [73-77] đã
nghiên cứu các phương pháp giải pháp trực tuyến nhanh MPC về
theo dõi đường đi cho xe tự hành bằng thuật toán tiến hóa vi
phân, hàm Laguerre và bảng tra cứu để nâng cao hiệu quả tính
toán của bộ điều khiển MPC. Khi xe chạy tốc độ cao, đường cong
lớn và phức tạp
TẬP XX, 2020
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google
Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)
điều kiện vận hành, động lực học của xe thể hiện tính phi tuyến
tính, tính khớp nối mạnh và độ không đảm bảo về thông số. Để tiếp
tục áp dụng các đặc tính phi tuyến của phương tiện và cải thiện
độ chính xác dự đoán trạng thái phương tiện, Tài liệu tham khảo
[78-80] đề xuất các phương pháp điều khiển dựa trên MPC phi tuyến.
Tuy nhiên, các phương pháp MPC phi tuyến tính tốn rất nhiều công
sức và có thể tạo ra những thảm họa tính toán. Loại bộ điều khiển
này khó khăn hơn cho ứng dụng thời gian thực.
Nghiên cứu trên đã đề xuất các phương pháp điều khiển theo dõi
đường đi dựa trên MPC tuyến tính, MPC phi tuyến và MPC thích ứng.
Thông qua tối ưu hóa đa mục tiêu, bộ điều khiển cuối cùng đưa ra
các tín hiệu điều khiển như góc lái của lốp xe và lực dọc của
lốp. Ngoài khối lượng tính toán khổng lồ và hiệu suất thời gian
thực kém của phương pháp điều khiển MPC, một thách thức khác là
nếu giá trị ban đầu không phù hợp thì việc tối ưu hóa có thể thất
bại và thời gian tính toán của từng bước là không thể đoán trước.
Việc phân tích độ ổn định của hệ thống theo dõi đường đi dựa trên
MPC vẫn còn là một thách thức. Vì vậy hầu hết các bộ điều khiển
MPC đều được kiểm chứng thông qua mô phỏng.
H. CÁC PHƯƠNG PHÁP ĐIỀU KHIỂN KHÁC
Vẫn còn một số phương pháp khác để nghiên cứu điều khiển theo
dõi đường đi của xe. Tài liệu tham khảo [81] đề xuất một phương
pháp tối ưu hóa quỹ đạo toàn diện dựa trên hiệu quả lái xe, an
toàn, thoải mái và ổn định xử lý để giải quyết các vấn đề xem xét
không đầy đủ độ ổn định xử lý của xe trong lập kế hoạch quỹ đạo
cục bộ, đơn giản hóa quá mức các mô hình xe và thiếu đánh giá
khách quan về xe. an ủi. Tài liệu tham khảo [82-83] đề xuất khung
kiểm soát phân cấp dựa trên SMC. Yangyan Gao và cộng sự. nghiên
cứu tốc độ chệch hướng của xe theo phương pháp điều khiển dựa
trên thuật toán Hamilton [84].
III. CHIẾN LƯỢC KIỂM SOÁT MẠNH MẼ VỀ THEO DÕI PAYH
A. PHƯƠNG PHÁP ĐIỀU KHIỂN H∞
Để giải quyết sự không chắc chắn của mô hình phương tiện và
nhiễu loạn bên ngoài, một số lượng lớn học giả đã nghiên cứu các
phương pháp điều khiển mạnh mẽ theo dõi đường đi dựa trên lý
thuyết điều khiển H∞ . Các ràng buộc chỉ số hiệu suất định mức H∞
và LMI được sử dụng để thu được luật kiểm soát phản hồi. Tài
liệu tham khảo [85-86] đã nghiên cứu các phương pháp điều khiển
mạnh mẽ dựa trên lý thuyết điều khiển H∞ để giải quyết sự không
chắc chắn của mô hình phương tiện và nhiễu loạn bên ngoài. Bộ
điều khiển H∞ được thiết kế và các mô hình điều khiển không gian
trạng thái hệ thống dựa trên mô hình mờ TS được thiết lập có tính
đến các lỗi mô hình xe, nhiễu bên ngoài, tải trọng, tốc độ, hệ số
bám đường, v.v. [87-90]. Chuan Hu và cộng sự. được coi là khó
khăn trong việc đo tốc độ ngang của xe, độ không đảm bảo của mô
hình và nhiễu bên ngoài, phương pháp điều khiển phản hồi đầu ra
dựa trên H∞ được đề xuất và mức tăng điều khiển phản hồi thu
được thông qua thuật toán di truyền và bất đẳng thức ma trận
tuyến tính [91]. Tài liệu tham khảo [92] được coi là
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
DOI 10.1109/ACCESS.2020.3020075, IEEE Access
xảy ra ngẫu nhiên trong mômen lệch bên ngoài, một bộ điều khiển
đàn hồi được thiết kế và điều kiện điều khiển đàn hồi được đề
xuất để đảm bảo góc trượt bên và tốc độ lệch đáp ứng các chỉ số
hiệu suất H∞ và L2 L∞ quy định của các đầu ra điều khiển để điều
chỉnh chuyển động ngang của phương tiện thông minh. Tuy nhiên,
loại bộ điều khiển này có cấu trúc phức tạp và đòi hỏi đạo hàm lý
thuyết phức tạp. Khi xe tự hành chở hành khách hoặc hàng hóa, tải
trọng của xe thay đổi rất lớn, ảnh hưởng đến vị trí khối tâm và
quán tính quay của xe. Để giải quyết vấn đề thay đổi tải trọng
xe, phương pháp điều khiển theo dõi đường dẫn H∞ dựa trên bộ
quan sát mờ TS được đề xuất xem xét các điều kiện thay đổi tải
đơn giản hóa [90].
B. PHƯƠNG PHÁP ĐIỀU KHIỂN SMC
Phương pháp SMC có ưu điểm là phản ứng nhanh và không nhạy
cảm với những thay đổi và nhiễu loạn của tham số. Các phương
pháp điều khiển phương tiện dựa trên SMC được nghiên cứu để
giải quyết các vấn đề về khớp nối mạnh, phi tuyến tính, độ không
đảm bảo của các tham số và truyền tải [93-96,97-98]. Để giải quyết
vấn đề phi tuyến tính và hư hỏng của hệ thống lái, phương pháp
điều khiển theo dõi đường đi có khả năng chịu lỗi chủ động dựa
trên SMC được đề xuất và phân tích ảnh hưởng của mô-men xoắn
nhiễu, độ trễ thời gian và tiếng ồn đến điều khiển theo dõi quỹ
đạo [99- 100]. Chih-Lyang Hwang và cộng sự. nghiên cứu chiến lược
điều khiển chế độ trượt động mờ phân cấp và thiết kế một cơ chế
điều chỉnh động để thích ứng với sự không chắc chắn của ma sát và
mô-men xoắn gây ra bởi các tải trọng khác nhau [101]. Ruijie Wang
và cộng sự. đã thiết kế bộ điều khiển chế độ trượt thích ứng đáp
ứng các chỉ số hiệu suất H2 và H∞, đồng thời thiết lập mô hình
không gian trạng thái TS dựa trên động lực học ngang để xử lý đầu
vào phi tuyến tính của điều khiển ngang và độ không đảm bảo về độ
cứng góc lốp cho xe tự hành 4WS [ 102 ] . Nhằm mục đích giải quyết
vấn đề phi tuyến tính cao, nhiễu loạn bên ngoài và độ không đảm
bảo của hệ thống treo chủ động được điều khiển bởi bộ truyền động
thủy lực, một phương pháp quan sát bậc cao dựa trên phương pháp
điều khiển chế độ trượt cuối được đề xuất [103]. Gilles Tagne và
cộng sự. phân tích hiệu suất điều khiển của bộ điều khiển bên dựa
trên SMC bậc cao, lý thuyết nhúng và bất biến và phương pháp PI
thích ứng [104].
Để giải quyết vấn đề trò chuyện khi theo dõi đường đi dựa trên
SMC, một phương tiện theo chiến lược điều khiển dựa trên điều
khiển SMC thích ứng được đề xuất có xem xét đặc tính truyền tải
[105-117]. Chuan Hu và cộng sự. chiến lược điều khiển SMC thích
ứng được đề xuất dựa trên điều khiển phản hồi phi tuyến tổng hợp
kết hợp (phản hồi trạng thái và phản hồi độ lệch trạng thái) và
mạng lưới thần kinh chức năng cơ sở xuyên tâm xem xét tác động
của chuyển động thẳng đứng lên vận tốc ngang để cải thiện độ bền
và phản ứng nhất thời theo dõi [118].
Xem xét các vấn đề về lật xe và bão hòa đầu vào của xe, bộ điều
khiển chế độ trượt thích ứng được thiết kế để đảm bảo sự ổn định
của xe dựa trên chức năng hoạt động được quy định [119]. Theo dõi
đường dẫn thích ứng mạnh mẽ
TẬP XX, 2020
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google
Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)
Chiến lược điều khiển dựa trên mạng mờ loại 2 chế độ trượt được
đề xuất và bộ điều khiển theo dõi chế độ trượt đa trượt được đề
xuất, có xem xét đến độ bất định của các thông số xe (hệ số bám
đường, thông số quán tính, vận tốc dọc) [120]. Để giải quyết vấn
đề chattering của SMC, các phương pháp điều khiển trượt thích
ứng được nghiên cứu sử dụng luật mờ và mạng nơ-ron cơ sở xuyên
tâm. Tuy nhiên, chiến lược điều khiển thích ứng dựa trên các quy
tắc mờ và chiến lược bù thông tin động dựa trên mạng nơ-ron làm
tăng độ phức tạp của hệ thống và khó khăn trong việc triển khai
vật lý do xác định các quy tắc mờ và huấn luyện mạng nơ-ron. Tất
cả các nghiên cứu trên dựa trên SMC chỉ nhằm giải quyết vấn đề
kiểm soát mạnh mẽ việc theo dõi đường đi từ góc độ rộng (lỗi mô
hình, độ không đảm bảo tham số và nhiễu bên ngoài), loại phương
pháp này không phân tích cụ thể quy tắc hành động của các yếu tố
không chắc chắn khác nhau, chẳng hạn như như: sự thay đổi tải
trọng về chất lượng xe, trọng tâm xe và mô men quán tính.
C. PHƯƠNG PHÁP ĐIỀU KHIỂN MPC MẠNH MẼ
Javad Taghia và cộng sự. theo dõi đường đi được đề xuất dựa
trên phương pháp điều khiển MPC tối thiểu-tối đa thích ứng cho xe
nông nghiệp có rơ-moóc bánh xích có tính đến địa hình gồ ghề và
không bằng phẳng [121]. Tài liệu tham khảo [122-124] đã nghiên cứu
các phương pháp điều khiển MPC dựa trên ống. Ramón González và
cộng sự. đã thiết lập mô hình lỗi theo dõi quỹ đạo thay đổi theo
thời gian xem xét sự trượt dọc của robot di động và nghiên cứu
phương pháp điều khiển mạnh mẽ theo dõi quỹ đạo dựa trên ống
[125]. Để giải quyết vấn đề điều khiển mạnh mẽ của phương tiện
nông nghiệp (robot di động, hệ thống không chắc chắn, v.v.), chiến
lược MPC tối thiểu-tối đa được đề xuất bằng cách tối ưu hóa các
điều kiện trong trường hợp xấu nhất. Hệ thống điều khiển có độ
bền cao. Tuy nhiên, không phải lúc nào xe cũng hoạt động trong
điều kiện làm việc tồi tệ nhất. Do đó, phương pháp MPC tối thiểu
tối đa thận trọng hơn. Để giải quyết vấn đề không chắc chắn của
hệ thống và độ trượt dọc của robot, phương pháp điều khiển MPC
dựa trên ống được đề xuất, kết hợp điều khiển phản hồi và điều khiển MPCtuyến
Loại phương pháp này có hiệu quả ngăn chặn sự không chắc chắn và
giảm tính bảo thủ của hệ thống kiểm soát.
D. PHƯƠNG PHÁP KIỂM SOÁT MẠNH MẼ KHÁC
Vẫn còn một số phương pháp khác để nghiên cứu điều khiển mạnh
mẽ theo dõi đường đi của xe. Xem xét tốc độ dọc và độ cứng ngang
của lốp, một phương pháp mô hình đa diện hai điểm mới được đề
xuất. Xem xét các đặc tính đáp ứng nhất thời của hệ thống, một
phương pháp điều khiển mạnh mẽ đỉnh năng lượng dựa trên phân
tích độ ổn định D được nghiên cứu [126-127]. Tài liệu tham khảo
[128-130] đã nghiên cứu các phương pháp điều khiển theo dõi
đường đi của xe dựa trên điều khiển loại bỏ nhiễu tự động để xử
lý lỗi mô hình, độ không đảm bảo của tham số và nhiễu bên ngoài.
Phương pháp điều khiển mạnh mẽ theo dõi đường dẫn dựa trên LMI
được đề xuất [131]. WangChun Yan và cộng sự. được thiết kế bộ
điều khiển theo dõi đường dẫn mạnh mẽ dựa trên phương pháp tổng
hợp μ [132]. Phương pháp điều khiển theo dõi đường dẫn mạnh mẽ
dựa trên bộ quan sát nhiễu mờ được nghiên cứu và
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
DOI 10.1109/ACCESS.2020.3020075, IEEE Access
độ ổn định của hệ thống không bị nhiễu được phân tích dựa trên
phương pháp Lyaprov [133-135]. Filipe Marques Barbosa và cộng sự.
đề xuất chiến lược kiểm soát theo dõi đường đi dựa trên điều
khiển tối ưu hóa lập trình bậc hai tuyến tính mạnh mẽ cho xe tải
hạng nặng tự trị để xử lý tải không chắc chắn và thiết lập chức
năng thực hiện lập trình bậc hai tuyến tính mạnh mẽ với các hệ số
phạt [136]. Amir Benloucif và cộng sự. đã thiết lập mô hình động
lực học xe dựa trên mô hình mờ TS để điều khiển tránh chướng ngại
vật cho xe và đề xuất phương pháp điều khiển lái LMI dựa trên mô
hình mờ TS [137]. Tài liệu tham khảo [138-140] tập trung vào điều
khiển phản hồi đầu ra không đồng bộ theo thời gian hữu hạn cho một
loại hệ thống nhảy Markov chịu các nhiễu và phi tuyến bên ngoài,
bộ điều khiển phản hồi đầu ra không đồng bộ và luật điều khiển H∞
không đồng bộ theo thời gian hữu hạn dựa trên người quan sát là
được thiết kế. Tính khả thi và hiệu lực của các phương pháp đề
xuất được minh họa thông qua thí nghiệm động cơ DC.
IV. CHIẾN LƯỢC KIỂM SOÁT DỰA TRÊN QUAN SÁT THAM SỐ
A. Thuật toán bình phương nhỏ nhất
Wenbo Chu và cộng sự. phương pháp ước tính khối lượng xe và
góc dốc đường được đề xuất dựa trên phương pháp bình phương
tối thiểu đệ quy sử dụng thông tin tần số cao về lực truyền động
và gia tốc dọc [141]. Một phương pháp ước lượng tham số dựa trên
bình phương tối thiểu đệ quy được đề xuất để cập nhật trực tuyến
các tham số mô hình xe có xem xét ảnh hưởng của độ cứng góc lốp
và hệ số bám đường [71]. Tài liệu tham khảo [142] đã nghiên cứu
phương pháp ước tính các thông số chính của xe điện nhẹ có xét
đến sự thay đổi của thông số tải trọng của xe. Để nâng cao độ
chính xác điều khiển xe, nghiên cứu trên đã nghiên cứu phương
pháp ước lượng các thông số cơ bản của xe dựa trên bình phương
tối thiểu như khối lượng xe, độ trượt của lốp, v.v. Bình phương
sai số được giảm thiểu để thực hiện ước lượng thích ứng trực
mô hình
các danh
thôngnghĩa.
số sử dụng dữ liệu I/O xe trực tuyến.
B. Thuật toán lọc KALAM
Jinghua Guo và cộng sự. sử dụng thông tin đo GPS/INS để nghiên
cứu phương pháp ước lượng góc trượt ngang của xe dựa trên bộ
lọc Kalman [49]. Te Chen và cộng sự. đã nghiên cứu phương pháp
điều khiển theo dõi đường đi có khả năng chịu lỗi chủ động bằng
phương pháp lọc Kalman bậc thấp để ước tính góc trượt bên của
xe xử lý lỗi hệ thống lái [93]. Để cải thiện độ chính xác của ước
tính trạng thái phương tiện, thuật toán ước tính trạng thái dựa
trên bộ lọc Kalman mở rộng sử dụng tốc độ lệch và tốc độ lăn được
đề xuất [118]. Tốc độ chệch hướng của xe và góc trượt bên là các
chỉ số hoạt động chính đánh giá độ ổn định của xe. Vì vậy, một số
học giả đã xem xét mô hình động lực học tuyến tính của xe và nghiên
cứu phương pháp quan sát góc trượt bên của xe dựa trên bộ lọc
Kalman sử dụng thông tin đầu vào và đầu ra của hệ thống. Tuy nhiên,
khi xe chạy ở tốc độ cao
TẬP XX, 2020
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google
Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)
điều kiện giới hạn điều động, động lực học của xe là phi tuyến và
sai số của loại phương pháp này là lớn.
C. QUAN SÁT DỰA TRÊN MẪU XE
Xiang Li và cộng sự. nghiên cứu phương pháp ước lượng độ trượt
thích ứng dựa trên mô hình động học theo dõi quỹ đạo cho robot một
bánh để giải quyết bài toán trượt không xác định mức động học [13].
Changfang Chen và cộng sự. ước tính hệ số ma sát ngang và ma sát
dọc của lốp xe dựa trên đặc tính trượt của lốp để giải quyết bài
toán chưa biết và điều kiện đường không bằng phẳng, đồng thời đề
xuất định luật điều khiển thích ứng ma sát ngang và ma sát dọc của
xe [33]. Xiangkun He và cộng sự. nghiên cứu phương pháp điều khiển
chuyển động ngang kiểu lùi dựa trên ước lượng lực ngang của lốp
nhằm giải quyết bài toán tránh va chạm ổn định trong điều kiện lái
xe hạn chế [101]. Eric Lucet và cộng sự. nghiên cứu phương pháp
góc trượt của robot dựa trên mô hình động học mở rộng và mô hình
động lực học trong môi trường bề mặt ẩm ướt và trơn trượt [143].
Để giải quyết vấn đề phi tuyến của lốp trong điều kiện đường phức
tạp, các tài liệu trên nghiên cứu độ cứng góc lốp và phương pháp
ước lượng tốc độ trượt dọc dựa trên mô hình động học ô tô và mô
hình động học mở rộng.
Kiểm soát độ chính xác theo dõi đường đi của xe được cải thiện
thông qua ước tính thích ứng trực tuyến các thông số lốp.
D. QUAN SÁT DỰA TRÊN MẠNG Nơ-ron
Hamid Taghavifar và cộng sự. đề xuất một phương pháp bù phi
tuyến dựa trên mô hình tự hồi quy mạng nơ-ron để bù tính phi tuyến
của phương tiện [79]. Ruochen Wang và cộng sự. nghiên cứu phương
pháp điều khiển theo dõi đường dẫn SMC dựa trên mạng nơ-ron chức
năng cơ sở xuyên tâm. Để bù thêm lỗi góc nghiêng, phương pháp điều
khiển bù góc lái học lặp dựa trên PID vòng hở được nghiên cứu
[144-146]. Để bù đắp cho các đặc tính phi tuyến của phương tiện,
lỗi mô hình và nhiễu bên ngoài, tài liệu trên sử dụng các ưu điểm
của mạng nơ-ron chức năng cơ sở xuyên tâm gần đúng nhất, đào tạo
ngắn gọn và tốc độ hội tụ học nhanh để nghiên cứu các phương pháp
quan sát thông tin. Tuy nhiên, loại phương pháp này yêu cầu một
lượng lớn thông tin trạng thái phương tiện để huấn luyện mạng
lưới thần kinh.
E. QUAN SÁT DỰA TRÊN MEDEL TS TS
Changzhu Zhang và cộng sự. đã thiết kế một bộ quan sát trạng thái
dựa trên mô hình mờ TS và nghiên cứu phương pháp điều khiển theo
dõi đường đi dựa trên bộ quan sát trạng thái xem xét tải trọng xe,
tốc độ và hệ số bám đường [90,147]. Hyo-Seok Kang và cộng sự. đã
thiết lập một mô hình mờ bao gồm độ không đảm bảo của tham số, các
tham số thay đổi theo thời gian, nhiễu và độ trượt đầu vào và thiết
kế bộ quan sát nhiễu mờ [134]. Huihui Pan và cộng sự. nghiên cứu
phương pháp điều khiển bám thích ứng cho hệ phi tuyến có tham số
không xác định và thiết kế bộ quan sát nhiễu dựa trên điều khiển
chế độ trượt đầu cuối
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
DOI 10.1109/ACCESS.2020.3020075, IEEE Access
để giải quyết nhiễu loạn bên ngoài và độ bão hòa của bộ truyền động
[148]. Tài liệu tham khảo [149] đã xem xét ảnh hưởng của lỗi cảm
biến, lượng tử hóa tín hiệu và mất gói tín hiệu của hệ thống bên
của xe dựa trên mạng truyền thông, một mô hình hệ thống phi tuyến
với độ không chắc chắn được mô hình hóa bằng phương pháp mờ TS và
thiết bị quan sát thiên thần trượt bên của xe được thiết kế. Tài
liệu trên đã nghiên cứu các phương pháp quan sát nhiễu dựa trên
phương pháp mô hình mờ TS và đề xuất chiến lược điều khiển mạnh
mẽ dựa trên thông tin quan sát. Giá trị biên của các tham số không
chắc chắn cần được xem xét trong quá trình mô hình hóa mô hình động
lực học xe TS. Vì vậy, loại phương pháp này bảo thủ hơn và càng
khó xác định các luật mờ.
V. KẾT LUẬN VÀ THÁCH THỨC VỀ THEO DÕI ĐƯỜNG ĐƯỜNG Bài viết
này đã xem
xét các công nghệ hiện tại về chiến lược kiểm soát theo dõi
đường đi cho xe tự hành bao gồm điều khiển phân cấp, điều khiển
mạnh mẽ và điều khiển dựa trên quan sát tham số. Kết quả và vấn đề
của tất cả các loại phương pháp được phân tích và một số kết luận
được tóm tắt như sau.
1) Kiểm soát theo dõi đường đi cho xe tự hành vẫn là một trong
những điểm nóng trong lĩnh vực nghiên cứu xe tự hành. Các học giả
đã nghiên cứu điều khiển theo dõi đường đi cho xe tự lái bằng cách
sử dụng thông tin về động lực học, động học, động lực học của lốp,
độ lệch vị trí, hướng đi và độ cong của đường.
2) Nghiên cứu khả năng theo dõi đường đi và kiểm soát tránh
chướng ngại vật cho xe tự hành sử dụng thuật toán truy đuổi thuần
túy, Stanley, PID, điều khiển dựa trên dữ liệu không mô hình,
phương pháp Lyapulov, điều khiển phản hồi tiến tới, LQR và MPC, v.v.
Tuy nhiên, đặc tính của hệ thống lái và động cơ ô tô có tác động
lớn hơn đến việc điều khiển phương tiện. Các nghiên cứu hiện nay
hiếm khi xem xét hệ thống lái xe. Các phương pháp kiểm soát theo
dõi đường đi hiện có dựa trên khung kiểm soát phân cấp xem xét độ
ổn định, tính kinh tế và sự thoải mái của phương tiện cũng như
các chỉ số hiệu suất khác để có được giải pháp tối ưu (giải pháp
dưới mức tối ưu), sau đó thu được đầu vào kiểm soát cuối cùng
thông qua khung kiểm soát thấp hơn. Loại phương pháp điều khiển
này có được giải pháp tối ưu riêng biệt cho lớp trên và lớp dưới,
đồng thời có thể thiếu tối ưu hóa hiệu suất tổng thể.
3 ) Điều khiển dự đoán mô hình đã trở thành một phương pháp phổ
biến trong việc điều khiển xe tự hành. Tuy nhiên, việc phân tích độ
ổn định của hệ thống theo dõi đường đi dựa trên MPC vẫn còn là một
thách thức.
4) Để giải quyết vấn đề phi tuyến tính của xe, các lỗi mô hình,
độ không đảm bảo của tham số và nhiễu bên ngoài, điều khiển SMC,
H∞ , MPC mạnh mẽ và điều khiển loại bỏ nhiễu tự động, v.v. được sử
dụng rộng rãi để nghiên cứu điều khiển mạnh mẽ theo dõi đường đi
của xe. Tuy nhiên, tính phi tuyến tính của phương tiện, lỗi mô
hình, độ không đảm bảo của tham số và nhiễu bên ngoài chủ yếu được
xử lý ở mức độ rộng trong loại quy trình nghiên cứu này.
TẬP XX, 2020
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google DOI 10.1109/ACCESS.2020.3020075, IEEE Access
Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)
Thiếu phân tích đặc điểm phản ứng của yếu tố và sau đó
một phương pháp kiểm soát mạnh mẽ được nghiên cứu dựa
trên mối quan hệ phản ứng của một yếu tố không chắc chắn.
Ví dụ: khi tải trọng của hệ thống lái tự động thay đổi,
các đặc tính phản ứng của sự thay đổi tải trọng và khối
lượng xe, khối tâm và quán tính quay sẽ được phân tích,
sau đó nghiên cứu chiến lược điều khiển mạnh mẽ dựa trên
các đặc tính phản ứng.
TÀI LIỆU THAM KHẢO [1]
H. Wang, “Thiết kế hệ thống điều khiển để xe tự động đi theo và tránh va chạm,” Đại học
bang Ohio, Hoa Kỳ, 2018.
[2] Q. Yao, Y. Tian, “Bộ điều khiển dự đoán mô hình có bù tốc độ dọc để theo dõi đường
đi của phương tiện tự động,” Appl Sci, tập. 9, không. 22, 2019.
[3] RPD Vivacqua, M. Bertozzi, P. Cerri, “Tự định vị dựa trên bản đồ đánh dấu làn đường
trực quan: Một phương pháp tiếp cận chi phí thấp chính xác cho việc lái xe tự
động,” IEEE Trans. Intel. Chuyển. Hệ thống, tập. 19, không. 2, trang 582-597, 2018.
[4] X. Li, Z. Sun, D. Cao, Z. He và Q. Zhu, “Lập kế hoạch quỹ đạo thời gian thực cho lái
xe tự động trong đô thị: khuôn khổ, thuật toán và xác minh,” IEEE/ASME Trans . Cơ
khí. tập. 21, không. 2, trang 740-753, 2016.
[5] L. Dekker, “Con đường dành cho phương tiện tự hành quy mô công nghiệp đi theo phản
hồi Kiểm soát học tập lặp tuyến tính hóa,”. Đại học Queen, Canada, 2018.
[6] J. Guanetti, Y. Kim, F. Borrelli, “Điều khiển các phương tiện được kết nối và tự
động: Công nghệ tiên tiến và những thách thức trong tương lai,” Annu. Rev. Kiểm
soát, không. 45, trang 18-40, 2018.
[7] A. Eskandarian, C. Wu, C. Sun, “Những tiến bộ trong nghiên cứu và thách thức của các
phương tiện mặt đất tự hành và kết nối,” IEEE Trans. Intel.
Chuyển. Hệ thống, DOI:10.1109/TITS. 2019.2958352
[8] Jun-Beom, Park, Seong-Ho, Bae, Bo-Seung và Koo, “Khi theo dõi đường đi bằng khoảng
cách nhìn về phía trước về phương pháp sai số ngang và so sánh theo dõi phương
pháp thay đổi vận tốc,” trong Proc . Quốc tế thứ 14
Conf. Contol, Autom. Syst.(ICCAS), 2014, trang 1643-1647.
[9] Myung-Wook, Park, Sang-Woo, Lee, Woo-Yong và Han, “Phát triển hệ thống điều khiển bên
cho phương tiện tự hành dựa trên thuật toán truy đuổi thuần túy thích ứng,” trong
Proc . Quốc tế thứ 14 Conf.
Contol, Autom. Syst.(ICCAS), 2014, trang 1443-1447.
[10] J. Zhao, H. Gao, X. Zhang và Y. Zhang, “Điều khiển lái xe tự động dựa trên dự đoán
động lực trễ thời gian,” J. Tsinghua. Đại học (Khoa học & Công nghệ), tập. 58,
không. 4, trang 432-437, 2018.
[11] J.Yang, H. Bao, N. Ma và Z. Xuân, “Thuật toán theo dõi đường cong với mô hình dự
đoán cho xe tự hành,” trong proc. Quốc tế thứ 13 Conf. Máy tính. Trí tuệ. An
ninh(ICCIS), 2017, trang 405-408.
[12] Z. Zhao, L. Chu,Q. Zhu, “Xem trước tối ưu hóa thích ứng khoảng cách để kiểm soát
theo dõi đường đi của phương tiện không người lái,” J. Mech. Tiếng Anh, tập. 54,
không. 24, trang 166-173, tháng 12 năm 2018.
[13] X. Li, Z. Wang,J. Zhu và Q. Chen, “Kiểm soát theo dõi thích ứng dành cho rô-bốt di
động có bánh xe không biết trượt,” IEEE proc. Hội nghị IEEE 2015 Ứng dụng điều
khiển, 2015.
[14] N. Amer, K. Hudha, H. Zamzuri, Aparow và M. Murrad, “Bộ điều khiển Stanley được sửa
đổi thích ứng với hệ thống giám sát mờ để theo dõi quỹ đạo của xe bọc thép tự động,”
Rob. Tư đô ng.
Hệ thống, không. 105. trang 94-111, 2018.
[15] N. Ame, K. Hudha,H. Zamzuri, “Bộ điều khiển theo dõi quỹ đạo thích ứng cho xe bọc
thép: Mô phỏng phần cứng trong vòng lặp,” trong proc. Năm thứ 57. Con. Xã hội Hướng
dẫn. Kiểm soát Anh.
Nhật Bản(SICE), 2018, trang 462-467.
[16] G. Han, W. Fu, W. Wang và Z. Wu, “Điều khiển theo dõi bên cho phương tiện thông
minh dựa trên mạng thần kinh PID thích ứng,”
Cảm biến, tập. 17.1224, 2017.
[17] R. Potluri, A. Singh, “Điều khiển theo dõi đường đi của xe điện 4WS4WD tự động sử
dụng các vòng phản hồi tự nhiên,” IEEE Trans. Hệ thống điều khiển Technol., tập. 23,
không. 5, trang 2053-2062, 2015.
[18] A. Mayyahi, W. Wang, P. Birch, “Theo dõi đường đi của phương tiện mặt đất tự động
dựa trên bộ điều khiển PID thứ tự phân số được tối ưu hóa
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
bởi PSO,” quy trình IEEE. Quốc tế thứ 13 Triệu chứng. ứng dụng. Mach. Trí tuệ. Tin học,
tháng 1 năm 2015, trang 109-105.
[19] Y. ZENNIR, S. ALLOU, “So sánh Bộ điều khiển PID và Mờ để Điều khiển Theo dõi Đường
đi của Xe Điện Tự động,” IEEE proc.. CISTEM'18 thứ 3 - Algiers, tháng 10 năm 2018.
[20] S. ALLOU, Y. ZENNIR, A. BELMEGUENAI, “Bộ điều khiển logic mờ để theo dõi đường đi
của phương tiện tự động,” IEEE proc. thứ 18 Conf. Khoa học. Công nghệ. Tự động.
Máy tính điều khiển. Tiếng Anh, tháng 12 năm 2017, trang 328-323.
[21] S. Bacha1, M. Ayad, R.Saadi1, “Theo dõi đường đi của phương tiện tự hành bằng cách
sử dụng điều khiển lái phi tuyến tính và tuyến tính hóa phản hồi trạng thái đầu vào-
đầu ra” IEEE proc. CISTEM'18 lần thứ 3 - Algiers, tháng 10 năm 2018.
[22] M. Zakaria1, H. Zamzuril, R. Mamat, “Kiểm soát theo dõi đường cong động cho xe tự
hành: Kết quả thử nghiệm” trong proc. Int. Conf. Con. Xe. Expo(ICCVP), 2014, trang
428-435.
[23] T. Tian, Z. Hou, S. Liu và Z. Deng, “Điều khiển thích ứng dựa trên điều khiển bên
không có mô hình của xe tự lái,” Acta. Tự động Sinica.
Tập. 43, không. 11, trang 1931 1940, 2017.
[24] S. Liu, Z. Hou, T. Tian và Z. Deng, “Phương pháp và ứng dụng điều khiển thích ứng
không cần mô hình dựa trên phép chiếu kế tiếp kép mới cho ô tô tự hành,” IEEE Tans .
Mạng lưới thần kinh. Học hỏi.
Hệ thống, 10.1109/TNNLS.2019.2892327.
[25] T. Tian, “Điều khiển thích ứng không cần mô hình dựa trên xe tự lái,”
Đại học Giao thông Bắc Kinh, Trung Quốc, 2017.
[26] F. Lin, L. Ni, Y. Zhao, H. Zhuang, H. Zhang và K. Wang, “Con đường điều khiển các
phương tiện thông minh xem xét sự ổn định ngang,” Tạp chí của Đại học Công nghệ
Nam Trung Quốc (Khoa học tự nhiên Phiên bản), tập. 46, không. 1, trang 78-84, tháng
1 năm 2018.
[27] C. Hu, R. Wang, F. Yan, “Hướng đi mong muốn trên con đường đi theo phương tiện tự
động có nên là hướng tiếp tuyến của con đường mong muốn không ?,” IEEE Trans.
Intel. Chuyển. Hệ thống, tập. 16, không. 6, trang 3084-3094, 2015.
[28] X. Zhang, X. Zhu, “Điều khiển theo dõi đường đi tự động của xe điện thông minh dựa
trên phương pháp phát hiện làn đường và xem trước tối ưu,” Expert Syst. Ứng
dụng, tập. 121, trang 38-48, 2019.
[29] S. Xu, H. Peng, “Thiết kế, phân tích và thử nghiệm kiểm soát theo dõi đường dẫn xem
trước cho phương tiện tự hành,” IEEE Trans. Intel.
Chuyển. Hệ thống, trang 1-11, 2019.
[30] C. Chatzikomis, A. Sorniotti, P. Gruber, “So sánh các bộ điều khiển theo dõi đường
đi và vectơ mô-men xoắn cho xe điện tự động,” IEEE Trans. Intel. Xe., tập. 3, không.
4, trang 559-571, 2018.
[31] N. Wu, W. Huang, Z. Song, “Điều khiển xem trước động thích ứng cho quỹ đạo của xe
tự động đi theo với Công cụ lập kế hoạch đường đi dựa trên DDP,” IEEE proc. IEEE
Intell 2015. Xe. Symp., COEX, Seoul, Hàn Quốc, tháng 6 năm 2015, trang 1012-1017.
[32] K. Lee, S. Jeon, H. Kim, “Điều khiển theo dõi đường đi tối ưu của phương tiện tự
hành: Điều khiển Gaussian bậc hai tuyến tính toàn trạng thái thích ứng (LQG),” Truy
cập IEEE, tập. 42, trang 1-12, 2017.
[33] C. Chen, Y. Jia, M. Shu, “Kiểm soát theo dõi đường dẫn thích ứng phân cấp cho các
phương tiện tự động,” IEEE Trans. Intel. Chuyển. Hệ thống, tập. 16, không. 5,
trang 2900-2912, 2015.
[34] B. Wang, M. Yang, C. Wang, “Kiểm soát theo dõi đường đi của xe tự lái dựa trên điểm
trạng thái tối ưu,” Acta.
Tự động Sinica, tập. 45, không. 10, trang 1-10, 2019.
[35] Y. Li, J. Ni, J. Hu, “Thiết kế chiến lược kiểm soát theo dõi quỹ đạo của phương
tiện không người lái,” Int. Đã nuôi. Tự động. Kiểm soát, tập. 51, không. 31, trang
738-745, 2018.
[36] X. Li, Z. Sun, D. Cao, “Phát triển khung kiểm soát theo dõi và lập kế hoạch quỹ đạo
cục bộ tích hợp mới cho các phương tiện mặt đất tự hành,” Mech. Hệ thống. Quá
trình tín hiệu., tập. 87, trang 118-137, 2017.
[37] K. Kritayakirana, J. Christian Gerdes, “Sử dụng tâm bộ gõ để thiết kế bộ điều khiển
lái cho xe đua tự động,” Veh. Hệ thống.
Dyn., tập. 50, không. sup1, trang 33-51, 2012.
[38] Nitin R. Kapania, J. Christian Gerdes, “Thiết kế bộ điều khiển lái chuyển tiếp phản
hồi để theo dõi đường đi chính xác và ổn định ở các giới hạn xử lý,” Veh. Hệ thống.
Dyn., tập. 53, không. 12, trang 1687-1704, 2015.
[39] Nitin R. Kapania,J. Christian Gerdes, “Theo dõi đường đi của quỹ đạo xe tự động có
tính năng động cao thông qua điều khiển học tập lặp đi lặp lại,” trong proc. Hội
nghị Kiểm soát Hoa Kỳ 2015, Chicago, Hoa Kỳ. Tháng 7 năm 2015, trang 2753-2758.
TẬP XX, 2020
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google DOI 10.1109/ACCESS.2020.3020075, IEEE Access

Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)

[40] Q. Tan, P. Dai, Z. Zhang và J. Katupitiya, “Phương pháp điều khiển dựa trên MPC và 2, trang 191-198, 2020.

PSO để theo dõi đường đi của xe 4WS4WD” Appl. [62] J. Hu, Y. Hu, H. Chen, “Nghiên cứu theo dõi quỹ đạo của phương tiện không người lái
Khoa học, tập. 8, 1000, 2018. dựa trên điều khiển dự đoán mô hình,”

[41] Q. Tan, “Nghiên cứu về Chiến lược kiểm soát theo dõi đường đi của hệ thống lái bốn Acta Armamentarii, tập. 40, không. 3, trang 457-464, 2019.

bánh và xe dẫn động bốn bánh,” Đại học Giao thông Bắc Kinh, Trung Quốc, 2019. [63] Y. Ren, L. Zheng, A. Khajepour, “Điều khiển vectơ mô-men xoắn và dự đoán mô hình tích

hợp để theo dõi đường đi của xe tự hành 4 bánh,” IET Intell.t Trans. Hệ thống, tập.

[42] C. Sun, X. Zhang, L. Xi và Y. Tian, “Thiết kế bộ điều khiển lái theo dõi đường đi cho 13, không. 1, trang 98- 107, 2019.

xe tự hành,” Năng lượng, tập. Ngày 11 tháng 1 năm 1451 năm 2018

[64] A. Nahidi, A. Kasaiezadeh, S. Khosravani, “Điều khiển ổn định xe dọc và ngang tích hợp

[43] C. Sun, X. Zhang, Q. Zhou và Y. Tian, “Bộ điều khiển dự đoán mô hình có lỗi theo dõi mô-đun cho xe điện,”

chuyển đổi để theo dõi đường đi của phương tiện tự động,” Truy cập IEEE, tập. 7, Cơ điện tử, tập. 44, trang 60-70, 2017.

trang 53103–53114, 2019. [65] G. Pereira, L. Svensson, P. Lima, “Điều khiển dự đoán mô hình bên cho phương tiện tự

[44] C. Sun, X. Zhang, L. Xi và Y. Tian, “Thiết kế bộ điều khiển lái cho xe tự hành ở giới hành được kích hoạt quá mức,” IEEE proc. IEEE Intell 2017. Xe. Symp., Bãi biển

hạn xử lý,” Redondo, Hoa Kỳ, tháng 6 năm 2017, trang 310-316.

Tạp chí Đại học Công nghệ Nam Trung Quốc (Ấn bản Khoa học Tự nhiên), tập. 46, không. [66] S. Erlien,S. Fujita, J. Gerdes, “Điều khiển lái chung bằng cách sử dụng phong bì an

3, trang 78-85, 2018. toàn để tránh chướng ngại vật và ổn định phương tiện,” IEEE Trans. Giao thông Ấn

[45] K. Liu, J. Gong, S. Chen, “Phân tích mô hình động về lập kế hoạch và điều khiển chuyển Độ. Hệ thống, tập. 17, không. 2, trang 441-452, 2016.

động tối ưu cho xe tự lái tốc độ cao,” [67] J. Funke, M. Brown, S. Erlien, “Tránh va chạm và ổn định cho xe tự hành trong các tình

J. Cơ. Tiếng Anh, tập. 54, không. 17, trang 141-151, 2018. huống khẩn cấp,”

[46] K. Liu, H. Chen, J. Gong, “Nghiên cứu về xử lý sự ổn định của phương tiện không IEEE Trans. Hệ thống điều khiển Technol., tập. 25, không. 4, trang 1204-1216, 2017.

người lái tốc độ cao,” Autom. Tiếng Anh, tập. 41, không. 5, trang 514-521, 2019.

[68] M. Brown, J. Funke, S. Erlien, “Các phong bì lái xe an toàn để theo dõi đường đi trên

[47] K. Liu, W. Wang, J. Gong, “Mô hình động và quỹ đạo của phương tiện thông minh trên xe tự hành,” Control Eng. Thực hành, tập. 4, không. 13, trang 1-10, 2016.

địa hình địa hình,” Giao dịch của Viện Công nghệ Bắc Kinh, tập. 39, không. 9, trang

933-937, 2019. [69] G. Bai, Y. Meng, L. Liu, “Phương pháp theo dõi đường đi mới dựa trên điều khiển dự

[48] Z. Tang, X. Xu, F. Wang, “Điều khiển phối hợp đối với đường đi của phương tiện mặt đoán mô hình nhiều lớp,” Appl. Khoa học, tập. Ngày 9 tháng 2649 năm 2019.

đất tự động được kích hoạt độc lập hai bánh,” IET Intell. Dịch. Hệ thống, tập. 13, [70] H. Wang, B. Liu, X. Ping, “Kiểm soát theo dõi đường đi cho phương tiện tự hành dựa

không. 4, trang 628-635, 2019. trên MPC cải tiến,” Truy cập IEEE, tập. 7, trang 161064-161073, 2019.

[49] S. Cheng, L. Li, B. Chen, “Bộ điều khiển theo dõi đường đi của phương tiện tự động

thông qua hệ thống lái chủ động và phanh vi sai,” JOURANL CỦA ĐẠI HỌC TONGJI(KHOA HỌC [71] F. Lin, Y. Chen, Y. Zhao, “Theo dõi đường đi của xe tự hành dựa trên điều khiển dự

TỰ NHIÊN), tập. 45, không. 1, trang 24-30, 2017. đoán mô hình thích ứng,” Int. J. Khuyến cáo. cướp. Hệ thống, trang 1-12, 2019.

[50] J. Guo, Y. Luo, K. Li, “Điều khiển phối hợp theo đường đi và thời điểm chệch hướng [72] B. Zhang, C. Zong, G. Chen, G. Li, “Điều khiển dự đoán mô hình dự đoán đường chân

trực tiếp của xe điện tự động với ước tính góc trượt,” Mech. Hệ thống. Quá trình trời thích ứng để theo dõi đường đi trong xe điện điều khiển độc lập bốn bánh,” J.

tín hiệu., tập. 105, tr.183-199, 2018,. Autom . Tiếng Anh, trang 1-17, 2019.

[51] Y. Meng, X. Gan, G. Bai, “Con đường điều khiển phương tiện khớp nối khai thác hầm [73] H. Guo, D. Cao, H. Chen, “Mô hình đường dẫn dự đoán sau khi điều khiển ô tô tự hành

lò dựa trên phương pháp điều khiển xem trước ,” có tính đến sự xáo trộn có thể đo lường được: Triển khai, thử nghiệm và xác minh,”

Tạp chí Kỹ thuật Trung Quốc, số 1. 5, trang 1-16, 2019. Mech. Hệ thống. Quá trình tín hiệu., Không. 118, trang 41-60, 2019.

[52] Y. Huang, H. Ding, Y. Zhang, “Khuôn khổ theo dõi và lập kế hoạch chuyển động cho
phương tiện tự hành dựa trên phương pháp tiếp cận mạng lưới kháng cự được xây [74] H. Guo, H. Chen, H. Zhang, “Lập kế hoạch và theo dõi quỹ đạo đồng thời bằng phương

dựng từ trường tiềm năng nhân tạo,” IEEE Trans. Ấn Độ. pháp MPC cho các hệ thống vật lý điện tử: Nghiên cứu điển hình về việc tránh chướng

Điện tử., tập. 67, không. 2, trang 1376-1386, 2020. ngại vật cho phương tiện thông minh,” IEEE Trans .

[53] H. Yuan, X. Sun, T. Gordon, “Ra quyết định và kiểm soát thống nhất để tránh va chạm Ấn Độ Tin học, tập. 14, không. 9, trang 4273-4283, 2018.

trên đường cao tốc bằng cách sử dụng hệ thống lái trước chủ động và kiểm soát mô- [75] C. Shen, H. Guo, F. Liu, “Thiết kế bộ điều khiển theo dõi đường đi dựa trên MPC cho

men xoắn bánh xe riêng lẻ,” Veh . Hệ thống. Dyn., tập. 57, không. 8, trang 1188-1205, các phương tiện mặt đất tự động,” trong Proc. Cằm thứ 36.

2019. Hội nghị Kiểm soát (CCC), Đại Liên, Trung Quốc, 2017, trang 9584-9589.

[54] J. Ji, A. Khajepour, “Lập kế hoạch và theo dõi đường đi cho phương tiện [76] B. Zhang, C. Zong, G. Chen, “Điều khiển dự đoán dựa trên mô hình theo dõi đường đi
Tránh va chạm dựa trên điều khiển dự đoán mô hình với nhiều ràng buộc [J],” IEEE của xe điện với chức năng Laguerre và trọng lượng cấp số nhân,” IEEE Access, tập. 7,

Trans. Xe. Technol., tập. 25, không. 24, trang 86-97, 2017. trang 17082-17097, 2019.

[77] Z. Wang, Y. Bai, J. Wang, “Lựa chọn tham số của bộ điều khiển điều khiển dự đoán mô

[55] Y. Ren, L. Zheng, W. Zhang, “Nghiên cứu về kiểm soát tránh va chạm chủ động của xe tự hình điều khiển dự đoán theo dõi đường đi của xe có tính đến tải trọng tính toán của
hành dựa trên điều khiển dự đoán mô hình,” Autom. Tiếng Anh, tập. 41, không. 4, trang đơn vị xử lý trung tâm,” J. Dyn. Hệ thống.

404-410, 2019. Đo. Kiểm soát, tập. 141, trang 1-12, 2019.

[56] U. Tang, F. Yan, B. Zou, “Điều khiển dự đoán mô hình động học cải tiến để theo dõi [78] M. Chen, Y. Ren, “Kiểm soát theo dõi đường đi dựa trên MPC cho xe tự hành có nhiều

đường đi tốc độ cao của phương tiện tự hành,” ràng buộc,” trong Proc. Quốc tế 2017 Conf. Khuyến cáo.

Truy cập IEEE, tập. 8, trang 51400-51413, 2020. Hệ thống Cơ điện tử, Hạ Môn, Trung Quốc, 2017.

[57] S. Li, G. Wang, B. Zhang, “Kiểm soát độ ổn định của xe dựa trên điều khiển dự đoán mô [79] H. Taghavifar, “Mạng lưới thần kinh tự hồi phục với điều khiển dự đoán phi tuyến đa

hình xem xét xu hướng thay đổi của lực lốp trong phạm vi dự đoán,” IEEE Access, tập. ràng buộc được hỗ trợ đầu vào bên ngoài đối với các phương tiện tự hành,” IEEE

7, trang 6877-6888, 2019. Trans. Xe. Technol., tập. 68, không. 7, trang 6293-6304, 2019.

[58] S. Li, G. Wang, B. Zhang, “ỔN ĐỊNH YAW CỦA XE [80] A. Khajepour, W. Melek, “Lập kế hoạch và theo dõi đường đi để tránh va chạm với
KIỂM SOÁT TẠI GIỚI HẠN XỬ LÝ DỰA TRÊN KIỂM SOÁT DỰ ĐOÁN MÔ HÌNH,” Int. J. Tự động. phương tiện dựa trên Kiểm soát dự đoán mô hình với nhiều ràng buộc,” IEEE Trans.

Technol., tập. 21, không. 2, trang 361-370, 2020. Xe. Technol., tập. 15, không. 42, trang 117-131, 2016.

[59] S. Li, G. Wang, G. Chen, “Dự đoán độ cứng trạng thái của lốp để cải thiện khả năng [81] F. Lan, S. Li, J. Chen, “Phương pháp tiếp cận toàn diện để tối ưu hóa quỹ đạo của

kiểm soát theo dõi đường đi trong quá trình tránh va chạm khẩn cấp,” Truy cập IEEE, phương tiện lái tự động có tính đến khả năng xử lý ổn định,”

tập. 7, trang 179658-179660, 2019. Tạp chí Đại học Hồ Nam(Khoa học tự nhiên), tập. 46, không. 10, trang 36-45, 2019.

[60] S. Li, G. Wang, L. Guo, “Kiểm soát độ ổn định chệch hướng dựa trên NMPC bằng hệ thống

lái bánh trước chủ động,” Int. Đã nuôi. Tự động. Kiểm soát, tập. 51, không. 31, [82] J. Guo, Y. Luo, K. Li, “Một quỹ đạo phân cấp thích ứng theo phương pháp điều khiển

trang 583-588, 2018. của xe điện dẫn động độc lập bốn bánh tự động,” IEEE Trans. Trí tuệ. Chuyển.

[61] S. Li, K. Guo, T. Chou, “Kiểm soát độ ổn định của xe với hệ thống lái phía trước chủ

động trong điều kiện khắc nghiệt,” Autom. Tiếng Anh, tập. 42, không. Hệ thống, tập. 19, không. 8, trang 2482-2492, 2018.

TẬP XX, 2020

Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn:
Machine Translated by Google DOI 10.1109/ACCESS.2020.3020075, IEEE Access

Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)

[83] J. Guo, L. Li, K. Li, “Chiến lược điều khiển bên trượt mờ thích ứng của các phương Xe cộ,” IEEE Trans. Trí tuệ. Chuyển. Hệ thống, tập. 17, không. 3, trang 796-809, 2016.

tiện tự động dựa trên điều hướng tầm nhìn,” Veh. Hệ thống.

Dyn., tập. 51, không. 10, trang 1502-1517, 2013. [105] J. Guo, L. Li, K. Li, “Chiến lược điều khiển bên trượt mờ thích ứng của các phương

[84] Y. Gao, T. Gordona, “Điều khiển tối ưu hệ thống phanh và lái để tránh va chạm tự động tiện tự động dựa trên điều hướng tầm nhìn,” Veh. Hệ thống.

bằng thuật toán Hamilton đã sửa đổi,” Veh. Hệ thống. Dyn., tập. 57, không. 8, trang Dyn., tập. 51, không. 10, trang 1502-1517, 2013.

1224-1240, 2019. [106] J. Guo, Y. Luo, K. Li, “Điều khiển theo dõi quỹ đạo phi tuyến tính thích ứng để

[85] X. He, Y. Liu, K. Yang, “Kiểm soát phối hợp mạnh mẽ của AFS và ARS để theo dõi và ổn chuyển làn của xe điện dẫn động độc lập bốn bánh tự động,” IET Intell . Chuyển. Hệ

định đường đi của phương tiện tự hành,” trong Proc. thống, tập. 12, không. 7, trang 712-720, 2018.

IEEE quốc tế 2018 Conf. Cơ điện tử tự động, Trường Xuân, Trung Quốc, tháng 8 năm

2018, trang 924-929. [107] J. Guo, Y. Luo, K. Li, “Ô tô bề mặt động thích ứng tích hợp tuân theo điều khiển

[86] S. Li, F. Gao, K. Li, “Điều khiển theo chiều dọc mạnh mẽ của hệ thống nhiều phương dành cho xe điện tự hành Nonholonomic,”

tiện-A Phương pháp H-Infinity phân tán,” IEEE Trans. Trí tuệ. Khoa học. Trung Quốc. Technol. Khoa học, tập. 60, không. 8, trang 1221-1230, 2017.

Chuyển. Hệ thống, tập. 19, không. 9, trang 2779-2788, 2018. [108] J. Guo, Y. Luo, K. Li, “Điều khiển chế độ trượt mờ thích ứng để phối hợp các chuyển

[87] H. Jing, C. Hu, F. Yan, “ Kiểm soát phản hồi đầu ra H∞ mạnh mẽ để theo dõi đường đi động dọc và ngang của nhiều phương tiện tự hành trong một trung đội,” Sci. Trung

của các phương tiện mặt đất tự động,” trong Proc. Năm thứ 54. Conf. Quyết định. Quốc. Technol. Khoa học, tập. 60, không. 4, trang 576-586, 2017.

Control, Osaka, Nhật Bản, tháng 12 năm 2015, trang 1515-1520.

[88] G. An, C. Zhang, H. Sun “Kiểm soát theo dõi đường dẫn phản hồi trạng thái cho phương [109] J. Guo, Y. Luo, K. Li, “Điều khiển phối hợp động cho

tiện tự động bằng các phép đo dữ liệu được lấy mẫu,” trong Proc. Cằm thứ 37. Hội xe điện tự động được kích hoạt với các ràng buộc phi giao diện thông qua kỹ thuật

nghị Kiểm soát, Vũ Hán, Trung Quốc, tháng 7 năm 2018, trang 3323-3328. chế độ trượt thiết bị đầu cuối không kỳ dị,” Nonliner Dyn., Tập. 85, trang 583-597,

[89] S. Hong, C. Zhang, G. An, “ Điều khiển phản hồi đầu ra động H∞ dựa trên mô hình mờ 2016.

với tính năng chuyển tiếp để theo dõi đường đi của xe tự động,” trong Proc. Quốc tế [110] J. Guo, P. Hu, R. Wang, “Điều khiển phanh và lái phối hợp phi tuyến tính của xe tự

2017 Conf. Ứng dụng lý thuyết mờ, 2017. hành dựa trên tầm nhìn trong việc tránh chướng ngại vật khẩn cấp,” IEEE Trans. Trí

[90] C. Zhang, J. Hu, J. Qiu, “Phương pháp điều khiển lái mới dựa trên người quan sát mờ tuệ. Chuyển. Hệ thống, tập. 17, không. 11, trang 3230-3240, 2016.

để theo dõi đường đi trên xe tự hành,” IEEE Trans. Hệ thống mờ, tập. 27, không. 2,

trang 278-290, 2019. [111] J. Guo, Y. Luo, C. Hu, “GIỮ LÀN ĐƯỜNG KẾT HỢP MẠNH MẼ VÀ KIỂM SOÁT MẪU YAW TRỰC TIẾP

[91] C. Hu, H. Jing, R. Wang, “Kiểm soát phản hồi đầu ra H∞ mạnh mẽ để đi theo đường đi CHO XE ĐIỆN THÔNG MINH VỚI THỜI GIAN TRỄ,” Int. J. Tự động.

của các phương tiện mặt đất tự động,” Mech. Hệ thống. Quá trình tín hiệu., tập. 70,

trang 414-427, 2016. Technol., tập. 20, không. 2, trang 289-296, 2019.

[92] X. Chang, Y. Liu, M. Shen, “Thiết kế điều khiển đàn hồi để điều chỉnh chuyển động [112] J. Guo, J. Wang, P. Hu, “Kiểm soát bám theo đường đi với chi phí được đảm bảo mạnh

ngang của phương tiện thông minh,” IEEE/ASME Trans. mẽ đối với các phương tiện tự hành trên đường không có cấu trúc,” J. Auto. Tiếng

Cơ điện tử, tập. 24, không. 6, trang 2488-2497, tháng 12 năm 2019. Anh, tập. 232, không. 7, trang 896-908, 2018.

[93] J. Guo, K. Li, Y. Luo, “Điều khiển phối hợp các phương tiện điện dẫn động bốn bánh [113]J. Guo, Y. Luo, K. Li, “Điều khiển phối hợp theo đường đi và thời điểm chệch hướng

tự động để theo dõi quỹ đạo và phân đội bằng cách sử dụng kiến trúc phân cấp,” J. trực tiếp của xe điện tự động với ước tính góc trượt,” Mech. Hệ thống. Quá trình

Dyn. Hệ thống. Đo. tín hiệu., tập. 105, trang 183-199, 2018,.

Kiểm soát, tập. 137, trang 1-18, 2015. [114] J. Guo, Y. Luo, K. Li, “Điều khiển theo dõi quỹ đạo theo tầng thích ứng cho xe điện

[94] Y. Ren, L. Zheng, A. Khajepour, “Mô hình tích hợp dự đoán và điều khiển vectơ mô-men tự động được kích hoạt quá mức với độ bão hòa đầu vào,” Sci. Technol. Khoa học, tập.

xoắn để theo dõi đường đi của xe tự hành 4 bánh,” IET Intell. Chuyển. Hệ thống, tập. 62, trang 1-8, 2019.

13, không. 1, trang 98- 107, 2019. [115] J. Guo, Y. Luo, K. Li, “Kiểm soát tránh va chạm phối hợp thích ứng của các phương

tiện mặt đất tự hành,” J. Syst. Control Eng., tập. 232, không. 9, trang 1120-1133,

[95] D. Ren, J. Zhang, J. Zhang, “Điều khiển chế độ trượt cho xe đi sau với tham số không 2018.

chắc chắn,” MÁY ĐIỆN VÀ ĐIỀU KHIỂN, tập. 14, không. 1, trang 73-78, 2010. [116] J. Guo, Y. Luo, K. Li, “Điều khiển lái tự động lập kế hoạch tăng tốc mạnh mẽ cho các

phương tiện mặt đất không người lái trong chuyển động thay đổi vận tốc,”

[96] L. Jiang, J. Yang, “Theo dõi đường đi của hệ thống đỗ xe tự động dựa trên điều khiển Xe. Hệ thống. Dyn., tập. 57, không. 4, trang 595-616, 2019.

chế độ trượt,” Giao dịch của Hiệp hội máy móc nông nghiệp Trung Quốc, tập. 50, [117] J. Guo, Y. Luo, K. Li, “Kiến trúc xếp tầng chế độ trượt mạng thần kinh thích ứng

không. 2, trang 356-365, 2019. của điều khiển theo dõi dọc cho các phương tiện không người lái,” Phi tuyến Dyn.,

[97] X. He, Y. Liu, C. Lv, “Điều khiển lái khẩn cấp của xe tự hành để tránh va chạm và ổn Không. 87, trang 2497-2510, 2017.

định,” Veh. Hệ thống. Dyn., tập. 57, không. 8, trang 1163-1187, 2019. [118] C. Hu, Z. Wang, H. Taghavifar, “Kiểm soát theo dõi đường đi dựa trên MME-EKF của các

phương tiện tự động có tính đến độ bão hòa đầu vào,”

[98] J. Guo, P. Hu, R. Wang, “Điều khiển phanh và lái phối hợp phi tuyến tính của xe tự IEEE Tans. Xe. Technol., trang 1-12, 2019.

hành dựa trên tầm nhìn trong việc tránh chướng ngại vật khẩn cấp,” IEEE Trans. Trí [119] C. Hu, Z. Wang, Y. Qin, “Kiểm soát việc giữ làn đường của xe tự hành với hiệu suất

tuệ. Chuyển. Hệ thống, tập. 17, không. 11, trang 3230-3240, 2016. được quy định có tính đến khả năng ngăn ngừa lật xe và độ bão hòa đầu vào,” IEEE

Trans. Giao thông Ấn Độ. Hệ thống, trang 1-13, 2019.

[99] T. Chen, L. Chen, X. Xu, “Đường dẫn chịu lỗi thụ động sau khi điều khiển xe điện dẫn

động phân tán tự động có tính đến lỗi hệ thống lái,” Mech. Hệ thống. Quá trình tín [120] H. Taghavifar, S. Rakheja, “Theo dõi đường đi của các phương tiện tự hành bằng

hiệu., tập. 123, trang 298- 315, 2019. cách sử dụng bộ điều khiển mạng thần kinh mờ loại 2 chế độ trượt kiểu 2 thích ứng

mạnh mẽ theo cấp số nhân mới,” Mech . Hệ thống. Quá trình tín hiệu., tập. 130, trang

[100] R. Wang, Q. Ye, Y. Cai, “Phân tích ảnh hưởng của hệ thống lái tự động đến độ chính 41-55, 2019.

xác theo dõi quỹ đạo của xe thông minh,” Adv. Anh. Mềm., tập. 121, trang 188-196, [121] X. Wang, J. Taghia, J. Katupitiya, “Điều khiển dự đoán mô hình mạnh mẽ để theo dõi

2018. đường đi của phương tiện được bánh xích với rơ moóc có thể điều khiển được khi

[101] C. Hwang, C. Yang, J. Hung, “Theo dõi đường đi của một phương tiện mặt đất tự hành có hiện tượng trượt,” Int. Đã nuôi. Tư đô ng. Kiểm soát, tập. 49, không. 16,

với các trọng tải khác nhau bằng Điều khiển chế độ trượt động mờ được cải tiến theo trang 469-474, 2016.

cấp bậc,” IEEE Trans . Hệ thống mờ, tập. 26, không. 2, trang 899-915, 2018. [122] T. Sun, Y. Pan, J. Zhang, “Điều khiển dự đoán mô hình mạnh mẽ cho các hệ thống phi

tuyến có thời gian liên tục bị ràng buộc,” Int. J. Kiểm soát, tập. 91, không. 2,

[102] R. Wang, G. Yin, X. Jin, “Điều khiển chế độ trượt thích ứng mạnh mẽ cho hệ thống trang 359-368, 2018.

theo dõi đường đi của xe tự lái bốn bánh phi tuyến tính,” trong Proc. Quốc tế thứ 8 [123] R. Gonzalez, M.Fiacchini, T.Alamo, “MPC dựa trên ống mạnh mẽ trực tuyến dành cho các

Điện tử công suất. Một. Hội nghị Kiểm soát (IPECC), 2016. hệ thống thay đổi theo thời gian: một cách tiếp cận thực tế,” Int. J. Kiểm soát,

tập. 86, không. 4, trang 1157-1170, 2011.

[103] J. Rath, M. Defoort, H. Karimi, “Điều khiển hệ thống treo chủ động phản hồi đầu ra [124] I. Nodozi, M. Rahmani, “Điều khiển dự đoán mô hình số nguyên hỗn hợp mạnh mẽ dựa

với chế độ trượt đầu cuối bậc cao hơn,” trên LMI cho các hệ thống lai,”Int. J. Kiểm soát, tập. 12, không. 20, trang 12-22,

IEEE Trans. Ind.Electron., tập. 64, không. 2, trang 1392-1403, 2017. 2019.

[104] G. Tagne, R. Talj, A. Charara, “Thiết kế và so sánh các bộ điều khiển phi tuyến mạnh [125] R. González, M. Fiacchini, J. Guzmán, “Điều khiển dự đoán dựa trên ống mạnh mẽ cho

mẽ cho động lực học ngang của thông minh robot di động trong điều kiện địa hình,” Rob.

TẬP XX, 2020

Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.
 Bài viết này đã được chấp nhận đăng trên số tiếp theo của tạp chí này, nhưng chưa được chỉnh sửa đầy đủ. Nội dung có thể thay đổi trước khi xuất bản cuối cùng. Thông tin trích dẫn: DOI
Machine Translated by Google 10.1109/ACCESS.2020.3020075, IEEE Access

Q. Yao và cộng sự: Chiến lược kiểm soát theo dõi đường đi cho xe tự hành: công nghệ tiên tiến và những thách thức trong tương lai (Tháng 8 năm 2020)

Tư đô ng. Hệ thống, tập. 59, trang 711-726, 2011. đường dẫn thích ứng theo sau việc điều khiển các phương tiện bề mặt được kích

[126] H. Zhang, J. Wang, “Kiểm soát động lực học bên của phương tiện thông qua AFS/DYC và hoạt có nhiều ẩn số,” Ocean Eng., tập. 176, trang 57-64, 2019.

phương pháp lập kế hoạch tăng cường mạnh mẽ,” IEEE Trans. [148] H. Pan, W. Sun, H. Gao, “Điều khiển theo dõi thích ứng dựa trên người quan sát nhiễu

Xe. Technol., tập. 65, không. 1, trang 489-495, 2016. loạn với độ bão hòa của bộ truyền động và ứng dụng của nó,”

[127] H. Zhang, X. Zhang, J. Wang, “Kiểm soát năng lượng đạt đến mức tối đa để ổn định động IEEE Trans. Tư đô ng. Khoa học. Tiếng Anh, tập. 13, không. 2, trang 868-875, 2016.

lực học ngang của xe,” Veh. Hệ thống. [149] X. Chang, Y. Liu, “Lọc H∞ mạnh mẽ cho góc trượt của phương tiện với lượng tử hóa và bỏ

Dyn., tập. 52, không. 3, trang 309-340, 2014. dữ liệu,” IEEE Trans. Xe. Technol.

[128] Y. Xia, F. Pu, S. Li, “Kiểm soát theo dõi đường bên của phương tiện mặt đất tự hành dựa 2020.

trên ADRC và độ phẳng vi phân,” IEEE Trans. Ind.Electron., tập. 63, không. 5, trang

3091-3099, 2016.

[129] L. Xiong, Y. Jiang, “Điều khiển góc lái của xe tự hành dựa trên Kiểm soát loại bỏ nhiễu

loạn chủ động,” Int. Đã nuôi. của Ô tô. Kiểm soát, tập. 51, không. 31, trang 796-800, 2018.

[130] W. Yan, L. Wang, F. Li, “Điều khiển theo đường đi của phương tiện thông minh dựa trên

chế độ trượt Kiểm soát loại bỏ nhiễu loạn chủ động,” Kiểm soát và quyết định, tập. 34,

không. 10, trang 2150-2156, 2019.

[131] G. Xu, P. Diao, X. He, “Nghiên cứu về điều khiển lái chủ động của xe dựa trên bất đẳng

thức ma trận tuyến tính và phần cứng trong thiết kế và triển khai sơ đồ kiểm tra vòng lặp

cho hệ thống lái chủ động,” Adv. Máy móc. Tiếng Anh, tập. 11, không. 11, trang 1-12, 2019.

[132] C. Wang, W. Zhao, Z. Xu, “Lập kế hoạch đường đi và kiểm soát độ ổn định của hệ thống tránh

va chạm dựa trên hệ thống lái chủ động phía trước,” Sci. Công nghệ Trung Quốc. Khoa học,

tập. 30, trang 1231–1240, 2017.

[133] A. Aguiar, J. Hespanha, “Theo dõi quỹ đạo và theo dõi đường đi của các phương tiện tự

hành không được điều khiển bằng mô hình tham số không chắc chắn,” IEEE Trans. Tư

đô ng. Kiểm soát, tập. 52, không. 8, trang 1362-1377, 2007.

[134] H. Kang, C. Hyun, S. Kim, “Kiểm soát theo dõi mạnh mẽ bằng cách sử dụng Trình quan sát

nhiễu loạn mờ cho rô-bốt di động có bánh xe bị trượt và trượt,” Int. J. Khuyến cáo.

cướp. Hệ thống, tập. 11, không. 75, trang 1-11, 2014.

[135] S. Roy, S. Nandy, R. Ray, “Kiểm soát theo dõi đường đi mạnh mẽ của Robot di động có bánh

xe không độc quyền: Xác thực thử nghiệm,” Int.

J. Điều khiển, Tự động. Hệ thống, tập. 13, không. 4, trang 897-905, 2015.

[136] F. Barbosa, L. Marcos, M. Silva, “Kiểm soát bám đường chắc chắn dành cho các phương tiện

hạng nặng có khớp nối,” Control Eng. Thực hành., không. 85, trang 246-256, 2019.

[137] A. Benloucif, A. Nguyen, C. Sentouh, “Lập kế hoạch quỹ đạo hợp tác để kiểm soát chia sẻ

xúc giác giữa người lái xe và tự động hóa trong việc lái xe trên đường cao tốc,” IEEE

Trans. Ind.Electron., tập. 66, không. 12, trang 9846-9857, 2019.

[138] P. Cheng, J. Wang, S. He, X. Luan, F. Liu, “Phát hiện lỗi không đồng bộ dựa trên người

quan sát đối với các hệ thống nhảy phi tuyến dạng Conic và ứng dụng của nó đối với động

cơ DC kích thích riêng biệt,” IEEE Trans. Hệ thống mạch Tôi điều chỉnh. Pap., tập. 67,

không. 3, trang 951-962, tháng 3 năm 2020.

[139] P. Cheng, S. He, “Điều khiển không đồng bộ thời gian hữu hạn dựa trên người quan sát đối

với một lớp hệ thống nhảy Markov ẩn có phi tuyến tính kiểu hình nón,” Ứng dụng lý thuyết

điều khiển IET, tập. 14, không. 2, trang 244-252, 2020.

[140] P. Cheng, S. He, J. Cheng, X. Luan, F. Liu, “Điều khiển phản hồi đầu ra không đồng bộ cho

một loại hệ thống nhảy Markov ẩn phi tuyến tính loại hình nón trong khoảng thời gian hữu

hạn,” IEEE Trans .

Hệ thống. Người đàn ông Cybern. Hệ thống, DOI: 10.1109/TSMC.2020.2980312.

[141] W. Chu, Y. Luo, J. Luo Jian, “Ước tính khối lượng xe và độ dốc đường cho xe điện,” J.

Tsinghua. Đại học (Khoa học & Công nghệ), tập. 54. không. 6, trang 724-728, 2014.

[142] M. Chen, “Phương pháp ước tính thông số chính của xe điện hạng nhẹ có tải trọng,” Đại

học Đông Nam, Trung Quốc, 2016.

[143] E. Lucet, R. Lenain, C. Grand, “Điều khiển theo dõi đường đi động của xe trên địa hình

trơn trượt,” Control Eng. Thực hành, tập. 42, trang 60-73, 2015.

[144] W. Liu, R. Wang, C. Xie, “Điều tra về bản xem trước thích ứng

kiểm soát theo dõi đường đi khoảng cách với tính năng bù lỗi định hướng,”

Hệ thống. Control Eng., trang 1-17, 2019.

[145] X. Wang, Y. Zhang, Z. Xue, “Điều khiển chế độ trượt mờ dựa trên mạng thần kinh RBF để

theo dõi đường dẫn AUV,” ICIRA, trang 637-648, 2019.

[146] Y. Chen, Z. Li, H. Kong, “Điều khiển theo dõi dự đoán mô hình của robot di động phi

giao thức với các ràng buộc đầu vào kết hợp và động lực không xác định,” IEEE Trans.

Ấn Độ Tin học, tập. 15, không. 6, trang 3198-3205, 2019.

[147] W. Ning, S. Zhuo,J. Yin, “Mạnh mẽ dựa trên người quan sát mờ không xác định

TẬP XX, 2020

Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0. Để biết thêm thông tin, hãy xem https://creativecommons.org/licenses/by/4.0/.