机器人行驶路径的反馈控制

本文介绍了弗吉尼亚技术运输学院（VTTI）的灵活低成本自动缩放高速公路（FLASH）实验室的发展现状。

FLASH实验室和其中包含的比例模型汽车为智能交通系统（ITS）的小规模开发阶段提供了测试平台。此外，FLASHlab是为教育博物馆展览开发的原型展示的所在地。

本文还详细介绍了在FLASH轿车上实现的横向控制器所遵循的路径。该控制器是使用轮式机器人的运动学模型开发的。

全局运动学模型是使用系统的非完整约束导出的。

该全局模型将转换为路径坐标模型，因此仅需要局部变量。然后将路径坐标模型转换为链式形式，并提供一个控制器来执行路径跟踪。

路径坐标模型为系统引入了一个新参数：路径曲率。因此，有必要将路径的曲率值提供给控制器。由于汽车运行的环境，曲率值是先验已知的。

开发了几种在线方法来确定曲率。

创建了一个用于测试上述算法的MATLAB仿真环境。

仿真使用运动学模型来显示汽车的行为，并尽可能接近实际系统地实现传感器和控制器。

讨论了横向控制器在硬件中的实现。描述了车辆平台，并详细说明了硬件和软件架构。所描述的汽车能够手动和自主操作。在自主模式下，利用了多种传感器，包括：红外，磁，超声和基于图像的技术。描述了每种传感器类型的操作，并讨论了处理器从每种传感器接收的信息。

This  thesis  describes  the  current  state  of  development  of  the  Flexible  Low-cost  AutomatedScaled  Highway  (FLASH)  laboratory  at  the  Virginia  Tech  Transportation  Institute  (VTTI).

The  FLASH  lab  and  the  scale  model  cars  contained  therein  provide  a  testbed  for  the  smallscale  development  stage  of  intelligent  transportation  systems  (ITS).  In  addition,  the  FLASHlab  serves  as  a  home  to  the  prototype  display  being  developed  for  an  educational  museumexhibit.

This  thesis  also  gives  details  of  the  path  following  lateral  controller  implemented  on  theFLASH  car.  The  controller  was  developed  using  the  kinematic  model  for  a  wheeled  robot.

The  global  kinematic  model  was  derived  using  the  nonholonomic  contraints  of  the  system.

This  global  model  is  converted  into  the  path  coordinate  model  so  that  only  local  variablesare  needed.  Then  the  path  coordinate  model  is  converted  into  chained  form  and  a  controlleris  given  to  perform  path  following.

The  path  coordinate  model  introduces  a  new  parameter  to  the  system:  the  curvature  of  thepath.  Thus,  it  is  necessary  to  provide  the  path’s  curvature  value  to  the  controller.  Becauseof  the  environment  in  which  the  car  is  operating,  the  curvature  values  are  known  a  priori.

Several  online  methods  for  determining  the  curvature  are  developed.

A  MATLAB  simulation  environment  was  created  with  which  to  test  the  above  algorithms.

The  simulation  uses  the  kinematic  model  to  show  the  car’s  behavior  and  implements  thesensors  and  controller  as  closely  as  possible  to  the  actual  system.

The  implementation  of  the  lateral  controller  in  hardware  is  discussed.  The  vehicle  platform  isdescribed  and  the  hardware  and  software  architecture  detailed.  The  car  described  is  capableof  operating  manually  and  autonomously.  In  autonomous  mode,  several  sensors  are  utilizedincluding:  infrared,  magnetic,  ultrasound,  and  image  based  technology.  The  operation  ofeach  sensor  type  is  described  and  the  information  received  by  the  processor  from  each  isdiscussed.