|
بخشی از ترجمه فارسی مقاله:
1- مقدمه
سه دهه گذشته شاهد پیشرفت سریع در زمینه تحقیقاتی رانندگی خودکار بوده است که توجهات تحقیقاتی زیادی را از هر دو دانشگاه و صنعت به خود جلب کرده است. در طی رقابت های AVG مشهور، چالش بزرگ دارپا و چالش شهری دارپا، وسایل نقلیه خودکار مستقل نشان دهنده پتانسیل بالای آن ها برای بهبود ایمنی رانندگی، کارایی و راحتی در هر دو محیط های درون جاده ای و برون جاده ای می باشد. این رقابت ها پیشرفت های معنی داری را در فناوری رانندگی خود کار و توجه زیادی را در زمینه تحقیقاتی AVG نشان داده اند. اخیرا، توابع کنترل خودکار جزیی در سیستم مقاوم به راننده به کار برده شده اند و چندین شرکت اتومبیل سازی طرح های تحقیقاتی خود را برای تولید ماشین های خودکار آینده ارایه کرده اند. با این وجود، چالش های زیادی برای توسعه خودرو های تمام اتوماتیک و مطمئن برای مدیریت شرایط واقع گرایانه مختلف در دنیای واقعی وجود داشته است.
توسعه و کاربرد AVG مستلزم تلفیق و ترکیب فناوری های پیشرفته از ادراک، مکان یابی تا هدایت و کنترل است. به عنوان مدول های مرکزی، هر دو برنامه ریزان حرکت محلی و نیز کنترل گر های مسیر یابی نقش مهمی در تضمین ایمنی و بهبود راحتی رانندگی ایفا می کنند.
به منظور پایش دقیق و صحیح مسیر مرجع، بسیاری از محققان قوانین کنترل بازخورد مبتنی بر لیاپانوف را با در نظر گرفتن سینماتیک و دینامیک خودرو نظیر کنترل مدل اسلایدینگ، کنترل پسگام و غیره توسعه داده اند. برای سازگاری با شرایط زمینی مختلف و سرعت بالا و نیز بهبود صحت و اطمینان کنترل، برخی از محققان به بررسی و کشف راهبرد های کنترلی چند لایه ای و نیز کمینه سازی خطا های جانبی در حلقه خارجی و تثبیت حرکات انحرافی از طریق اقدامات کنترلی در حلقه داخلی پرداخته اند. برای رد عدم قطعیت مدل و آشفتگی های خارجی، اثرات اینرسی و زوایای سر خوردن تایر در نظر گرفته می شوند. با این حال، بیشتر این کنترل گر ها، مسئله کنترل مسیر را در مسئله تنظیم قرار می دهد که عمدتا مربوط به اطلاعات خطای فعلی برای تولید اقدامات کنترل فوری به جای توالی عملیات کنترل بهینه و نیمه بهینه در افق محدود می باشد. از این روی، این می تواند منجر به عملیات هدایت ناگهانی زمان انحراف خودرو ها از مسیر مرجع و یا هدایت خودرو در یگ پیچ باریک شود. برخی ازمحققان از رویکرد های کنترل ساختار متغیر و زمان بندی بهره برای اجتناب از اقدامات کنترلی ناگهانی برای دست یابی به حرکات دقیق به قیمت کاهش حت مسیر یابی و یا سرعت همگرای خطا بهره می برند. بر اساس مقایسه طیف وسیعی از کنترل گر های مسیر یابی،(7) به این نتیجه رسیده است که عملکرد کنترل مسیر یابی به شدت به پویایی خودرو ها و نیز همواری مسیر مرجع بستگی دارد. ضرورتا، بیشتر این کنترل گر های مبتنی بر دینامیک و سینماتیک بر حذف خطا ها به جای ذی نفع شدن از اطلاعات پیش بینی به منظور بهینه سازی یک توالی از اقدامات کنترلی و مسیر مربوطه تاکید دارد و این وسایل نقلیه را از وضعیت فعلی به سمت وضعیت های نمونه برداری همراه با مسیر مرجع تنظیم می کند.
تعداد زیادی از تحقیقات در خصوص رویکرد های کنترلی و برنامه ریزی ترکیبی برای AGV با استفاده از روش های بهینه سازی وجود دارد. یکی از جذاب ترین روش ها، کنترل پیش بین مدل می باشد که قادر به فرموله سازی مسئله هدایت خودرو به یک مسئله کنترل بهینه سازی محدود افق محدود است. روش MPC از مدل دینامیک یا سینماتیک خودرو برای پیش بینی تغییرات حالت آینده بر اساس حالت های اندازه گیری شده فعلی استفاده می کند. در هر سیکل کنترلی، یک توالی از اقدامات کنترلی تولید می شود که از این روی توابع هدف خاص را در چارچوب افق محدود کمینه سازی کرده و از این روی محدودیت های کنترل را براورد می کند. سپس اولین اقدام کنترلی توسط یک محرک سطح پایین صادر می شود. این فرایند در مراحل زمانی بعدی تکرار شده است. طرح MPC توانایی رسیدگی به محدودیت های کنترل و وضعیت سیستم را دارد. با این حال فرض می شود که مسیر مرجع و سرعت در افق محدود کوتاه مدت در هر زمان ثابت است. وقتی که خودرو ها در محیط های پویای درون جاده ای و برون جاده ای حرکت می کنند به دلیل وجود خطا های مکان یابی و موانع غیر منتظره، فرض عاری از برخورد مسیر مرجه می تواند غیر عملی باشد. حل مسئله بهینه سازی از طریق طرح MPC می تواند شامل محدودیت های غیر محدب در زمان در نظر گرفتن موانع باشد. در این رابطه، منابع محاسباتی محدود به یک مانعی تبدیل شده اند که مانع از تولید مسیر ممکن در زمان واقعی و عاری از برخورد می شود.
برای اجتناب از مانع و دست یابی به حرکات ایمن، برنامه ریز های مسیر کارامد محلی بین مسیر مرجع و کنترل گر مسیر بر اساس چارچوب سلسله مراتبی تبعیت می کند. برای تولید یک مسیر انحرافی پیوسته و نیز مسیر عاری از برخورد طولانی در زمان واقعی، برنامه ریز باید مسیر مرجع و اطلاعات محیطی اطراف را از سیستم مفهومی و نیز محدودیت ها و مدل سیستم را در نظر بگیرد. برنامه ریزی مسیر محلی، یک تابع ایجاد پل را بین کنترل مسیر یابی سطح پایین و برنامه ریزی مسیر مرجع تولید می کند. به علاوه، وسیله نقلیه می تواند محیط های دیتامیک را به طور واکنشی مدیریت کند. به علاوه، ورودی های کنترل متناظر مسیر برنامه ریزی شده را می توان به عنوان دستورات کنترل پس خور با کنترل گر مسیر یابی سطح پایین در نظر گرفته و این به کنترل گر بازخورد امکان تاگید بر عدم قطعیت های مدل را خواهد داد.به منظور حل مسئله تولید مسیر محلی، چندین رویکرد برنامه ریزی حرکتی مبتنی بر نمونه برداری مطالعه شده است. بیشتر ان ها از یک طرح بهینه سازی گسسته بهره می بنرد. به طور ویژه مجموعه ای از کاندید های مسیر یابی از طریق شبیه سازی پیش خور بر اساس مدل سیستم تولید می شوند. سپس بهترین مسیر بر اساس تابع هدف انتخاب می شود. این طرح برنامه ریزی حرکت مبتنی بر نمونه برداری را می توان به دو مقوله طبقه بندی کرد که یکی طرح برنامه ریزی حرکت مبتنی بر نمونه برداری فضای کنترل و دیگری روش طرح برنامه ریزی حرکت مبتنی بر نمونه برداری فضای حالت است(11).
طرح برنامه ریزی حرکت مبتنی بر نمونه بردار اولیه، فضای ورودی کنترل را برای تولید مجموعه ای از کاندید های مسیر از طریق انتگراسیون پیش خور عددی معادلات دیفرانسیل تفکیک می کند که بر سینماتیک یا دینامیک خودرو تاکید دارد. از این روی، کاندید های مسیر تولید شده کاملا قابل رانندگی هستند. به دلیل کارایی محاسباتی و سهولت، این طرح برای اهداف هدایت محلی به خصوص برای یافتن مسیر عاری از تصادم در محیط با محدودیت کم تر استفاده شده است. بر اساس ماهیت متقارن سیستم مکانیکی، برخی از محققان تولید یک کتاب خانه افلاین حرکتی در یک محیط مختصاتی هماهنگ کرده و آن ها را به صورت انلاین از طریق رتبه بندی و ترجمه استفاده می کنند. با این حال، چون اصول اولیه حرکتی با فضای ورودی کنترل تولید می شوند آن ها را نمی توان به خوبی از هم تفکیک کرد. تعداد زیادی از منابع محاسباتی صرف فرایند ارزیابی و تست تصادم می شوند.
بر عکس، به جای نمونه برداری از ورودی های کنترل گسسته، نمونه برداری طرح برنامه ریزی حرکتی مبتنی بر نمونه برداری فضای حالت از حالت های پایانی با استفاده از اطلاعات محیط ها و مسیر ها استفاده می کند. این نه تنها محدود کننده های موقعیت را در نظر می گیرد بلکه محدود کننده های حالت انحنا و پیچ را نیز با مسیر مرجع در نظر می گیرد. چندین رویکرد برای تولید مسیر ها پیشنهاد شده اند که وضعیت فعلی یا حالت فعلی را با حالت های نهایی همسو با مسیر مرجع ارتباط برقرار می کند. بر اساس منحنی های بزیر مکعبی، یک الگوریتم هموار سازی مسیر تحلیلی و کارامد برای تولید مسیر انحنای پیوسته توسعه داده اند و از این روی محدودیت انحنای کران بالا را در نظر می گیرد.
در خصوص مسیر مرجع به عنوان یک معیار، (18) یک روش هندسی را برای تولید کاندید های مسیر مختلف ارایه کرده اند. معیار اصلی برای هموار سازی کافی جهت اطمینان از همواری کاندید ها لازم است. به جای استفاده از روش های هندسی، 19 و 20 از برنامه ریزان مسیر عددی برای قوانین کنترل حلقه بسته و سیستم، محدودیت های کنترل و حالت را صرف نظر از همواری معیار استفاده کرده اند. به این ترتیب یک طرح تولید مسیر پیش بینی ارایه شد که مسئله تولید مسیر محلی را به مسئله مقدار مرزی دو نقطه ای تحت محدودیت های دینامیک وسایل نقلیه با وفاداری بالا تبدیل می کند. به دلیل استفاده از روش حل عددی، درجه بالایی از کارایی و عمومیت وجود دارد. کنترل گر سطح پایین از راهبرد کنترل حلقه باز برای کنترل مسیر یابی استفاده می کند.
|