В этом примере показано, как создать автоматизированную парковочную систему в Simulink ® с автоматизированной Toolbox™ вождения. Он полностью соответствует примеру автоматической парковки MATLAB ®.
Автоматическая парковка автомобиля, оставленного перед парковкой, является сложной проблемой. Ожидается, что автоматизированные системы транспортного средства возьмут на себя управление транспортным средством и направят его в доступное место стоянки. Этот пример фокусируется на планировании возможного пути через среду, генерации траектории из этого пути и использовании возможного контроллера для выполнения траектории. Создание карты и динамическое предотвращение препятствий исключаются из этого примера.
Перед моделированием helperSLCreateCostmap вызывается в пределах PreLoadFcn функция обратного вызова модели. Дополнительные сведения об использовании функций обратного вызова см. в разделе Обратные вызовы модели (Simulink). helperSLCreateCostmap создает статическую карту стоянки, содержащую информацию о стационарных препятствиях, дорожной разметке и припаркованных автомобилях. Карта представлена в виде vehicleCostmap
Для использования vehicleCostmaphelperSLCreateUtilityStruct функция преобразует vehicleCostmap
Глобальный план трассы описывается как последовательность сегментов полосы движения, пересекаемых для достижения места парковки. Перед моделированием PreLoadFcn функция обратного вызова модели загружает план маршрута, который сохраняется в виде таблицы. В таблице указаны начальная и конечная позиции сегмента, а также свойства сегмента, такие как ограничение скорости.
routePlan =
5×3 table
StartPose EndPose Attributes
________________ ____________________ ____________
4 12 0 56 11 0 [1×1 struct]
56 11 0 70 19 90 [1×1 struct]
70 19 90 70 32 90 [1×1 struct]
70 32 90 52 38 180 [1×1 struct]
53 38 180 36.3 44 90 [1×1 struct]
Входами и выходами многих блоков в этом примере являются шины Simulink (Simulink.Bus (Simulink)PreLoadFcn функция обратного вызова модели, helperSLCreateUtilityBus функция создает эти шины.
Планирование - это иерархический процесс, при котором каждый последующий уровень отвечает за более детализированную задачу. Слой поведения [1] находится в верхней части этого стека. Блок Планировщик поведения запускает последовательность задач навигации на основе глобального плана маршрута, предоставляя промежуточную цель и конфигурацию для блоков Планирование движения и Генерация траектории. Для навигации по каждому сегменту пути используются следующие шаги:
Планирование движения: Планирование возможного пути через карту среды с использованием оптимального алгоритма быстрого исследования случайного дерева (RRT *) (pathPlannerRRT
Создание траектории: Сглаживание опорной траектории путем подгонки сплайнов [2] к ней с помощью блока «Сглаживание траектории». Затем преобразуйте сглаженную траекторию в траекторию путем создания профиля скорости с помощью блока Velocity Profiler.
Управление транспортным средством: HelperPathAnalyzer обеспечивает опорный сигнал для подсистемы контроллера транспортного средства, которая управляет рулевым управлением и скоростью транспортного средства.
Проверка цели: Проверьте, достигло ли транспортное средство конечной позы сегмента с помощью helperGoalChecker.
Подсистема контроллера транспортного средства содержит блок бокового контроллера Стэнли и блок продольного контроллера Стэнли для регулирования позы и скорости транспортного средства соответственно. Для обработки реалистичной динамики транспортного средства [3] параметр модели транспортного средства в боковом блоке контроллера Стэнли установлен в Dynamic bicycle model. При такой конфигурации для вычисления команды рулевого управления требуются дополнительные входные сигналы, такие как кривизна траектории, текущая скорость рыскания транспортного средства и текущий угол поворота рулевого управления. Блок продольного контроллера Стэнли использует переключающий пропорциональный интегральный контроллер для расчета команд ускорения и замедления, которые приводят в действие тормоз и дроссель в транспортном средстве.
Для демонстрации эффективности контроллер транспортного средства применяется к блоку модели транспортного средства, который содержит упрощенную систему рулевого управления [3], смоделированную как система первого порядка, и блок 3DOF кузова транспортного средства (блок динамики транспортного средства), совместно используемый автоматизированными Toolbox™ управления и Blockset™ динамики транспортного средства. По сравнению с кинематической моделью велосипеда, используемой в примере Automated Parking Valet MATLAB ®, этот блок модели транспортного средства является более точным, поскольку он учитывает инерционные эффекты, такие как проскальзывание шины и сервопривод рулевого управления.
Блок визуализации показывает, как транспортное средство отслеживает контрольный путь. Он также отображает в области скорость транспортного средства и команду рулевого управления. Следующие изображения являются результатами моделирования для этого примера:
Моделирование останавливается примерно на 45 секундах, когда транспортное средство достигает пункта назначения.
В этом примере показано, как реализовать автоматическую парковку в Simulink.
[1] Бюлер, Мартин, Карл Иагнемма и Санджив Сингх. Городской вызов DARPA: автономные транспортные средства в городском движении (1-е изд.). Springer Publishing Company, Incorporated, 2009.
[2] Лепетик, Марко, Грегор Кланкар, Игорь Скрян, Драго Матко и Бостьян Поточник, «Планирование оптимального пути во времени с учетом пределов ускорения». робототехника и автономные системы, том 45, выпуски 3-4, 2003, стр. 199-210.
[3] Гофман, Габриэль М., Клэр Дж. Томлин, Майкл Монтемерло и Себастьян Трюн. «Отслеживание автономных автомобильных траекторий для внедорожного вождения: дизайн контроллера, экспериментальная валидация и гонки». Американская конференция по контролю, 2007 год, стр. 2296-2301.