-
题名基于iLQR的智能车辆换道轨迹规划算法研究
- 1
-
-
作者
刘永涛
亢浩宇
纳林奇
李智鹏
朱屹晨
陈轶嵩
-
机构
长安大学汽车学院
长安大学都柏林国际交通学院
-
出处
《汽车工程》
北大核心
2026年第3期553-565,共13页
-
基金
陕西省“两链”融合重点专项揭榜挂帅项目(2023JBGS-13)
咸阳市重大科技创新专项项目(L2025-ZDKJ-ZDGG-RGZN-003)
中央高校基本科研业务项目(300102223204)资助。
-
文摘
针对智能车辆换道过程中高效性、安全性和舒适性的协调兼顾问题,本文提出一种基于迭代线性二次调节器(iLQR)算法的换道轨迹规划方法。首先,在横向路径规划方面,于Frenet坐标系下采用改进的五次多项式生成初步横向轨迹;在纵向速度规划方面,利用引入启发信息的动态规划(DP)方法,快速生成满足车辆运动学约束的速度规划序列。其次,通过iLQR算法对初始轨迹进行二次优化,将碰撞风险、舒适性及控制约束纳入优化目标,得到高效、安全且平滑的最优换道轨迹。最后,通过CarSim、Matlab/Simulink及Prescan进行联合仿真验证。仿真结果表明,该方法较传统DP算法换道效率提升约20%,纵向加速度更平稳,显著提升了换道的安全性与舒适性,可为自动驾驶车辆在复杂交通环境下的换道决策提供高效、可靠的技术支撑。
-
关键词
智能车辆
迭代线性二次调节器
改进五次多项式
动态规划算法
换道轨迹规划
-
Keywords
intelligent vehicles
ilqr
improved fifth degree polynomials
DP algorithm
lane change trajectory planning
-
分类号
U463.6
[机械工程—车辆工程]
-
-
题名基于有模型强化学习的飞行器制导技术研究
- 2
-
-
作者
滕庆骅
惠俊鹏
李天任
杨奔
-
机构
中国运载火箭技术研究院研究发展中心
北京长征航天飞行器研究所
-
出处
《宇航总体技术》
2025年第2期26-34,共9页
-
文摘
面向避障、绕飞等任务驱动的飞行器在线轨迹,为了提升制导性能,适应快速变化的复杂场景,聚焦于充分利用飞行器模型中的已知信息,基于iLQR这种有模型强化学习方法,设计了智能化的制导方式。与无模型强化学习相比,有模型强化学习的可解释性好,训练难度低。在单飞行器制导仿真中,相比TD3算法,iLQR方法飞行过程平均制导误差增加了28.07%,中末交班点误差降低到12.35%,提升幅度巨大;在多飞行器编队保持问题上,相比TD3算法,iLQR方法跟踪效果提升巨大,平均误差不超过TD3算法的22.67%,最大误差不超过TD3算法的15.44%。
-
关键词
ilqr算法
有模型强化学习
标准轨迹制导
强化学习制导
编队保持
-
Keywords
ilqr algorithm
Model-based reinforcement learning
Standard trajectory guidance
Reinforcement learning guidance
Formation keeping
-
分类号
V448.1
[航空宇航科学与技术—飞行器设计]
-
