陈 艳

(池州学院 机电工程学院，安徽 池州 247000)

自动入库泊车系统是汽车里不可缺少的重要系统，以保证入库泊车满足安全、舒适、迅速、准确停车等优化控制指标，其轨迹优化器应当具备强大的泊车轨迹优化性能，从而能够提供无避碰、精确的自动入库泊车轨迹曲线[1]。为提升入库泊车系统的控制性能，已经有大量的研究应用于实际的入库泊车实际问题中。针对链式系统，LIU K等提出了一种指数型全局收敛到任意给定范数界(epsilon收敛)的控制算法，并将其应用于自动停车系统[2]。LIU H等提出了一种基于两轮驱动车轮速度传感器的自适应鲁棒四轮计算定位方法，并应用于自动停车系统中[3]。赵林峰等提出了一种基于自抗扰控制的自动泊车路径跟踪[4]。入库泊车轨迹往往通过智能算法进行优化得到。鲸鱼优化算法(whale optimization algorithm, WOA)是一种具有较好的全局寻优性能的智能算法。美中不足的是其在迭代优化后期阶段，存在收敛性能差，会导致陷入局部最优的可能[5]。为提高鲸鱼优化算法的全局收敛性能，以泊车轨迹最短为目标，结合样条理论，对现有的鲸鱼优化算法进行了改进。首先在非线性递减的收敛策略基础上引入变速率调整因子，以此增强收敛性能和提高收敛速度，然后采用基于sigmoid函数的变异概率用以改善算法全局收敛性能。最后采用验证函数和自动泊车实际轨迹优化问题进行仿真验证，来对比不同优化算法性能。结果表明，本文改进算法具有更强的寻优能力。……