带挂牵引车前向运动模型推导及仿真实现

VIP带挂牵引车前向运动模型推导及仿真实现
牵引车-半挂车的车辆结构与普通的车辆相比增加了一个半挂车,它们之间通过鞍座相连接,为了分析半挂牵引车运动过程中的位姿和状态,本文将基于车辆的机械结构建立对应的运动学模型,该模型基于以下假设: 车辆行驶过程中,道路平坦且无凸凹; 车辆低速行驶,且运行过程中车身无侧倾和俯仰运动; 车辆行驶过程中,轮胎无形变,无侧向滑动,且无侧向力; 牵引车和半挂车均满足阿克曼转向几何原理; 牵引车与半挂车不会发现折叠。
开通可读全文 ·3.1k 人阅读
最低0.47元/天 解锁文章

1.序言

牵引车-半挂车的车辆结构与普通的车辆相比增加了一个半挂车,它们之间通过鞍座相连接,为了分析半挂牵引车运动过程中的位姿和状态,本文将基于车辆的机械结构建立对应的运动学模型,该模型基于以下假设:

  • 车辆行驶过程中,道路平坦且无凸凹;
  • 车辆低速行驶,且运行过程中车身无侧倾和俯仰运动;
  • 车辆行驶过程中,轮胎无形变,无侧向滑动,且无侧向力;
  • 牵引车和半挂车均满足阿克曼转向几何原理;
  • 牵引车与半挂车不会发现折叠。

2. 运动学模型及推导

牵引车带挂前向运动是开环稳定的,其对应的自行车模型如下所示:

带挂牵引车前向运动模型

其中:

  • A A A:牵引车的前轮中心点,其坐标为 ( x f , y f ) (x_f,y_f) (xf​,yf​);
  • B B B:牵引车后轮中心点,其坐标为 ( x r , y r ) (x_r,y_r) (xr​,yr​);
  • C C C:牵引车与半挂车的铰接点,也是半挂车的等效前轮中心点,其坐标为 ( x 1 f , y 1 f ) (x_{1f},y_{1f}) (x1f​,y1f​);
  • D D D:半挂车后轮中心点,其坐标为 ( x 1 r , y 1 r ) (x_{1r},y_{1r}) (x1r​,y1r​);
  • L L L:牵引车的轴距;
  • L a L_a La​:铰接点 C C C到 A A A的距离;
  • L b L_b Lb​:铰接点 C C C到 B B B的距离;
  • L 1 L1 L1:半挂车的轴距;
  • δ f \delta_f δf​:牵引车前轮转角;
  • δ 1 f \delta_{1f} δ1f​:半挂车虚拟前轮转角;
  • φ \varphi φ:牵引车航向角;
  • φ 1 \varphi_1 φ1​:半挂车的航向角;
  • θ \theta θ:铰接角,即牵引车与半挂车的航向的夹角;
  • v v v:牵引车的纵向速度;
  • v 1 v_1 v1​:半挂车的纵向速度;
  • v 1 f v_{1f} v1f​:挂车虚拟前轮速度;
  • α \alpha α:挂车虚拟前轮与牵引车航向的夹角。

结合我们前面车辆运动学方程推导和代码实现的推导,可得牵引车的运动学模型如下
{ x r ˙ = v cos ⁡ φ y r ˙ = v sin ⁡ φ φ ˙ = v tan ⁡ δ f L (1) \begin{cases} \dot{x_r}=v\cos{\varphi}\\ \dot{y_r}=v\sin{\varphi}\\ \dot{\varphi}=\frac{v\tan\delta_f}{L} \end{cases}\tag{1} ⎩ ⎨ ⎧​xr​˙​=vcosφyr​˙​=vsinφφ˙​=Lvtanδf​​​(1)
对于半挂车我们也把其等效为自行车模型,则其也有
{ x 1 r ˙ = v 1 cos ⁡ φ 1 y 1 r ˙ = v 1 sin ⁡ φ 1 φ 1 ˙ = v 1 tan ⁡ δ 1 f L 1 (2) \begin{cases} \dot{x_{1r}}=v_1\cos{\varphi_1}\\ \dot{y_{1r}}=v_1\sin{\varphi_1}\\ \dot{\varphi_1}=\frac{v_1\tan\delta_{1f}}{L_1} \end{cases}\tag{2} ⎩ ⎨ ⎧​x1r​˙​=v1​cosφ1​y1r​˙​=v1​sinφ1​φ1​˙​=L1​v1​tanδ

VIP Python实战:用NumPy和Matplotlib模拟半挂牵引车运动轨迹(附完整代码) 本文通过Python实战,详细讲解了如何使用NumPy和Matplotlib库构建半挂牵引车的运动学模型并模拟其运动轨迹。文章从基础的自行车模型扩展到铰接车辆建模,提供了完整的代码实现,包括车辆状态更新、运动方程推导以及利用Matplotlib进行动态可视化。该实践有助于理解自动驾驶和车辆动力学仿真中的核心概念,为机器人、路径规划等应用提供基础。 开通可读全文·263 阅读·5 点赞·4 收藏 阅读全文

相关推荐

半挂牵引车运动学建模与Python仿真实践

本文详细介绍了半挂牵引车的运动学建模原理与Python仿真实践。通过建立自行车模型并推导关键运动学方程,文章展示了如何用Python代码实现半挂车的数字孪生仿真,帮助读者理解其独特的运动特性,为自动驾驶算法开发和测试提供安全高效的虚拟环境。

weixin_29271053的博客 531

车辆运动学模型—bicycle model

参考文献: 【1】Rajamani R. Vehicle Dynamics and Control[M]. Springer Science, 2006. 【2】https://blog.csdn.net/u013914471/article/details/82968608 1 . 单车模型(bicycle model) 假设条件: 假设车辆只有前后两个轮A和B,C为车辆质...

weixin_40059786的博客 1万+

MATLAB SIMULINK中卡车动力学设计与仿真:牵引半挂车案例分析

MATLAB SIMULINK 是一个可视化的多域仿真和基于模型的设计工具,广泛应用于工程领域。它允许工程师在图形界面中构建复杂的动态系统,并对这些系统进行仿真分析。SIMULINK为包括信号处理、通信、控制系统以及多领域物理系统在内的多种应用提供了丰富的模型库。在卡车动力学设计领域,SIMULINK提供了一个强大的平台来模拟和优化卡车的性能。工程师可以利用SIMULINK建立卡车动力系统的详细模型,这包括发动机特性、传动系统以及整车动力学行为等。

weixin_29301059的博客 962

卡车动力学设计:MATLAB SIMULINK中的运动牵引半挂车-matlab开发

本文介绍了在MATLAB SIMULINK中对运动牵引半挂车进行建模仿真的过程及其数学模型。

二自由度车辆动力学模型(Simulink)

二自由度车辆动力学模型(Simulink)

使用基于python的neurora进行表征相似性分析(RSA)

发现了一款用于表征分析的Python API,还是挺方便的,这里简单介绍一下进行表征相似性分析的使用方法。

zjh12312311的博客 2769

FPGA SPI驱动ADC避坑指南:以ADC128S022为例,详解时序设计与代码调试

本文以ADC128S022为例,详细解析FPGA通过SPI驱动ADC的时序设计与代码调试中的常见问题。从时钟分频计算、SPI模式选择到状态机实现,提供避坑指南和实战技巧,帮助工程师解决数据采集系统中的时序匹配难题。特别针对FPGA与ADC通信中的微妙差异,给出精确的Verilog代码示例和ModelSim仿真验证方法。

weixin_42522374的博客 463

脑电数据处理——预处理

可以看到,分段和基线校正已经完成了。

weixin_48539970的博客 7003

智能车赛道识别:八邻域算法的实战解析与优化

本文深入解析了智能车赛道识别中八邻域算法的核心原理与实战优化。作为兼顾性能与稳定性的经典方案,该算法通过模拟探险家环顾八方的策略,能精准追踪弯道与直道边界。文章详细拆解了代码逻辑,并提供了边界平滑、异常处理及应对十字路口、环岛等复杂场景的关键优化策略,助力开发者提升智能车视觉系统的鲁棒性与实时性。

weixin_29228781的博客 267

从牛顿冷却定律到热传导方程:一维热传导方程的物理直觉与数学推导

本文从牛顿冷却定律出发,结合傅里叶热传导定律和能量守恒原理,系统推导了一维热传导方程的数学形式。通过微元分析和物理直觉,揭示了温度随时间变化与空间二阶导数之间的关系,并阐释了热扩散率α的物理意义。文章还探讨了方程的边界条件、数值解法及其在材料科学和工程中的应用,为理解热量传递提供了清晰的物理图像和数学框架。

palm99的专栏 843

基于STM32单片机的智能分拣系统

基于STM32单片机的智能分拣系统是一种高效、精准的自动化分拣解决方案,适用于物流、仓储、制造业等领域。该系统利用STM32单片机作为核心控制器,结合传感器技术、电机控制算法和通信模块,实现对物品的自动识别、分类和分拣。通过智能化的设计,该系统能够大幅提高分拣效率,降低人工成本,并减少错误率。基于STM32单片机的智能分拣系统是一种高效、精准、低成本的自动化解决方案,能够广泛应用于物流、制造、环保等领域。

qq_62634009的博客 1941

在 Eclipse 里快速用上 SAP Joule:ABAP 开发者的 AI 助手上手指南

本文介绍了SAP Joule for developers如何集成在ABAP开发工具中,为开发者提供AI辅助能力。主要内容包括: Joule作为ADT的增强层,直接嵌入开发流程,支持在项目资源管理器、代码编辑器等场景下通过上下文菜单调用AI功能。 核心使用方式:打开Joule视图后,可在开发对象、代码片段等上下文中使用自然语言交互,请求解释、生成测试或获取示例代码。 重点功能: Explain:解释现有代码逻辑,降低理解成本 ABAP Unit测试生成:快速创建与上下文相关的测试用例 支持在传输管理器等完整

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 404

【YOLOv8科研级创新】集成HS-FPN特征融合网络,让Neck模块在参数量锐减100W的同时精度跃升

打开确保模型解析器能识别HS_FPN模块。通过将HS-FPN集成到YOLOv8中,我们实现了一个“轻量级多尺度特征融合+精准检测”的目标检测模型。这个改进不仅在工程上能提升多尺度、细粒度场景的检测效果并降低部署成本,更在科研上提供了“选择性轻量级特征融合”的创新思路——这种思路可以延伸到其他检测网络(如Faster R-CNN、SSD)的Neck模块改进中,帮你在论文中打造独特的研究点。

m0_64661770的博客 138

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: 基于模糊控制的纯跟踪横向控制在倒车中的应用及实现
下一篇: 带挂牵引车倒车运动模型推导及仿真实现
艰默
博客等级 码龄12年 627粉丝 133原创
评论 9
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

艰默

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址