基于三次样条插值的自动入库泊车免疫粒子群改进算法

计算机与现代化 ›› 2022, Vol. 0 ›› Issue (02): 7-12.

基于三次样条插值的自动入库泊车免疫粒子群改进算法

(1.中车大连电力牵引研发中心有限公司实验事业部,辽宁大连116041；2.大连交通大学自动化与电气工程学院，
辽宁大连116028；3.上海交通大学自动化系，上海200240；4.内蒙古民族大学工学院，内蒙古通辽028000；
5.大连海事大学船舶电气工程学院，辽宁大连116026；6.江西新能源科技职业学院机电工程学院，
江西新余338004;7.内蒙古民族大学智能制造技术重点实验室，内蒙古通辽028000)

出版日期:2022-03-31 发布日期:2022-03-31
作者简介:王哲(1988—),男,辽宁大连人,工程师,硕士,研究方向:电气兼容,自动控制,自动泊车,E-mail: w13795163786@163.com; 王龙达(1986—),男,辽宁大连人,讲师，博士,研究方向:城市轨道列车多目标优化与控制算法; 刘罡(1984—),男,内蒙古通辽人,副教授,博士,研究方向:信息融合,避障,故障诊断,E-mail: liugang530242@163.com; 王兴成(1954—),男,辽宁昌图人,教授,博士研究生导师,研究方向:鲁棒控制,复杂系统控制,智能算法,智能交通; 王忠君(1990—),男,辽宁大连人,工程师,硕士,研究方向:电磁兼容技术,电气实验,E-mail: wangzhongjun@crrcgc.cc; 鲍鲁杰(1993—),山东济宁人,工程师,研究方向:电磁兼容实验,电气实验,E-mail: baolujie@crrcgc.cc。
基金资助:
内蒙古自治区自然科学基金资助项目(2017BS0605); 内蒙古民族大学博士科研启动基金资助项目(BS416); 内蒙古自治区高等学校青年科技英才支持计划基金资助项目(NJYT-17-B34)

Improved Immune Particle Swarm Optimization Algorithm for Automatic Parallel Parking Based on Cubic Spline Interpolation#br#

(1. Test Department, CRRC Dalian R&D Co. Ltd., Dalian 116041, China;
2. School of Automation and Electrical Engineering, Dalian Jiaotong University, Liaoning Dalian, 116028, China;
3. Department of Automation, Shanghai Jiao Tong University, Shanghai 200240, China;
4. College of Engineering, Inner Mongolia University for Nationalities, Inner Mongolia Tongliao 028000, China;
5. School of Marine Electrical Engineering, Dalian Maritime University, Dalian 116026, China;
6. School of Mechanical and Electrical Engineering, Jiangxi New Energy Technology Institute, Jiangxi Xinyu 338004, China;
7. Inner Mongolia Minzu University Key Laboratory of Intelligent Manufacturing Technology, Inner Mongolia Tongliao 028000, China)

Online:2022-03-31 Published:2022-03-31

摘要/Abstract

摘要： 传统自动入库泊车轨迹优化算法不易寻到光滑、精确且优化的泊车轨迹。结合智能自动入库泊车原理，本文提出一种基于三次样条插值的自动入库泊车方法，从而获得理想优化的泊车参考轨迹。为了有效地提升自动入库泊车轨迹寻优算法的性能，以泊车轨迹最短作为优化目标来选定一组合适的泊车位置参考点，在三次样条插值的基础上，又提出一种免疫粒子群改进算法。首先，为提升算法全局搜索性能和收敛速度，引入自适应变异策略；然后，引入免疫机制来有效提升其全局优化能力。测试函数及自动入库泊车实际算例的仿真结果表明，所提出的自动入库泊车免疫粒子群改进算法具有更高的寻优精度和较快的收敛速度。

关键词: 三次样条插值, 自动入库泊车, 粒子群算法, 自适应变异, 免疫

Abstract: It is difficult to obtain the smooth, accurate and optimal parking trajectory by using traditional automatic parallel parking optimization algorithm. For obtaining ideal optimal parking target trajectory, combined with the intelligent automatic parking theory, an automatic parallel parking method based on cubic spline interpolation is proposed. In order to improve the optimization performance for automatic parallel parking optimization algorithm effectively, an immune improved particle swarm optimization algorithm (IIPSO) based on cubic spline interpolation is proposed for choosing an appropriate parking position reference points by using shortest parking trajectory as optimization target. Firstly, for enhancing the global search performance and convergence velocity of particle swarm optimization (PSO), an adaptive mutation strategy is introduced. Secondly, an immune strategy is introduced to improve the global optimization ability of particle swarm optimization. The simulation results of test functions and the practical example of automatic parking indicate that the IIPSO algorithm proposed in this paper has better optimization precision and faster convergence speed.

Key words: cubic spline interpolation, automatic parallel parking, particle swarm optimization (PSO), adaptive mutation, immune

王哲, 王龙达, 刘罡, 王兴成, 王忠君, 鲍鲁杰. 基于三次样条插值的自动入库泊车免疫粒子群改进算法[J]. 计算机与现代化, 2022, 0(02): 7-12.

WANG Zhe, WANG Long-da, LIU GANG, WANG Xing-cheng, WANG Zhong-jun, BAO Lu-jie. Improved Immune Particle Swarm Optimization Algorithm for Automatic Parallel Parking Based on Cubic Spline Interpolation#br#[J]. Computer and Modernization, 2022, 0(02): 7-12.

参考文献［26］

［1］	MA S D, JIANG H B, HAN M, et al. Research on automatic parking systems based on parking scene recognition［J］. IEEE Access, 2017,5:21906-21917.
［2］	LIU K Z, DAO M Q, INOUE T. An exponentially epsilon-convergent control algorithm for chained systems and its application to automatic parking systems［J］. IEEE Transactions on Control Systems Technology, 2006,14(6):1113-1126.
［3］	LIU H Q, LUO S B, LU J Z. Method for adaptive robust four-wheel localization and application in automatic parking systems［J］. IEEE Sensors Journal, 2019,19(22):10644-10653.
［4］	李红,郭孔辉,宋晓琳. 基于样条理论插值的自动垂直泊车轨迹规划［J］. 湖南大学学报(自然科学版), 2012,39(7):25-30.
［5］	钱立军,胡伟龙,刘庆,等. 多段式自动泊车路径规划及其关键技术［J］. 吉林大学学报(工学版), 2016,46(3):785-791.
［6］	姜武华,辛鑫,陈无畏,等. 基于信息融合的自动泊车系统车位线车位识别和决策规划［J］. 中国机械工程, 2020,31(10):1190-1196.
［7］	杨从锐,钱谦,王锋,等. 改进的自适应遗传算法在函数优化中的应用［J］. 计算机应用研究, 2018,35(4):1042-1045.
［8］	GHOLAMI K, JAZEBI S. Multi-objective long-term reconfiguration of autonomous microgrids through controlled mutation differential evolution algorithm［J］. IET Smart Grid, 2020,3(5):738-748.
［9］	游晓明,刘升,吕金秋. 一种动态搜索策略的蚁群算法及其在机器人路径规划中的应用［J］. 控制与决策, 2017,32(3):552-556.
［10］	滕志军,吕金玲,力文,等. 基于改进粒子群算法的无线传感器网络覆盖策略［J］. 广西师范大学学报(自然科学版), 2018,36(3):13-20.
［11］	卓涛,詹颖. 改进人工蜂群算法的云计算资源调度模型［J］. 微电子学与计算机, 2014,31(7):147-150.
［12］	段艳明,肖辉辉. 求解TSP问题的改进果蝇优化算法［J］. 计算机工程与应用, 2016,52(6):144-149.
［13］	LIANG J J, QIN A. K, SUGANTHAN P N, et al. Comprehensive learning particle swarm optimizer for global optimization of multimodal functions［J］. IEEE Transactions on Evolutionary Computation, 2006,10(3):281-295.
［14］	王龙达,王兴成,邹广闻,等. 融入偏好信息的列车运行过程多目标优化算法［J］. 交通运输系统工程与信息, 2017,17(6):133-140.
［15］	钟臻,张楷旋,吴贞龙,等. 基于改进的LDW粒子群算法的风-火电力系统联合优化调度策略［J］. 电力大数据, 2017,20(10):50-55.
［16］	季伟东,徐浩天,林平. 自适应变异粒子群优化算法及在新冠肺炎疫情传播预测中的应用［J］. 小型微型计算机系统, 2021,42(3):472-477.
［17］	朱思峰,刘芳,柴争义. 基于免疫计算的TD-SCDMA网络基站选址优化［J］. 通信学报, 2011,32(1):106-110.
［18］	闫涛. TD-SCDMA基站选址的免疫优化实现［J］. 计算机工程与应用, 2011,47(31):206-208.
［19］	程丽媛. 基于人工免疫算法的船舶电子设备故障智能诊断［J］. 舰船科学技术, 2020,42(18):184-186.
［20］	谭文,方淼,段峰,等. 基于三次样条插值函数的3D激光图像去噪算法研究［J］. 中南大学学报(自然科学版), 2020,51(9):2496-2503.
［21］	KENNEDY J, EBERHART R C. Particle swarm optimization［C］// Proceedingsof IEEE International Conference on Neural Networks. 1995:1942-1948.
［22］	PRASAD K, RANJAN R, SAHOO N C, et al. Optimal reconfiguration of radial distribution systems using a fuzzy mutated genetic algorithm［J］. IEEE Transactions on Power Delivery, 2005,20(2):1211-1213.
［23］	李宏伟. 基于自适应交叉变异的飞蛾算法云计算任务调度策略［J］. 赤峰学院学报(自然科学版), 2020,36(1):26-31.
［24］	YANG B. Dynamic risk identification safety model based on fuzzy support vector machine and immune optimization algorithm［J］. Safety Science, 2019,118:205-211.
［25］	陈勇,郑瀚,沈奇翔,等. 基于改进免疫粒子群优化算法的室内可见光通信三维定位方法［J］. 电子与信息学报, 2021,43(1):101-107.
［26］	谭文举,贺德强,王合良. 基于免疫粒子群算法的地铁列车节能优化研究［J］. 机车电传动, 2017(2):93-95.

[1]	毛明扬, 徐胜超. 面向粒子群优化BP神经网络的粗糙集连续属性离散化算法[J]. 计算机与现代化, 2023, 0(09): 115-119.
[2]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[3]	陈刚, 王志坚, 徐胜超. 基于粒子群算法的移动边缘计算任务分配方法[J]. 计算机与现代化, 2022, 0(11): 32-36.
[4]	王梦, 张鸿鑫, 刘庆华, 张东. 基于改进YOLOv5的幽门螺杆菌免疫印迹图像识别[J]. 计算机与现代化, 2022, 0(09): 78-84.
[5]	黄玲, 白晓波. 基于PSO-KPLS的教师科研绩效预测[J]. 计算机与现代化, 2022, 0(06): 8-12.
[6]	张晓茹, 王丹, 王俊, 周锦程, . 基于先天免疫机制的果蝇免疫协同优化算法[J]. 计算机与现代化, 2022, 0(05): 40-45.
[7]	刘志锋, 舒志浩, 胥越峰, 杨舒伊, 沈文龙. 基于PSO自适应双策略的人工鱼群算法[J]. 计算机与现代化, 2022, 0(05): 46-53.
[8]	张彦虎, 鄢丽娟, 马志愤, 张彦军. 一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法[J]. 计算机与现代化, 2022, 0(05): 54-60.
[9]	李凌, 陈曦, 沈维捷, 熊汉武, 蔡冉冉. 面向电工装备智能监造的边缘缓存策略[J]. 计算机与现代化, 2022, 0(05): 61-67.
[10]	梁正友, 王璐, 李轩昂, 杨锋, . 基于改进PSO-TrICP算法的点云配准[J]. 计算机与现代化, 2022, 0(05): 90-95.
[11]	柴晨境, 刘宾, 潘晋孝. 基于阈值筛选的室内定位优化算法[J]. 计算机与现代化, 2022, 0(04): 79-85.
[12]	郭成, 张万达, 王波, 王加富. 多种群并行协作的粒子群算法[J]. 计算机与现代化, 2022, 0(01): 33-40.
[13]	陈翔, 邹庆年, 谢绍宇, 陈翠琼. 基于迁移学习策略的压板开关状态识别[J]. 计算机与现代化, 2021, 0(05): 120-126.
[14]	张忠, 邹燕飞, 刘淑英. 考虑交通流量的改进型电动汽车充/换电设施选址布局[J]. 计算机与现代化, 2020, 0(06): 114-.
[15]	杨万里1,2，周雪婷1，陈孟娜1. 基于Logistic映射的新型混沌简化PSO算法[J]. 计算机与现代化, 2019, 0(12): 15-.