基于分层式控制器的纯电动汽车车距控制研究

鉴于智能车辆的车距控制研究大多是针对传统燃油车,并缺少对多工况控制算法的研究,在Carsim/Simulink平台搭建了纯电动汽车动力学模型,以行车安全性为首要目标,结合驾驶员的驾驶特点和乘坐舒适性,建立了一种可变安全距离模型,设计了线性二次型最优控制理论和模糊控制理论相结合的分层式控制器,针对前方无车的情况,设计了定速巡航控制器。基于Carsim和Simulink联合仿真平台,对起停工况、定速巡航工况和距离保持工况进行仿真验证,结果表明分层式结构控制器具有较好的控制效果和鲁棒性,使智能车辆按照期望距离和速度安全行驶。     

道路表面特性突变对车辆安全性的影响仿真分析

为了探究车辆在经过路面附着系数变化路段时的行驶安全性,基于ADAMS/CAR建立人-车-路仿真系统,仿真模拟车辆在经过路段积水区域与隧道出入口附着系数较低路段的行驶状况,依据车辆动力响应指标,分析车辆在经过附着系数变化路段时的车辆安全性,提出相应的安全驾驶对策。仿真结果显示:在大半径曲线路段,轮胎单侧或交替经过积水区域比经过全段积水区域时可能更安全些,驾驶员应及时向积水相反方向转动方向盘有利于驾驶安全;车辆在减速驶入隧道和加速驶出隧道时,车辆加速度与路面附着系数对车辆安全行驶状态影响较大。因此建议驾驶员在隧道出入口制动与加速不要过快,进入隧道时应该提前减速,出隧道时不要急于加速或者匀速驶出隧道。     

基于非线性二自由度模型的线控转向系统变角传动比设计

在分析不同附着系数路面轮胎侧向力和侧偏角关系基础上,对同一附着系数路面下轮胎侧偏角进行分区、侧偏曲线线性化,建立非线性二自由度车辆模型。基于横摆角速度增益一定设计理想角传动比。对基于非线性二自由度模型和线性二自由度模型设计角传动比的车辆进行双移线仿真分析。仿真结果表明:在低附着系数路面,基于非线性二自由度模型设计的车辆方向盘转角和质心侧偏角减小,减少了驾驶员通过方向盘对车辆的修正次数,减轻了驾驶负担;横摆角速度和侧向加速度也相应减小,提高了车辆在低附着系数路面驾驶的稳定性。在高附着系数路面,基于两种不同模型设计角传动比的车辆,方向盘转角、车辆状态参数变化不大。     

基于模型预测控制的电动汽车起步工况仿真与性能评价

为提高电动汽车起步工况时的性能,设计了基于模型预测控制的驾驶员模型,建立了纯电动汽车整车模型和驾驶员模型。将驾驶员意图转化为加速踏板和制动踏板的开度变化,利用基于模型预测控制方法的上层控制器得到期望加速度,下层控制器根据期望加速度得到加速指令和减速指令,从而对车辆进行起步工况的加、减速控制。利用起步时间、驱动电机电压电流和冲击度3个评价指标对提出的模型预测控制方法和常规PID控制方法进行起步工况仿真的控制性能比较。分析了不同坡度(0%、10%和20%)和加速踏板开度下电驱动系统的性能。仿真结果验证了模型预测控制方法的有效性。     

分布式驱动电动汽车横摆稳定性控制研究

根据分布式驱动电动汽车电机转矩可独立控制、轮胎纵向力可灵活分配的特点,通过控制轮胎纵向力产生附加横摆力矩的方法提高车辆的横摆稳定性。设计了分层控制器对车辆横摆稳定性进行研究,上层控制器利用滑模控制方法计算保持车辆稳定的附加横摆力矩;下层控制器分别利用液压差动制动分配方法与平均分配方法分配附加横摆力矩。基于Matlab/Smulink与CarSim仿真环境,选取双移线路面进行车辆横摆稳定性仿真。研究结果表明:施加控制器作用后,可使车辆横摆角速度较好地跟随理想值并将质心侧偏角控制在2. 5°以内,车辆具有较好的轨迹保持能力与行驶稳定性。两种力矩分配方法均能得到较好的控制效果,其中平均分配方法控制效果更优。     

基于模糊控制的车辆主动避撞系统及仿真验证

为了提高车辆主动避撞系统的安全性和舒适性,建立了纵向和横向危险状态判别模型以判断车辆行驶时的安全性,设计了基于模糊控制的车辆主动避撞系统,模糊控制器Ⅰ选取驾驶员类型和主车车速为输入参数,主动制动阈值为输出参数,实现根据驾驶员类型和行车工况的不同来控制不同的制动时刻,模糊控制器Ⅱ选取相对速度和相对距离,输出制动信号以对车辆制动过程中的制动压力进行控制。通过Prescan仿真平台建立前车静止和车辆碰撞远端行人测试工况,对设计的主动避撞系统的有效性进行了仿真验证。仿真结果表明:所提出的基于模糊控制的车辆主动避撞系统能够有效避免碰撞,并兼顾车辆高速行驶工况下的安全性和低速行驶工况下的驾乘舒适性,同时还满足了不同类型驾驶员对主动避撞系统激活时机差异的需求。     

基于人-车-路闭环系统的路径跟踪模型预测控制

为提高人-车-路闭环系统的路径跟踪能力以及操纵稳定性能,利用Matlab/Simulink软件,搭建了3自由度汽车动力学模型以及基于车辆侧向加速度反馈修正的预瞄驾驶员模型,并与Carsim模型进行对比验证,检验了上述模型的正确性;根据模型预测控制理论,搭建了基于主动转向的路径跟踪模型预测控制器,采用双移线路径作为仿真工况,分别在有/无模型预测控制的情形下进行了仿真。结果表明:该模型预测控制器可将路径跟踪的误差均值控制在0. 1m以内,将瞬态误差极值降低50%左右,并消除了路径跟踪后期的震荡现象;此外,可保持汽车侧向加速度、横摆角速度值等操纵稳定性指标在合理范围之内。研究结果可为智能汽车的人-机共驾研究以及无人驾驶方向的进一步研究提供参考。     

紧凑型驾驶员在环EMT换挡试验平台开发

常见的变速器换挡试验台架注重对换挡的动力学过程进行研究,而没有把驾驶员以及交通场景带来的外界随机扰动考虑在内。为了提升变速器换挡试验的真实性和可靠性,在原有电驱动机械变速器(EMT)换挡试验台架的基础上增加了紧凑型驾驶模拟仿真系统,集成了虚拟交通场景、驾驶操作部件以及基于模型预测控制方法的自动驾驶算法。在Lab VIEW环境下开发了数据采集与处理软件来实现驾驶模拟信息采集和处理、驾驶模拟仿真系统与变速器控制器通信、车辆运行状态以及换挡过程监控等功能。大量试验结果表明:该试验平台能够模拟车辆在不同路况和驾驶员风格下的运行状态,实现驾驶员和交通场景在环的EMT换挡试验。     

四轮独立驱动电动汽车直接横摆力矩控制

为提高四轮独立驱动电动汽车横摆稳定性,在考虑纵向车速控制的基础上设计了直接横摆力矩控制策略。该控制策略由上下两层组成,上层控制器为基于车辆运行状态反馈的附加横摆力矩控制器,其控制方式为通过实际反馈的车辆状态参数与参考值对比,设计线性二次型调节器(LQR)计算目标附加横摆力矩。下层控制器为基于路面附着条件及前后轴荷比的轮毂电机转矩分配控制器。通过CarSim与Simulink建立联合仿真模型,选择双移线和正弦输入2种工况进行仿真试验。结果表明:所设计的控制策略能够使车辆质心侧偏角和横摆角速度较好地跟随参考值,可有效避免车辆侧滑失稳,提高车辆横摆稳定性和行驶安全性;与PID控制相比,LQR控制能够更有效地抑制横摆角速度振荡峰值。     

基于路侧单元视觉辅助的远程驾驶主动安全预警

针对远程驾驶过程中因临场感缺失以及通信时延带来的行车安全性下降问题,尤其是在视野遮挡的交叉路口等场景,提出了一种基于路侧单元视觉辅助的具有双层机制的主动安全预警辅助系统(R-VSAS),设计了相应算法。应用机器视觉方法,基于混合高斯模型进行运动车辆检测,介绍了系统控制策略以及相应算法,并通过Prescan和Simulink进行了驾驶员在环仿真。仿真结果表明:所提出系统能在被控车辆距离预测碰撞位置50 m位置开始提供视觉辅助,并在远程驾驶无有效操作时提供辅助制动控制,为远程驾驶操作员提供了更直观危险信息以及更充足反应时间,部分消除因通信时延以及临场感缺失带来的行车安全性下降问题的同时,通过辅助制动功能进一步降低了因网络失效、操作员失误等情形带来的行车安全风险。     

智能车队跟车纵向控制算法设计及仿真验证

为了解决智能车队自动跟随前方车辆行驶的问题,首先基于理论分析模型和车辆实验数据结合,建立智能车队行驶过程中纵向动力学模型。然后基于模糊智能控制算法,建立智能车队领航车驾驶员模型、车队跟随车辆跟车模型,最后通过Matlab/Simulink/Stateflow平台搭建数学模型。该模型简洁、准确,能满足车辆避撞和跟随的要求。通过仿真分析,验证了模型的正确性和合理性,可达到提高驾驶安全性、减少交通堵塞的目的。     

适应驾驶人的个性化自适应巡航控制策略

针对自适应巡航对驾驶人的适应性问题,将驾驶人风格因素融入到系统设计中,提出了适应驾驶人的个性化自适应巡航控制(adaptive cruise control,ACC)策略。首先,利用Kmeans算法对驾驶人数据进行聚类分析,将驾驶人分为谨慎型、适中型和激进型3类,对每类驾驶人驾驶特征参数进行分析,基于固定车间时距建立考虑驾驶人风格的安全距离模型;其次,将ACC系统分层控制,给出考虑驾驶人风格因素的ACC系统架构,建立车辆纵向逆动力学模型,应用PID建立下层控制器,基于模型预测控制(model predictive control,MPC)算法,综合考虑跟随性、驾驶舒适性等优化目标建立上层控制器。仿真结果表明:考虑驾驶人的个性化ACC控制策略可以满足不同驾驶人的个性化需求,同时,经仿真验证本论文提出的自适应巡航系统在车辆跟随及加减速工况下可保持良好的跟随性。     

基于非线性车辆模型的行驶状态与路面附着系数估计

路面状况和行驶状态的准确识别是车辆安全行驶和主动控制的重要依据。为了验证车辆行驶状态和路面附着系数估计的有效性,建立了包含Dugoff轮胎模型的四轮三自由度整车仿真模型,提出了基于扩展Kalman滤波理论的车辆行驶状态与路面附着系数估计算法。车辆在设定的双移线路面附着系数分别为0.8、0.7、0.6的工况下进行仿真,对比车辆的运动状态和车辆转向输入激励的趋势的一致性,验证了该模型的合理性。结合该模型计算出的Dugoff轮胎模型纵向和侧向归一化力,通过Matlab编程实现扩展卡尔曼算法估计,算法估算得到的汽车行驶状态参量和路面附着系数与仿真值进行对比。通过结果对比表明,车辆行驶状态估计值与Simulink数值解的均方根误差(RMSE)指标最大值不大于0.03,由于轮胎与路面是动态接触,路面附着系数呈上下波动状,实现了对车辆行驶状态参量和路面附着系数的实时估计,为重型车辆稳定性控制提供了理论基础。     

基于光流法与背景建模法融合的车道线识别算法研究

为了准确高效地识别无人驾驶车辆行驶过程中的车道线信息,采用光流法与背景建模法相融合的车道线识别算法,针对车辆行驶中的连续视频,对比连续视频帧中车辆前方背景的相对运动,运用光流法检测出背景中特征点的移动方向和距离,再结合背景建模法将背景滤除,混合高斯模型去噪后进行ROI特征区域的提取进一步减少计算量,最后进行车道线的提取与拟合,达到车道线识别与提取的目的。     

高速时转向盘角阶跃工况下电动轮汽车EPS与DYC的协调控制方法

为了保证电动轮汽车在高速时转向盘角阶跃工况下的操纵稳定性与行驶安全性,对电动助力转向(electric power steering,EPS)与直接横摆力矩控制(direct yaw moment control,DYC)开展联合研究,并提出一种新型的电动轮汽车EPS与DYC的协调控制方法:根据横摆角速度与质心侧偏角等车辆运动参数,经上层控制器滑模变结构控制获取协调控制权重系数K和附加横摆力矩,通过协调控制权重系数K对EPS输出的转向助力矩进行修正,同时由附加横摆力矩对4轮的纵向力进行DYC分配。利用Car Sim软件和Matlab/Simulink软件分别建立整车机械动力学模型和整车协调控制模型,将两模型联立后开展联合仿真。仿真结果表明:将EPS与DYC进行协调控制,不仅可显著提高电动轮汽车在高速时转向盘角阶跃工况下的方向稳定性,而且通过协调权重系数K适当削弱了转向助力矩,可避免在高速工况下由于驾驶员心理紧张而造成的误操作。     

智能车辆弯道换道路径规划算法与跟踪控制

为解决智能车辆在弯道工况下换道过程中的路径规划与跟踪控制的问题,提出一种弯道主动换道系统,主要包括基于可拓优度评价的弯道换道路径规划算法与基于模型预测控制的路径跟踪控制方法。该路径规划算法分为:上层路径生成器和下层路径选择器。上层路径生成器以不同的纵向距离采用5次多项式生成路径集合,下层路径选择器基于换道距离、侧向加速度、横摆角速度和质心侧偏角建立可拓优度评价控制器选出最优路径。通过参数优化的模型预测控制算法对规划的路径进行跟踪控制,基于Carsim和Matlab/Simulink的虚拟平台仿真验证该换道系统的有效性。结果表明:车辆在弯道上以不同的速度行驶,换道时,该系统皆能合理地规划出换道路径且能对换道路径进行准确、稳定跟踪控制。     

智能车辆路径跟踪横向控制研究

针对传统基于单一控制方法的车辆路径跟踪控制算法无法准确跟踪路径的缺点,以智能车作为研究对象,提出基于预瞄控制和模糊滑模控制的车辆横向控制算法。基于智能车在横向控制中的运动特性,建立横向和横摆两个自由度的车辆模型。针对传统基于反馈控制的方法实时性差的缺点,通过建立预瞄模型来获取预瞄偏差,保证车辆在行驶中提前预估前方道路环境信息,提高实时性。基于滑模和模糊控制,设计了智能车辆路径跟踪横向控制器。采用由集成偏差组成的滑模切换函数及其微分作为控制器的输入,把对误差的控制转化为对滑模函数的控制,保证了车辆转向时的稳定性。Matlab/Simulink的仿真结果表明:智能车辆路径跟踪横向控制器能够在曲率急剧变化的路段实现路径准确跟踪,满足车辆实际行驶要求。     

分布式电动车转向横向稳定性力矩适应性分配策略

为了提高分布式驱动电动汽车转向行驶的横向稳定性,基于Matlab/Simulink和CarSim建立了分布式驱动电动汽车二自由度动力模型,并设计了车辆的横向稳定性控制策略。控制系统由上下两部分组成：上层力矩计算控制器,主要基于PID控制策略计算车辆所需的附加横摆力矩;下层力矩分配控制器,根据车辆转向行驶时所需附加横摆力矩的大小,在差动驱动、差动制动、摩擦制动3种力矩分配方式中选取相适应的分配方式将力矩合理分配到各个轮毂电机上。研究结果表明：所设计的横向稳定性控制系统最大能够使车辆横摆角速度减小58%,并且可以良好地追踪理想质心侧偏角,且波动减少,有效提高了车辆转向行驶时的横向稳定性。在差动驱动分配方式控制下车辆对追踪期望速度具有良好的效果;车辆所需附加横摆力矩较大时,下层力矩分配控制器采用差动制动、摩擦制动分配方式将牺牲对期望速度的追踪。     

基于自适应模型预测的自主车辆避障控制研究

在无人驾驶车辆安全避障控制过程中,由于被控对象的非线性特性,线性模型预测控制器难以保证车辆避障系统的安全性及稳定性。以车辆二自由度运动学模型为基础,在已有感知障碍物信息的基础上,通过应用自适应模型预测控制理论,结合障碍物虚拟边界约束及车辆控制变量约束,设计了以节气门开度和方向盘转角为控制变量的线性时不变控制器,并在Simulink环境下与基于传统模型预测避障控制器进行比较。仿真结果表明:相较于模型预测控制,基于自适应模型预测控制理论设计的控制器能提高车辆避障安全性及舒适性。     

分布式电动汽车行驶状态与路面附着系数估计

路面附着系数是影响汽车行驶状态估计的重要因素,单一路面附着系数下的汽车行驶状态估计无法适应各种路面工况。针对分布式电动汽车行驶状态与路面附着系数估计问题,研究了一种基于双容积卡尔曼滤波理论的联合估计算法。利用分布式电动汽车多信息源优势,建立3自由度车辆估计模型,将多传感器信号作为估计模型的输入,侧向力通过Dugoff轮胎模型计算获得,设计行驶状态和路面附着双容积联合估计算法。通过典型工况对接路面双移线进行仿真实验,结果表明算法能够实现实时准确估计。