CarSim和Matlab/Simulink联合仿真分布式驱动电动车ACC研究

为实现分布式驱动电动车的自适应巡航控制(ACC)功能,基于Matlab/Simulink搭建ACC控制策略,采用分层控制方法,首先设计上层控制器,根据目标车辆运动状态信息分别计算巡航和跟车模式下的期望加速度,然后根据不同模式间的切换逻辑和下层控制器,计算对应模式下的四轮驱动力矩和制动压力,最后通过CarSim和Matlab/Simulink联合仿真进行模型验证。验证结果表明:该模型可以在巡航和跟车结合的综合工况下实现良好的自适应巡航控制。     

协同自适应巡航控制系统跟车算法设计

针对协同自适应巡航控制系统,采用基于模型预测控制原理的一种鲁棒跟车控制算法。考虑头车位置、速度、加速度等信息建立带有头车加速度干扰的车间纵向动力学模型。考虑跟车过程中的舒适性和安全性,建立了带有误差修正项的模型预测控制算法,提高了控制系统的鲁棒性。从Carsim/Simulink联合仿真可以看出:跟随车辆与前车的车间距始终大于最小安全距离,同时跟随车辆的加速度峰值比头车小,且变化趋势也更为平缓。在达到协同自适应巡航控制系统目的的同时,满足了安全性和舒适性的要求。     

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。     

高速铁路缓和曲线行车动力性能对比分析

针对三次抛物线、半波正弦和一波正弦3种线型的铁路缓和曲线，以不同的列车运行速度变化规律建立了3种不同的分析工况,理论计算了车体横向加速度时变率。利用铁道车辆系统动力学数值仿真软件，建立了具有93个自由度的单节高速车模型，同时考虑轨道不平顺的影响，仿真计算了车体横向加速度时变率，对比分析了3种不同工况下缓和曲线上车体横向加速度时变率的变化情况。结果表明，在未考虑轨道不平顺时，列车以变化的速度运行，半波正弦更具优势，在车站两端加减速地段可以考虑采用半波正弦型缓和曲线，以提高旅客乘坐舒适度；轨道不平顺对高速行车     

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。     

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。     

基于滑模控制的三轴重型汽车平顺性优化研究

建立了基于半主动悬架的9自由度三轴重型汽车垂向动力学模型,为提升其平顺性,针对该重型汽车模型设计了滑模控制系统,对悬架阻尼力进行控制。该控制器以天棚阻尼系统为参考,使重型汽车振动响应跟随参考系统。基于Matlab/Simulink软件对滑模控制系统进行验证,在B级路面不同车速工况下进行响应分析。结果表明,所建立的控制器在不同车速下,均能有效改善车辆垂向加速度、俯仰角速度和侧倾角加速度。     

基于悬架变形的改装车稳定性计算方法

以导弹试验车的稳定性设计为例,考虑悬架变形和质心偏移的影响,利用车辆在平路转弯和横坡直线行驶两种工况下的侧翻临界状态力学模型,建立了车辆稳定性精确计算方法,对车辆稳定性进行分析计算并对发射车纵向稳定性进行了校验.     

汽车稳定性控制系统模型及横摆控制仿真

在Matlab/Simulink中建立了包括横摆运动、侧倾运动的八自由度整车动力学模型和车辆参考模型。采用车辆横摆角速度的状态差异法,基于模糊控制理论制定了直接横摆控制策略,实现了ESC系统对车辆的稳定性控制。对典型工况鱼钩试验进行仿真分析。结果表明:所制定的控制策略可以有效地实现横摆稳定性控制,而且减小了侧向加速度,使汽车具有一定的抗侧翻能力,提高了汽车的稳定性和安全性。     

基于人机共驾的车道保持驾驶辅助系统

针对驾驶员因疲劳、分心以及横向风等因素,无意识地使车辆偏离车道线的问题,提出了一种通过固定的共驾系数实现辅助驾驶系统与驾驶员之间人机共驾的车道保持驾驶辅助系统研究方法。为了模拟驾驶员分心、疲劳状态,建立了驾驶员模型。在驾驶员模型的基础上,采用分层控制方法设计车道保持驾驶辅助系统。上层控制器利用模型预测控制方法设计转向角矫正策略;下层控制器根据上层控制器计算的期望横摆力矩对车辆进行防侧翻稳定性控制。搭建CarSim与Matlab/Simulink联合仿真平台,设计不同行驶工况,并分别采用人工驾驶和辅助驾驶2种方式进行仿真试验,仿真结果表明:无论在高速、低速或者低附着系数路面,当人工驾驶的车辆偏离车道中心线时,驾驶辅助系统均能及时矫正车辆的行驶方向,保证车辆稳定地跟踪车道线。     

基于变速积分PID的KRG速比控制策略研究

以新型锥环无级变速器为研究对象,针对在车辆速比变化较大工况下目标速比阶跃输入对实际速比影响较大的情况,采用变速积分PID控制器对锥环无级变速器的速比进行控制。通过Matlab/Simulink建立整车仿真模型和变速积分控制器模型,对急加速和全减速两种典型工况进行仿真分析,验证整车仿真模型和变速积分速比控制策略的正确性。基于dSPACE系统对搭载锥环无级变速器的样车进行实车试验,将试验结果与仿真结果对比,验证速比控制策略的可行性。     

基于自适应Backstepping的分布式驱动电动汽车容错控制

针对分布式驱动电动汽车控制系统发生不确定的执行器故障情况,提出一种基于自适应Backstepping的容错控制方法。对电动汽车控制系统建立驱动电机故障模型,描述可能发生的执行器故障情况;采用自适应控制和Backstepping控制设计相结合的策略,针对各故障情况分别设计一种容错控制器;将各控制器进行融合得到一个复合控制器,提高了车辆的安全性和可靠性。基于Matlab进行了仿真验证:给出的容错控制方法能够保证车辆闭环系统稳定和渐近跟踪给定的输出指令,提高了车辆的操纵稳定性和执行器故障容错性能。     

应用无迹卡尔曼滤波算法的车辆侧倾稳定性控制

考虑轮胎的非线性,建立了9自由度动力学车辆模型,并在Matlab/Simulink中建立了仿真模型。针对车身侧倾角及其角速度难以测量的问题,以侧向加速度、4个车轮的垂直加速度、4个轮胎的变形、4个悬架动挠度和横摆角速度等14个状态量作为量测变量,运用无迹卡尔曼滤波算法,设计了基于车辆动力学模型及运动学关系相结合的车身侧倾角及其角速度观测器。仿真结果表明:车身侧倾角及其角速度的理论值和估计值较为吻合。针对车辆转向侧倾过大的问题,基于滑模变结构控制理论和车身侧倾角及其角速度估计值,设计了主动侧倾控制器,并在Matlab/Simulink中进行了仿真。仿真结果验证了主动侧倾控制器的有效性。     

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。     

基于自适应模糊PID控制的农用作业机械轨迹跟踪系统研究

为实现具备大转向间隙特征的智能农业作业机械的轨迹跟踪的稳定性和精确性,提出了一种新型的自适应模糊PID控制器。首先,基于预瞄跟踪理论,建立二自由度(2-DOF)车辆横向误差模型,并推算出其航向角误差。然后,提出了基于转角前馈补偿的自适应模糊控制器,根据驾驶员特性,建立模糊控制规则。最后,利用Carsim与Simulink进行联合仿真验证。结果表明:相比传统PID控制器,自适应模糊PID控制器可以有效地解决大转向间隙造成的转向控制稳定性问题,减少智能农机轨迹跟踪时的调整时间,提高跟踪精度,对较差的车况和工作环境具有较强的适应性和鲁棒性。     

汽车转向系统操纵性与稳定性协同最优控制研究

运用汽车二自由度模型对车辆进行主动前轮转角控制,针对车辆稳定性设计了LQR控制器,采用Carsim与Simulink联合仿真,在双移线工况下验证了控制器的可行性。通过大量仿真与系统分析,得到LQR参数与车辆稳定性的定性关系。在这一研究的基础上,设计了同时考虑车辆稳定性与操纵灵活性的协同控制器,采用同样的仿真方法,验证了协同控制器的优越性。结果表明,LQR控制可以提高车辆的稳定性;LQR控制器参数与车辆稳定性存在一定的相关性;协同控制器在LQR控制器的基础上可以起到折衷车辆稳定性与操纵灵活性的作用,为车辆控制器的设计提供了参考。     

基于RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

研究了无人驾驶车辆的轨迹跟踪问题,基于RBF(径向基函数)神经网络的自适应补偿和鲁棒控制分别设计了2种优化后的ILTV-MPC(增量线性时变模型预测控制)轨迹跟踪控制系统。建立了ILTV-MPC轨迹跟踪控制器,利用RBF神经网络的局部逼近特性,设计了RBF自适应补偿控制器逼近模型的不精确部分;进而将逼近过程产生的误差作为外部干扰,设计了RBF鲁棒优化控制器,从而对逼近误差予以抑制。应用Lyapunov稳定性分析推导出隐含层网络权值训练规则,证明了控制系统的稳定性。当行驶在良好路面时,与传统ILTV-MPC相比,RBF补偿-ILTV-MPC最大误差减小约38.73%; RBF鲁棒-ILTV-MPC最大误差减小约68.42%。结果表明:RBF鲁棒控制较RBF补偿控制可进一步提高ILTV-MPC控制器的跟踪精度,减轻车辆侧滑程度,提高车辆行驶稳定性。     

基于Matlab的自适应控制技术在车辆制动中的应用

针对汽车在制动环节中的纵向稳定性问题,根据其受力情况,建立了1/4车辆单轮模型,并在对传统控制器模型特点进行分析的基础上,优化设计了基于参数自适应的模糊PID控制器模型。利用Matlab针对不同控制方法进行仿真分析,结果显示:改良后的模糊PID控制器模型在其鲁棒性、控制精度、反应灵敏度、智能控制化方面有着较为明显的优势。这为进一步改进该控制器模型的模糊规则与控制算法方面提供了一定的参考。