基于多传感融合的目标跟踪方法研究

针对单一传感器对前方车辆识别准确率低的问题,基于多传感器融合模型建立了1种目标车辆识别方法。首先开展摄像头与毫米波雷达的联合标定,实现多传感器在时空上的融合;然后引入全局最近邻算法对雷达和摄像头各自采集的目标序列与跟踪目标进行数据匹配,确定跟踪目标的2组局部估计;最后通过D-S证据理论对2组目标序列进行优化组合,获取车辆行驶状态的最优结果,从而实现对目标的识别。通过Matlab/Simulink联合搭建试验平台对所研究的融合模型进行算法验证。试验结果表明:该融合算法在不同天气条件下对目标的平均检测率为88.3%,可实现对目标车辆的准确识别与跟踪。     

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。     

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。     

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。     

分布式驱动电动汽车多电机系统改进型环形耦合控制

采用轮毂电机驱动的电动汽车,多电机协同控制是车辆安全行驶的重要因素。基于目前多电机控制系统跟踪误差和同步误差较高的问题,为提高控制精度及四轮独立驱动电动汽车的行驶稳定性,结合傅里叶级数循环学习法提出了一种改进型的环形耦合控制方法。该方法通过循环学习有效地提高了控制方法的控制精度,明显降低了多电机运行时的跟踪误差和同步误差。通过Matlab/Simulink搭建了四轮毂电机同步控制模型,验证了所提控制方法的可行性。基于CARSIM与Matlab/Simulink联合仿真平台模拟实车运行,进一步验证了所提多电机协同控制方法能够有效降低四轮电机运行的同步误差和跟踪误差,有助于提高车辆的运行稳定性。     

基于OpenGL的视频车速解算虚拟仿真试验

针对实车试验无法精准控制行驶车速而不能探究交通事故视频车速解算误差范围的问题,基于Visual C++平台搭建OpenGL三维模型环境后开发了车辆运行场景仿真系统。实现了虚拟车辆的自主运动、场景的数字化编辑和视角的自由切换,并通过相机模型模拟记录车辆纵向运动的视频图像以研究视频车速解算的准确性。结果表明:通过道路固定摄像与车体参照物、道路固定摄像与环境参照物和本车车载摄像与环境参照物3种方法解算车速的最大误差分别为1%、2.2%和2%。基于双因素方差分析发现,车辆实际速度对解算结果相对误差的影响不显著(α=0.05)。     

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。     

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。     

车路协同环境下的双雷达车辆检测和跟踪优化方法

为降低单一角度检测误差、改善驾驶员视野盲区,基于车路协同环境下提出了一种车载和路侧双毫米波雷达融合的车辆检测和跟踪算法。利用自适应DBSCAN算法建立路侧雷达数据在车载雷达坐标系的映射,采用无迹卡尔曼滤波算法实现车辆运动状态跟踪。在此基础上,通过在实际场地采集真实雷达数据进行仿真计算,并利用高精度定位和OBD读取的车速进行对比验证。研究结果表明:该方法取得了较理想的车辆跟踪效果。     

基于LabVIEW和单线激光雷达的障碍物识别算法研究

为实现对动态障碍物的检测和跟踪,提出一种基于LabVIEW和单线激光雷达自主动态障碍物的检测方法。通过改进的DBSCAN自适应动态阈值算法对雷达点云进行聚类,使用最近邻算法的思想进行连续两帧雷达点云的数据关联,采用卡尔曼滤波对障碍物轨迹进行跟踪。实验结果表明:在低速驾驶的条件下,该方法能够有效识别车辆前方30 m的移动障碍物并检测其位置和速度。     

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。     

基于改进Stanley算法的目标假车路径跟踪控制

为了满足智能汽车封闭场地测试的需求,开发了一种智能车场地测试用软目标车,能够有效地提高场地测试的安全性和效率。在封闭场地功能场景的测试中,软目标车应能够按照预设的GPS轨迹高精度行驶。为了提高目标车的路径跟踪精度,设计了基于偏差的比例、积分、微分和Stanley控制算法的横纵向控制器,基于遗传算法得到Stanley控制算法参数的最优知识库,利用模糊控制算法实现Stanley控制算法参数的自适应调节,基于Carsim和Matlab/Simulink联合建立了软目标车仿真模型,最后在封闭场地中进行实车验证。结果表明：提出的控制方法能够满足智能汽车封闭场地测试要求。     

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。     

基于SRCDKF的交互式多模型算法

给出了一种基于平方根中心差分卡尔曼滤波的交互多模型(IMM)算法.该算法较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMM算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算.Monte Carlo仿真验证了该算法的可行性和有效性.     

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MPC算法的车辆自适应巡航系统分层控制研究

以前车加速度为参考,考虑跟车效率、行车安全性等因素,建立了车辆的自适应巡航控制策略;设计了基于模型预测控制算法(MPC)计算期望加速度的上层控制器;建立了逆纵向动力学模型计算节气门开度或制动力,实现自适应巡航功能的下层控制器。通过Matlab/Simulink和Carsim软件的联合仿真对巡航工况、巡航-跟车综合工况进行验证,结果表明:该控制方法能够使车辆获得理想的巡航速度,实现车辆在安全车距下较好地跟踪前车。     

电动汽车低速转向电子差速兼顾辅助转向控制

针对后轮独立驱动电动轮汽车转向差速控制技术,基于电动轮汽车低速转向特性,建立阿克曼转向差速模型。考虑电子差速控制对车辆转向的辅助作用,对电动轮汽车低速转向时电子差速兼顾辅助转向控制进行研究。仿真结果表明:基于阿克曼转向模型的转矩分配策略,不仅实现了基本的差速功能,对车辆转向行驶也有一定辅助作用。进行了电子差速控制实车试验,结果表明:控制策略能较好地应用于试验车辆。     

无人车辆轨迹跟踪与横摆稳定协调控制研究

针对无人车辆轨迹跟踪问题,为兼顾车辆轨迹跟踪和横摆稳定的双控制目标,提出了一种无人车辆轨迹跟踪与横摆稳定协调控制策略。根据车辆轨迹跟踪模型,基于快速幂次趋近律设计了车辆轨迹跟踪滑模控制器,旨在通过无人车辆自主转向控制跟踪参考轨迹。同时,利用滑模算法设计了车辆横摆稳定控制器,通过横摆力矩控制跟踪参考横摆角速度。考虑到横摆稳定控制器中横向车速未知的情况,设计了横向车速滑模观测器,从而为横摆稳定控制器提供信息输入。此外,利用横摆力矩控制量设计了前轮转向角补偿模块,通过轨迹跟踪和横摆稳定控制器的协调,进一步修正轨迹跟踪精度。利用CarSim和Simulink平台搭建了联合仿真模型。仿真结果表明:所提出的轨迹跟踪与横摆稳定协调控制策略能够实现轨迹跟踪,并兼顾车辆的横摆稳定性。     

基于质心侧偏角计算的自动转向控制

为改善车辆高速行驶时质心侧偏角对车辆横向控制的影响,基于车辆动力学分析与辨识提出了一种基于无迹卡尔曼滤波理论的精确计算质心侧偏角的方法,并将其应用于车辆的自动转向控制系统。为验证算法的有效性,进行了相关的仿真分析。仿真结果表明:在实时计算质心侧偏角的基础上进行车辆的性能控制,可提高车辆的瞬态控制精度,有效改善车辆的舒适性。     

基于卡尔曼滤波的运动员实时跟踪系统研究

应用计算机技术,并采用预处理算法和跟踪算法可建立基于卡尔曼滤波的运动员实时跟踪系统,用于实时分割、跟踪球场中运动着的运动员,得到其在运动场景中的各项运动参数,并进行技战术统计和分析,为教练员和运动员制定正确的运动技术方案提供决策依据。