基于预瞄的智能车辆路径跟踪控制研究

针对智能车辆在实际行驶过程中的路径跟踪问题,综合考虑车辆位置和动力学状态,建立了二自由度车辆动力学模型和路径跟踪预瞄误差模型,并将预瞄误差模型与二自由度车辆动力学模型相结合。以最小化横向预瞄误差和车辆与目标路径之间的方位偏差为控制目标,基于线性二次型最优状态调节器(LQR),得到了安装四轮转向控制器的智能车辆的前后轮转角。将车辆的前后轮转角作为车辆模型的输入,控制车辆稳定地跟踪期望路径。仿真结果表明:提出的路径跟踪控制策略能够在车辆换道时始终维持横向预瞄误差和方位偏差在较小范围内,同时具有较好的横向稳定性。     

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。     

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。     

基于双闭环滑模结构的自动泊车路径跟踪控制

为提高自动泊车系统倒车入库时的路径跟踪控制精度,保证在狭小停车场地情况下自动泊入目标车位的成功率,提出一种双闭环的滑模变结构路径跟踪控制方法。将车辆运动学模型的跟踪控制器系统转换成含有位置控制器和姿态控制器的双闭环级联子系统,并设计一种指数和幂次相结合的趋近律,使泊车跟踪路径在有限时间内达到快速收敛。基于Matlab/Simulink搭建了跟踪控制模型。仿真结果表明:设计的路径跟踪控制算法能保证跟踪点快速收敛到理想路径,可提高自动泊车入库的成功率。     

含间隙系统的约束时间最优预测控制

为了解决含间隙机械系统最优控制的计算复杂度问题,设计了基于分段仿射(PWA)模型的约束时间最优预测控制器。为了降低在线控制的计算复杂度,利用动态规划方法在模型的状态和参考跟踪速度的范围内提前计算出了离线的控制律。在跟踪参考速度的实验中,约束时间最优预测控制器具有较好的跟踪控制性能,与约束有限时间最优控制器相比,计算时间降低了十几倍,因此,适合于小采样时间系统的实时跟踪控制。     

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。     

基于不变集的半挂汽车列车防侧翻控制研究

针对行车过程中的不确定性干扰及半挂车高度的强非线性导致的模型失配问题,应用不变集理论,将状态、控制输入和干扰的约束考虑为鲁棒控制不变集并作为控制器的终端约束,建立了反映半挂车横摆及侧倾运动学特性的7自由度动力学模型,用于预测控制算法设计控制器、跟踪参考信号、解决滚动优化带约束的有限时域最优控制问题,得出最优控制输入,即3根主车轴的防侧翻力矩,并由主动防侧倾杆实施以达到防侧倾控制。最后进行了典型工况的仿真,结果表明:应用所设计的鲁棒模型预测控制器可较好地防止半挂车侧翻。     

双点预瞄式智能车大曲率路径的横向控制

针对智能车在大曲率弯道中转向机构过早响应以及跟线精度不高的问题,提出了一种基于双预瞄点的智能车大曲率路径横向模糊控制方法。首先建立了车辆的横向控制系统结构,给出了车辆的动力学模型和视觉预瞄模型,进而提出了双点预瞄调节策略,给出了模糊控制器的设计方法并采用遗传算法进一步优化了控制器的控制规则,最后通过仿真实验验证了控制器的有效性及准确性。结果表明:所设计的控制系统能根据前方道路的曲率及车速实时调节预瞄距离,既能确保车辆的转向角以较高精度实时跟踪大曲率路径,又能保证车速在弯道中处于预定的受控范围内。     

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。     

基于虚拟网格技术的自适应车辆跟踪算法的研究

为了解决车辆跟踪速度、精度、非线性等问题,引入简化跟踪目标图像信息的虚拟网格技术,结合改进的Kalman预测理论,构建自适应车辆跟踪算法,利用该算法完成对移动目标车辆进行实时检测跟踪。测试结果验证了算法提高视频图像中移动目标跟踪速度,且以较高的精确性对单个、多个移动目标进行检测跟踪。     

基于非线性MPC方法的车辆稳定性控制

针对非线性模型预测控制(NMPC)在车辆操纵控制过程中的实时性问题,提出了显式NMPC的解决方法,然后在显式NMPC中将优化问题进行离线求解,并通过在线评估得到满足要求的次优解。最后基于显式NMPC方法设计了一种车辆横摆和侧向稳定控制器,该控制器通过车辆的制动系统发挥作用。为验证控制器的有效性,进行了相关的仿真试验,分析了代价函数公式中权值的影响,并对最优控制问题的不同设置方案进行了比较分析。     

基于伪谱拼接法的自动泊车路径规划

在局促环境下自动泊车路径规划是自动泊车研究的难点。基于Gauss伪谱法开展智能车入库的路径规划研究,首先使用P-Norm函数刻画出车库位置和车辆边界,然后根据车库和车辆位置添加边界约束,并融合车辆运动学约束构建泊车路径规划控制模型,将最优控制问题转化为非线性规划问题(NLP),运用序列二次规划法进行求解。仿真实验结果显示:Gauss伪谱法能对狭窄空间内多阶段泊车进行整体求解,证明了该方法的可行性。     

离轴拖挂轮式移动机器人跟踪控制研究

针对离轴拖挂轮式移动机器人挂车的轨迹跟踪控制问题,基于拖车和挂车运动轨迹的相对曲率关系提出了一种动态跟踪方法。建立离轴拖挂轮式移动机器人的运动学模型和动力学模型。通过拖车和挂车位置几何关系给出了两车的速度关系,进而得到两车运动轨迹相对曲率之间的关系。基于曲率关系将挂车的运动任务转化为拖车的运动任务,并结合动态跟踪方法设计比例积分反馈控制器完成拖车的运动任务。最后通过模拟仿真实现了挂车精确的轨迹跟踪控制,仿真结果表明在所提控制器的作用下,挂车在拖车的拉拽下可精确地跟踪目标轨迹曲线。由于所使用的动态跟踪方法引入了目标轨迹曲线的相对曲率,极大地提高了跟踪的精确性。     

自抗扰算法在无人车路径跟踪控制中的应用

为了提高无人驾驶车辆路径跟踪的精度与稳定性,设计一种对车辆不确定性和外部干扰具有较强鲁棒性的ADRC控制算法,并基于粒子群优化算法对其关键参数进行整定,进一步提高控制器效果。该控制算法优势在于设计简单,计算量较小,能够实时估计和补偿未知扰动。基于Matlab/CarSim联合仿真平台,对所研究算法与PID算法进行仿真验证。结果表明:在双移线工况下,与PID控制器相比,所提出的ADRC控制算法具有更强的鲁棒性,能够有效改善由道路曲率变化而导致车辆抖动的问题,实现更加精确、稳定的路径跟踪效果。     

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。     

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。     

采用模糊逻辑的移动机器人轨迹跟踪

针对差动轮驱动的移动机器人动力学的高度非线性和运动环境的不确定性,提出了基于模糊逻辑的移动机器人路径跟踪控制方法。该方法通过合理选择模糊控制器的参数和优化规则库,使其输出合适的线速度和角速度,从而控制移动机器人准确地跟踪预规划的路径。提出了两轮差动式移动机器人的动力学模型,使得该模糊控制器对不同几何参数的差动式机器人具有普遍的适应性。在实际场地试验和亚太机器人大赛中验证该方法的有效性。     

一种改进A~*算法在智能车中的应用研究

在智能车的自主导航中,要求规划模块在满足一定限制条件下,生成符合智能车运动特性的路径。而传统A~*算法存在着路径点不平滑,路径点紧挨障碍物和起始时刻路径不合理的问题。为了解决传统A~*算法所存在的问题,首先建立了车辆运动学模型并得到约束条件,同时将方向代价和自适应障碍物惩罚代价加入评价函数中;然后用车辆约束条件优化启发函数和路径优化模块;最后通过自由边界三次插值算法拟合转折点,使A~*算法规划的路径能够更好地被跟踪。通过实验分析可知:相比于传统A~*算法,改进A~*算法规划的路径更适用于实际车辆的运动控制。