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。     

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。     

基于改进蚁群算法的汽车避障路径规划

为在不同工况下为汽车规划出一条安全且合理的局部避障路径,利用MAKLINK图论法建立带有障碍物的二维环境模型,通过Dijkstra算法规划初始次优避障路径,考虑车辆运动学等约束改进蚁群算法,从而搜索出一条最优避障路径。在Simulink中搭建车辆-驾驶员闭环系统模型,将最优避障路径输入到该模型中进行路径跟随;根据汽车主动安全评价指标对路径跟随效果及车辆横向稳定状态进行评价。结果表明:改进蚁群算法规划出的避障路径具有较好的跟随效果,且符合车辆横向稳定性要求。说明改进后的蚁群算法进行汽车局部路径规划具备一定可行性。     

基于动力学系统方法的自主移动机器人行为设计

提出了动态障碍物环境下基于动力学系统方法的移动机器人行为设计。在行为动力学模型中考虑障碍物运动速度和运动方向,使得移动机器人具有根据移动障碍物的运动而调整自身线速度和角速度的能力,实现自主避障。用碰撞时间和碰撞角度描述的碰撞区域作为对移动机器人运动的约束,这样可消除无谓的避障运动。仿真结果表明所提出的设计方法能有效地改善动态环境下的移动机器人自主导航能力和工作效率。     

考虑动力学约束的智能车辆路径跟踪控制研究

针对智能车辆的路径跟踪控制方法中传统的MPC控制器往往只考虑控制量约束和控制增量约束、未考虑输出量约束的情况,以线性2自由度车辆侧向动力学模型作为预测模型,提出了一种路径跟踪控制方法。通过将车辆在路径跟踪过程中的输出量质心侧偏角和横摆角速度约束在一个操纵稳定性状态平稳域内,将路径跟踪问题转变为在多种约束条件下求解控制系统最优值的问题,以此来跟踪目标路径。采用Carsim和Matlab/Simulink进行联合仿真验证,结果显示:所设计的控制器能较好地跟踪参考路径,控制器在跟踪目标路径的过程中表现平稳、可靠。     

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。     

一类切换系统的模型参考自适应控制分析

研究了基于超稳定理论设计一类线性切换系统的模型参考自适应控制的自适应律方法,给出了系统控制律(控制器)和切换策略,并得到了切换系统在切换策略下渐进稳定的自适应律.仿真结果表明,跟踪误差收敛状态验证了此方法的有效性.     

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。     

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。     

线控四轮独立转向汽车执行机构容错控制研究

针对可能出现多种执行器故障的线控四轮独立转向汽车系统,首先建立简化线性2自由度模型并定义包含多种故障的执行器故障模型,然后基于直接自适应控制方法的设计思路,引入一种鲁棒自适应容错控制策略。以跟踪参考模型为目标进行了容错控制器的设计,实现执行器故障模式下汽车对理想参考模型的零质心侧偏角和修正横摆角速度的跟踪。基于Lyapunov函数证明该容错控制器可以确保闭环系统渐近稳定。Matlab仿真及Carsim/Simulink联合仿真结果均表明,所提方法能够有效实现线控转向汽车执行器故障情况下的容错控制。     

自动驾驶横向控制模型及方法研究综述

回顾了自动驾驶的历史,并对用于智能汽车横向控制的整车横向模型和横向控制理论进行梳理和介绍。应用于控制和仿真建模的车辆模型一般有考虑轮胎受力的非线性动力学模型、针对小转角工况的线性动力学模型以及针对低速工况的运动学模型。应用于横向控制的方法有经典控制、最优控制、鲁棒自适应滑模等智能控制以及基于大数据的驾驶员模型控制方法。针对各类控制模型和控制方法进行了评述,并最终根据现有研究成果和趋势完成预测和总结。     

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。     

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。     

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。     

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。     

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。     

基于重构控制分配的分布式电动车容错控制方法

针对分布式驱动电动车过驱动系统存在的冗余现象,以带有主动前轮转向系统的四轮轮毂电机驱动电动汽车为研究对象,设计了执行器故障后的容错控制算法。容错控制器采用集成控制结构,上层为运动跟踪层,基于模型预测控制算法,得到车辆跟踪期望状态所需总的力与力矩;下层为重构控制分配器,针对驱动电机的多种故障情况,以整车稳定性和安全性为目标制定重构控制分配率。通过实验表明,在高速高附的仿真工况下,面临多种执行器故障模式时,相比无控制的车辆,处于容错控制算法控制下的车辆横摆角速度最大值由0.3 rad/s降低到0.1 rad/s,质心侧偏角由0.03 rad降低到0.015 rad,显著提高了车辆的横摆稳定性与安全性能。