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。     

考虑道路条件和车速的横纵向控制驾驶员模型

针对智能汽车在复杂路径下跟踪效果不佳的问题,考虑车辆横纵向动力学耦合作用,提出一种横纵向控制驾驶员建模方法。根据道路条件对车辆转向和速度控制的影响,建立一种考虑路径曲率和横向坡度的多约束车辆动力学模型,并推导车辆侧翻和侧滑的临界速度,预测参考路径的安全车速;采用横向模型预测控制获得最优的前轮转角控制序列,纵向PID控制实现纵向速度跟随;搭建Simulink-CarSim和硬件在环联合仿真系统。仿真结果表明：横纵向控制驾驶员模型能够预测安全车速,提高路径跟踪精度和行驶稳定性,同时具有较好的鲁棒性。     

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。     

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。     

一种面向智能汽车的工况自适应路径跟踪控制方法

为实现智能汽车在复杂路面条件下稳健的工况自适应性能,提出一种智能汽车自适应路径跟踪控制方法。基于模型预测控制(MPC)原理,设计了智能汽车路径跟踪控制器;依据总方差法建立路径跟踪综合评价指标,通过仿真分析不同路面附着系数下的路径跟踪效果,拟合路面附着系数与最优车速的关系曲线;根据不同车速和道路曲率,利用遗传算法优化得到所有典型弯道工况下最优时域参数,将纵向车速和道路曲率反馈引入MPC控制器,设计一种时域参数自适应的MPC路径跟踪控制器。在Carsim/Simulink平台上进行仿真试验,结果表明,自适应MPC控制器可根据不同工况采取合适的时域控制参数,与传统MPC相比,提高了路径跟踪过程中对路面附着系数和道路曲率变化的鲁棒性。     

基于双匀速轨迹的自动泊车路径规划研究

针对自动泊车过程中由于路径曲率不连续而常常出现的停车原地转向的问题,提出了一种基于车辆速度和方向盘转动角速度的泊车路径生成方法。分析了在车速和方向盘转速为恒值时的车辆轨迹特点即"双匀速"轨迹特点。引入了"过渡半径"和"切入半径"的概念,将双圆弧泊车路径与"双匀速"轨迹有机地结合起来,使泊车路径生成算法以及避障算法更为简便,泊车路径的相关参数以及泊车可行域都可以用车辆速度、方向盘转动角速度和车身几何尺寸计算得到。基于预瞄理论建立倒车驾驶员模型,在Carsim里对生成的"双匀速"泊车路径进行可行性验证,结果显示:这条由车辆"双匀速"轨迹计算得到的路径在车辆非匀速泊车过程中同样有较好效果。由此可知:基于"双匀速"的泊车路径生成方法有效地解决了泊车过程中的避障问题,同时满足了路径曲率连续性的要求,从而避免了泊车过程中停车转向的问题。     

基于预瞄模糊控制的自动泊车算法研究

针对目前自动泊车系统转向不连续问题,提出一种两段式泊车路径规划算法,采用Sigmoid函数对路径进行函数拟合,确定泊车路径。建立了横向预瞄模型,对路径追踪误差进行估计,采用模糊控制方法,对拟合后的理想路径进行追踪;搭建了Pre Scan虚拟仿真环境,通过超声波传感器获取车位信息,对提出的基于预瞄模糊控制的自动泊车算法进行了仿真验证。仿真结果表明:Sigmoid函数对两段式泊车路径的拟合决定系数可达0.99以上;采用该预瞄模糊控制泊车算法,汽车能很好地追踪规划的路径,并成功泊入预定车位。     

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。     

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。     

基于路径识别自循迹智能车的设计

本文设计并实现了一种基于K60微控制器以及OV7725摄像头的自循迹智能车控制系统,包含传感器、电源、电机驱动等模块电路和系统软件的设计;并提出了一种基于双边沿寻线提取赛道黑边的处理算法,进而根据处理结果计算偏差并经PID控制器控制舵机和电机,使行进中的智能车具有较好的转向功能以及加减速能力并实现了车体的自循迹运行.实验结果表明,该智能车系统具有较好的稳定性及动态性能.     

基于变速量化分级的车辆主动转向控制算法

针对车速动态变化引起转向特性改变,从而导致转向控制不稳定的问题,提出了基于变速量化分级的主动转向控制算法。首先,运用概率统计原理建立量化分级算法划分车速区间;其次,构建具备目标转向控制参数的车辆非线性动力学模型,在各分区间采集模型运行参数训练神经网络完成模式识别,结合基于位移偏差的修正算法建立分区间控制单元;最后,运用隶属函数实现了变车速下控制单元间的柔性切换。此外,设置车辆姿态监视算法,降低车辆的侧翻风险。联合Carsim车辆模型进行控制实验,结果表明,量化分级控制算法可提高变速工况转向控制的精度与稳定性。     

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。     

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。     

基于博弈论的车辆转向与驱动稳定性协同控制

为了解决四轮转向(FWS)和主动驱动控制(ADC)2种并存底盘控制系统的潜在冲突问题,进一步提高车辆的横向稳定性,基于博弈论,提出了一种开环信息模式下转向与行驶稳定性控制系统的协同控制策略。在博弈论架构内,将四轮转向(FWS)和主动驱动控制(ADC)2个相关控制系统视为2个博弈者,采用微分博弈模型对2个子系统的动态交互进行建模和求解。为了实现协同控制策略,采用了一种权值可调节的车轮转矩分配方法。为了验证协同控制策略的有效性,进行了Carsim/Simulink联合仿真测试。仿真结果表明：基于博弈论的协同控制策略可以合理协调四轮转向(FWS)和主动驱动控制(ADC)2个相关控制系统的控制权限,有效提高车辆的横向稳定性。     

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。