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。     

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。     

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。     

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。     

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。     

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。     

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。     

具有换道功能的自适应巡航控制策略研究

传统的自适应巡航控制车辆在面对前方低速行驶的目标车辆时只能低速跟车行驶,为提高ACC车辆的行车效率,提出了具有换道功能的自适应巡航控制策略。将ACC车辆的控制模式分为定速巡航、跟车巡航、换道巡航3种,基于速度不满意累计度设计了多模式切换策略。基于模型预测控制算法设计了定速巡航和跟车巡航纵向控制器、换道轨迹跟踪控制器,并利用五次多项式规划了换道轨迹。使用PreScan/CarSim/Matlab软件搭建仿真平台,设计多种测试工况,对设计的控制策略进行联合仿真测试。结果表明,设计的控制策略稳定且可靠。     

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。     

主动转向系统的变传动比设计及电机控制研究

针对传统变传动比曲线会造成电机角加速度波动的问题以及主动转向系统需满足响应速度快、鲁棒性强的要求,首先采用基于函数模型拟合的思路,构造反正切函数模型,通过最小二乘法对基于固定稳态转向系统增益的变传动比曲线进行局部拟合,使得两者在中速段达到最佳逼近。然后根据拟合变传动比曲线设计了全局快速Terminal滑模鲁棒控制律,实现对电机角位移信号跟踪。最后建立Matlab/Simulink仿真模型。与PID算法的对比实验结果表明:全局快速Terminal滑模控制算法响应快、无超调、无抖振,在各种工况下能准确、快速跟踪位置信号。由此可见:拟合变传动比曲线能明显改善电机角加速度的波动;全局快速Terminal滑模算法适用于主动转向系统的角位移控制。     

基于轮毂电机电动车的横向稳定性控制研究

选取具有独特性能和优势的电动车作为研究对象,采用轮毂电机加上液压系统进行动力输出,设计稳定性控制器对车辆的横摆稳定性进行控制。通过分层结构的控制器对横摆力矩进行控制,利用电液协调系统调节,增强其横摆稳定性。经研究,设计的基于滑模控制横摆稳定控制器以及电液协调系统对车辆横向稳定性有很大提升。从仿真结果来看,对于质心侧偏角和横摆角速度控制效果很好,车辆抗失稳能力有很大提升,证明了电液协调系统和滑模控制的可靠性。通过NI硬件在环系统对所设计控制器进行验证,证明了其有效性和实时性。     

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。     

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。     

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。     

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。