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。     

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。     

基于模型预测控制的电动汽车起步工况仿真与性能评价

为提高电动汽车起步工况时的性能,设计了基于模型预测控制的驾驶员模型,建立了纯电动汽车整车模型和驾驶员模型。将驾驶员意图转化为加速踏板和制动踏板的开度变化,利用基于模型预测控制方法的上层控制器得到期望加速度,下层控制器根据期望加速度得到加速指令和减速指令,从而对车辆进行起步工况的加、减速控制。利用起步时间、驱动电机电压电流和冲击度3个评价指标对提出的模型预测控制方法和常规PID控制方法进行起步工况仿真的控制性能比较。分析了不同坡度(0%、10%和20%)和加速踏板开度下电驱动系统的性能。仿真结果验证了模型预测控制方法的有效性。     

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。     

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。     

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。     

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。     

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。     

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。     

一种新的求解离散型交通网络平衡设计问题的算法

本文提出了一种新的求解离散网络平衡设计二层规划模型的算法。模型求解中,上层问题采用粒子群算法,而下层问题则采用路径生成式logit非平衡交通分配算法。数值结果显示,本文提出的算法可以快速有效地求解这类网络平衡设计二层规划模型。     

基于车联网信息的自动换道方法研究

针对汽车自动换道时未考虑周围车辆运动状态变化以及舒适性差、通行效率低等方面的不足,提出在车联网条件下的自动换道方法。在动态轨迹规划时首先构建提高舒适性和通行效率的综合换道时间和最大加速度的目标函数;然后利用预定义的五次多项式、约束条件以及目标函数求解最优换道轨迹,并根据车联网提供的实时信息参考换道轨迹,实现数据实时更新以在前方出现突发状况时及时反馈给决策单元重新进行规划路径,防止碰撞,使得换道车辆适应周围车辆运动状态变化;最后开展Carsim和Simulink联合仿真以及实车验证。试验结果表明:相较于传统非动态自动换道方法,该方法能解决换道过程中周围车辆车速变化及车辆突然闯入等情况导致的难题,可明显提升换道过程中的安全性。数据分析证明:在保证车辆舒适性、稳定性的同时,换道时间缩短了22. 5%,提高了车辆换道效率。     

基于RBF神经网络的车辆安全换道时机决策模型研究

为了帮助驾驶人正确决策车辆换道时机,使用了一种模式识别方法——RBF神经网络,建立了车辆换道时机决策模型。模型可以预测车辆换道的安全性,从而保证驾驶人和车辆的安全。对车辆换道时机决策的影响因素进行了分析,提出了11个现代传感器容易获取的影响参数,并作为RBF神经网络的输入变量。模型的学习和测试运用了大量的车辆行驶数据,实验结果显示:11个参数的RBF神经网络模型预测精度较高,可以达到87. 9%,高于7个参数模型的81. 8%;随着模型精度的不断提高,在驾驶主动安全系统和智能车辆无人驾驶系统中,本文模型也可以起到关键的作用。     

变道过程非线性模型预测轨迹跟踪控制

针对变道过程中由于路面附着系数变化引起的模型非线性问题以及滚动优化算法对于实时性的要求,提出了变道过程非线性模型预测轨迹跟踪控制策略,分析了低路面附着系数引起的模型非线性特性,建立了变道过程轨迹跟踪模型及其前轮转角滚动时域优化求解方法。仿真分析及硬件在环测试可得,相比现有的线性轨迹跟踪方法,所提出的算法在高附着系数路面和低附着路面上的轨迹跟踪精度平均可提高14.35%,车辆横摆角速度跟踪误差平均可降低24.35%,侧向加速度误差平均可降低19.67%,有效实现了车辆在不同附着系数条件下的避障轨迹跟踪控制。     

基于车辆前方目标运动模型的主动避撞系统的研究

为提高毫米波雷达在探测目标运动状态方面的精确性,针对车辆前方目标运动特点,基于目标运动模型,采用卡尔曼滤波跟踪方法,根据城市道路车辆行驶的实际情况,选取当前统计模型作为机动目标模型,采用基于当前统计模型的卡尔曼滤波跟踪算法,应用Simulink搭建仿真模型,就匀速运动、匀加速运动及变加速运动3种前方目标行驶工况进行目标跟踪仿真对比试验。仿真结果表明:该算法可用于3种工况的目标跟踪,且误差小,具有良好的跟踪效果。搭建实车试验平台,采用一种安全距离模型,对目标跟踪算法进行实车试验。结果表明:使用该算法后车辆避免了碰撞,所建立的模型是可靠的。     

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CNN-LSTM模型的车辆换道前跟驰研究

考虑换道车辆在换道前的跟驰行为与无换道意图的一般跟驰行为有明显的差异,为研究车辆在换道前的特殊跟驰行为,提出“换道前跟驰”阶段概念,将换道车辆的跟驰过程划分为“基本跟驰”与“换道前跟驰”两阶段,以主车在换道前斜率的第五八分位数作为“换道前跟驰”的终点,使用z检验法验证了换道车辆在换道前跟驰阶段运动状态的特殊性。搭建CNN-LSTM网络以车辆速度、加速度、相对距离、横向偏移量等为输入,利用CNN层提取输入层特征,再将提取出的特征作为LSTM网络的输入,利用LSTM网络实现跟驰车辆状态的预测。仿真结果表明,传统的IDM不适用于车辆换道前的特殊跟驰行为,搭建的CNN-LSTM模型在加速度精度上较传统IDM模型提升了15.1%,更适用于车辆换道前跟驰状态的描述。     

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。