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。     

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。     

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。     

紧凑型驾驶员在环EMT换挡试验平台开发

常见的变速器换挡试验台架注重对换挡的动力学过程进行研究,而没有把驾驶员以及交通场景带来的外界随机扰动考虑在内。为了提升变速器换挡试验的真实性和可靠性,在原有电驱动机械变速器(EMT)换挡试验台架的基础上增加了紧凑型驾驶模拟仿真系统,集成了虚拟交通场景、驾驶操作部件以及基于模型预测控制方法的自动驾驶算法。在Lab VIEW环境下开发了数据采集与处理软件来实现驾驶模拟信息采集和处理、驾驶模拟仿真系统与变速器控制器通信、车辆运行状态以及换挡过程监控等功能。大量试验结果表明:该试验平台能够模拟车辆在不同路况和驾驶员风格下的运行状态,实现驾驶员和交通场景在环的EMT换挡试验。     

智能车队跟车纵向控制算法设计及仿真验证

为了解决智能车队自动跟随前方车辆行驶的问题,首先基于理论分析模型和车辆实验数据结合,建立智能车队行驶过程中纵向动力学模型。然后基于模糊智能控制算法,建立智能车队领航车驾驶员模型、车队跟随车辆跟车模型,最后通过Matlab/Simulink/Stateflow平台搭建数学模型。该模型简洁、准确,能满足车辆避撞和跟随的要求。通过仿真分析,验证了模型的正确性和合理性,可达到提高驾驶安全性、减少交通堵塞的目的。     

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。     

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。     

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。     

主动悬架非脆弱H_∞控制器设计

考虑车辆建模不确定性和执行器参数不确定性,基于2自由度1/4车辆模型设计主动悬架的非脆弱H_∞控制器,使悬架加速度、悬架动扰度、轮胎形变量得到优化。非脆弱H_∞控制器通过LMI(linear matrix inequality,线性矩阵不等式)算法求解,并在Matlab7.0/Simulink环境下搭建仿真模型进行仿真分析。研究结果表明:该控制器能有效改善车辆的乘坐舒适性,较好地解决平顺性与操纵稳定性之间的矛盾。     

随机车辆跟随系统的鲁棒控制

基于车辆系统建模中忽略的随机因素,根据伊藤随机微分方程建立随机车辆动力学模型,运用滑模控制研究了具有鲁棒性的随机车辆纵向跟随控制。假设参数有界,设计了一类随机车辆跟随系统的变结构鲁棒控制规律。运用随机车辆跟随系统的稳定性判据分析了控制系统的稳定性,得到控制系统收敛的充分条件。数值仿真表明,根据所设计的鲁棒控制策略,既能达到满意的跟踪性能,又可以有效减弱控制抖动。     

国内人群的驾驶风格分类及识别方法研究

为了进一步提高汽车燃油经济性、驾驶性、安全性、汽车可靠性,针对国内人群驾驶风格分类不合理及识别精度不高的问题,提出一种驾驶风格分类及识别客观化的方案:首先综合考虑驾驶风格影响因素,设计驾驶风格道路试验并建立驾驶风格数据库;其次制定驾驶风格评价指标并借助PCA算法实现评价指标的降维;接着选取k-means、模糊均值、层次聚类3种客观分类方法对数据库样本进行分类,借助主观评价及Silhouette函数挑选最佳的客观分类结果;最后基于神经网络建立驾驶风格识别模型并选择5组测试样本对其进行验证。5组样本的识别率为100%,说明该模型具有较高的识别精度。     

变速器疲劳寿命试验台油温控制系统设计与仿真

根据变速器疲劳寿命试验台对油温控制系统的要求,设计了试验台的油温控制方案。针对系统存在的严重滞后性和非线性等特点,结合传统的PID控制器和模糊控制器设计了一套基于自适应模糊PID控制器的油温控制系统。根据温控系统的工作原理及工程经验,借助Matlab中的Simulink仿真平台,建立了3种控制方式的控制模型,并将自适应模糊PID控制与传统PID和模糊控制器进行仿真对比,最后进行了抗干扰性分析。仿真结果表明:采用自适应模糊PID控制的油温控制系统精度更高,稳定性更好,具有较好的鲁棒性和适应能力。     

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。     

考虑舒适性的AEB避撞算法及仿真验证

为进一步优化汽车自动紧急制动系统的避撞算法,设计了考虑制动过程驾乘舒适性的制动减速度控制策略。通过设置制动减速度变化缓冲区对制动减速度及其变化率进行限制,得到满足舒适性条件的减速度控制曲线。基于AEB典型测试工况对设计的减速度控制曲线进行具体分析,提出了新的制动安全距离模型。最后,建立车辆纵向动力学模型并通过CarSim与Matlab联合仿真对提出的避撞算法进行仿真验证。仿真结果显示:提出的避撞算法能够在实现有效避撞的同时满足舒适性条件。     

基于复合正交神经网络的广义通用模型自适应控制

在自适应逆控制中应用复合正交神经网络具有算法简单、学习收敛速度快等优点,将复合正交神经网络与广义通用模型控制器策略相结合,提出了一种基于神经网络的广义通用模型自适应控制方法。该控制方法中的参考轨迹为一条典型的二阶曲线,控制器参数具有明显的物理意义,参数整定方便。仿真实验验证了该控制策略的有效性。     

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。     

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。     

基于GRN模型精密机械手末端映射关系

针对相邻关节误差对机器人末端的精度影响等问题,鉴于生物细胞自组织GRN模型的运行机理,提出基于GRN模型机械手精度的映射关系,研究机械手运动学模型和GRN模型的结构特性,分析机械手相邻关节误差的累积与GRN模型中细胞间的作用特点,求解基于GRN模型机械手相邻关节影响的误差模型,考虑在几何因素的影响下,以3R机器人为研究对象,建立求解机械手末端位姿的误差值,采用基于自适应粒子群算法优化的PID神经元模型对其进行误差优化,获取粒子群算法的进化过程和PID神经元控制器的控制曲线。仿真表明:基于GRN模型重载机械手相邻关节误差模型的有效性与合理性得到了验证,且机械手相邻关节引起的末端误差得到了有效控制。