半挂汽车列车高速侧向稳定性控制研究

为提高半挂汽车列车高速变道行驶时的侧向稳定性,开展了挂车车轮主动转向控制研究。考虑侧风干扰和车身侧倾,建立挂车主动转向半挂汽车列车的5自由度车辆模型;以挂车的质心侧偏角和挂车质心处的侧向加速度为控制目标,设计挂车车轮主动转向的鲁棒控制器;为验证所设计控制器的有效性,基于搭建的TruckSim与Simulink联合仿真平台,在高速单移线和双移线行驶工况下,仿真研究挂车车轮主动转向的半挂汽车列车侧向动力学特性和挂车跟踪牵引车轨迹的跟随性。研究表明,所设计的挂车车轮主动转向鲁棒控制器是有效的,它能有效抑制变道时传统半挂汽车列车出现的挂车"过冲"现象,提高挂车跟踪牵引车轨迹的跟随性,并显著降低半挂汽车列车的质心侧偏角、侧向加速度和车身侧倾角。     

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。     

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。     

基于模型预测控制的自主应急转向系统设计

采用多输入多输出模型预测控制(MIMO MPC)方法,设计了一种自主应急转向系统。采用前轮转角和直接横摆力矩两种输入的单轨模型,对横向位移和航向角进行预测。采用梯形加速度剖面法,根据最大允许横向加速度来规划避障路径。仿真结果表明:MIMO MPC利用前轮转向角跟踪期望的侧向位移,提高了侧向位移和航向角的跟踪性能,相比单输入单输出模型预测控制(SISO MPC)能更精确地跟踪规避路径。     

两种驾驶员方向控制模型的比较研究

驾驶员方向控制模型是进行人-车-路闭环仿真和评价汽车操纵稳定性的重要环节,对于评价各种新型转向系统,探索汽车智能化驾驶技术有重要的指导和借鉴意义。针对目前应用较为广泛的预瞄跟随模型和基于手臂神经系统的LQR模型进行了分析,并结合仿真进行了对比研究。结果表明:2种模型虽然都具有良好的路径跟踪精度,但建模思路不同,具有相互不能替代的特点。研究成果为进一步完善和应用驾驶员方向控制模型提供了参考。     

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。     

基于转向临界的AFS和ESC集成控制研究

基于前轮转向临界设计主动前轮转向系统(AFS)和电子稳定性控制系统(ESC)的稳定性集成控制算法。采用人-车-路闭环系统,通过计算转向临界,运用线性二次型最优控制(LQR)和迭代学习PD死区控制设计AFS和ESC集成控制算法。通过CarsimMatlab/Sumilink模拟极限工况下稳定性集成控制效果。仿真结果表明:基于转向临界设计的AFS和ESC的集成控制算法优于其单独控制算法,能更有效地控制汽车横摆角速度、质心侧偏角、侧向加速度,使车辆准确跟踪目标路径,提高车辆在极限行驶工况下的操纵稳定性和舒适性。     

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。     

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。     

轮毂电机混合动力汽车硬件在环仿真研究

以轮毂电机混合动力汽车为研究对象,基于整车ADVISOR后向仿真模型,研究了整车硬件在环仿真平台的搭建方法。通过增加驾驶员模型以及修改整车后向仿真模型中部分部件模型,构建了基于Matlab/Simulink的整车前向仿真模型。利用TargetLink将控制策略模型下载至控制器实物中,以整车前向仿真模型为基础进一步建立被控对象模型,搭建轮毂电机混合动力汽车硬件在环仿真平台,并对控制策略进行了硬件在环仿真。硬件在环仿真结果与ADVISOR仿真结果相比,存在1. 8 s的响应延迟,但仿真数值基本吻合,表明了所搭建硬件在环仿真平台的有效性,为基于后向仿真模型的整车硬件在环仿真平台快速搭建提供了理论依据。     

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。     

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。     

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。     

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。     

基于MRR-KELM算法的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统的设计,提出了一种基于多输出迭代约简核极限学习机(MRR-KELM)的非线性模型预测控制(NMPC)方法。基于直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速以及涡轮级间温度等传感器数据,利用MRR-KELM算法,训练具有较好实时性、精度以及泛化能力的发动机预测模型,引入预测模型输出与发动机输出的误差对控制器指令进行反馈校正,利用序列二次规化(SQP)算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合仿真平台环境下,通过直升机机动飞行仿真,验证了该模型预测控制器相比于传统的串级PI控制具有更好的控制性能,可显著降低动力涡轮转速超调/下垂量。     

基于LTR动态预测的重载车辆防侧翻滑膜控制研究

为改善重载汽车的主动防侧翻能力,提出基于LTR动态预测的重载汽车防侧翻差动制动控制方法。针对重载汽车的实际干扰,将其简化为三自由度重载车非绊倒型侧翻动力学模型,以最大横向载荷转移率为控制目标,融合差动制动控制原理设计了可动态预测重载汽车侧翻且主动防侧翻的ABS差动制动控制方法;应用滑膜控制实时调控差动制动系统制动力,保证车辆的转向性能及制动性能。利用TruckSim及Matlab/Simulink进行联合仿真,并在车辆有较大负载的情况下选取了角阶跃实验及Fish-Hook实验2种典型工况对算法进行仿真测试分析。结果表明,该控制模型能够有效提高车辆的防侧翻能力,改善车辆的操纵稳定性。     

基于滚动时域算法的汽车电动助力转向电流跟踪方法研究

电动助力转向系统在路面干扰、传感器噪声的影响下会造成驾驶员不良路感,同时,转向系统里的不确定性也会造成控制困难。针对EPS系统在控制过程中,无法在保证性能的同时解决系统的干扰和噪声以及不确定性问题,提出了基于滚动时域算法的EPS电流跟踪方法,该方法通过反复实时采集车辆的状态计算最优控制率,将电流的跟踪性能作为主要的控制目标之一,通过检测到的实际输出对基于模型的预测结果反复修正,最终计算得到合适的助力矩使系统能最大程度地兼顾鲁棒性与性能。首先通过建立EPS的系统模型,同时引入汽车二自由度汽车模型、轮胎模型,构建系统的状态空间方程。然后,以较好的电流跟踪性能、较好的抗干扰性能以及较好的操纵稳定性能为控制目标,在加入随机干扰信号的系统状态空间基础上,设计了滚动时域控制器,并对EPS系统进行仿真分析及硬件在环实验验证。结果表明:采用滚动时域控制方法可以更好地实现EPS目标电流跟踪,有效抑制外部干扰噪声的影响,提高系统的性能以及鲁棒性,保证驾驶员获得良好的路感,提高系统转向操纵稳定性能。     

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。