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。     

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。     

基于非线性车辆模型的行驶状态与路面附着系数估计

路面状况和行驶状态的准确识别是车辆安全行驶和主动控制的重要依据。为了验证车辆行驶状态和路面附着系数估计的有效性,建立了包含Dugoff轮胎模型的四轮三自由度整车仿真模型,提出了基于扩展Kalman滤波理论的车辆行驶状态与路面附着系数估计算法。车辆在设定的双移线路面附着系数分别为0.8、0.7、0.6的工况下进行仿真,对比车辆的运动状态和车辆转向输入激励的趋势的一致性,验证了该模型的合理性。结合该模型计算出的Dugoff轮胎模型纵向和侧向归一化力,通过Matlab编程实现扩展卡尔曼算法估计,算法估算得到的汽车行驶状态参量和路面附着系数与仿真值进行对比。通过结果对比表明,车辆行驶状态估计值与Simulink数值解的均方根误差(RMSE)指标最大值不大于0.03,由于轮胎与路面是动态接触,路面附着系数呈上下波动状,实现了对车辆行驶状态参量和路面附着系数的实时估计,为重型车辆稳定性控制提供了理论基础。     

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。     

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。     

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。     

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。     

基于模糊控制的车辆主动避撞系统及仿真验证

为了提高车辆主动避撞系统的安全性和舒适性,建立了纵向和横向危险状态判别模型以判断车辆行驶时的安全性,设计了基于模糊控制的车辆主动避撞系统,模糊控制器Ⅰ选取驾驶员类型和主车车速为输入参数,主动制动阈值为输出参数,实现根据驾驶员类型和行车工况的不同来控制不同的制动时刻,模糊控制器Ⅱ选取相对速度和相对距离,输出制动信号以对车辆制动过程中的制动压力进行控制。通过Prescan仿真平台建立前车静止和车辆碰撞远端行人测试工况,对设计的主动避撞系统的有效性进行了仿真验证。仿真结果表明:所提出的基于模糊控制的车辆主动避撞系统能够有效避免碰撞,并兼顾车辆高速行驶工况下的安全性和低速行驶工况下的驾乘舒适性,同时还满足了不同类型驾驶员对主动避撞系统激活时机差异的需求。     

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。     

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。     

基于GPS/DR的智能桥梁检测车定位系统的研究

针对桥梁底部缺陷自动探测时,需要定位缺陷点的问题。本文通过建立桥底模型和相关坐标系、分析智能桥检车的结构,设计了一个组合定位系统。其中车辆定位子系统采用了基于模糊自适应卡尔曼滤波的GPS/DR组合定位方式,并对该子系统模型进行仿真,结果表明可有效地实现车辆的定位,并得出准确的工作臂末端定位和缺陷定位基座标信息,该系统为桥梁底面缺陷自动检测提供了关键的技术支持。     

分布式电动汽车行驶状态与路面附着系数估计

路面附着系数是影响汽车行驶状态估计的重要因素,单一路面附着系数下的汽车行驶状态估计无法适应各种路面工况。针对分布式电动汽车行驶状态与路面附着系数估计问题,研究了一种基于双容积卡尔曼滤波理论的联合估计算法。利用分布式电动汽车多信息源优势,建立3自由度车辆估计模型,将多传感器信号作为估计模型的输入,侧向力通过Dugoff轮胎模型计算获得,设计行驶状态和路面附着双容积联合估计算法。通过典型工况对接路面双移线进行仿真实验,结果表明算法能够实现实时准确估计。     

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。     

基于多传感融合的目标跟踪方法研究

针对单一传感器对前方车辆识别准确率低的问题,基于多传感器融合模型建立了1种目标车辆识别方法。首先开展摄像头与毫米波雷达的联合标定,实现多传感器在时空上的融合;然后引入全局最近邻算法对雷达和摄像头各自采集的目标序列与跟踪目标进行数据匹配,确定跟踪目标的2组局部估计;最后通过D-S证据理论对2组目标序列进行优化组合,获取车辆行驶状态的最优结果,从而实现对目标的识别。通过Matlab/Simulink联合搭建试验平台对所研究的融合模型进行算法验证。试验结果表明:该融合算法在不同天气条件下对目标的平均检测率为88.3%,可实现对目标车辆的准确识别与跟踪。     

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。     

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。     

分布式驱动电动汽车横摆稳定性控制研究

根据分布式驱动电动汽车电机转矩可独立控制、轮胎纵向力可灵活分配的特点,通过控制轮胎纵向力产生附加横摆力矩的方法提高车辆的横摆稳定性。设计了分层控制器对车辆横摆稳定性进行研究,上层控制器利用滑模控制方法计算保持车辆稳定的附加横摆力矩;下层控制器分别利用液压差动制动分配方法与平均分配方法分配附加横摆力矩。基于Matlab/Smulink与CarSim仿真环境,选取双移线路面进行车辆横摆稳定性仿真。研究结果表明:施加控制器作用后,可使车辆横摆角速度较好地跟随理想值并将质心侧偏角控制在2. 5°以内,车辆具有较好的轨迹保持能力与行驶稳定性。两种力矩分配方法均能得到较好的控制效果,其中平均分配方法控制效果更优。     

分布式驱动电动汽车多电机系统改进型环形耦合控制

采用轮毂电机驱动的电动汽车,多电机协同控制是车辆安全行驶的重要因素。基于目前多电机控制系统跟踪误差和同步误差较高的问题,为提高控制精度及四轮独立驱动电动汽车的行驶稳定性,结合傅里叶级数循环学习法提出了一种改进型的环形耦合控制方法。该方法通过循环学习有效地提高了控制方法的控制精度,明显降低了多电机运行时的跟踪误差和同步误差。通过Matlab/Simulink搭建了四轮毂电机同步控制模型,验证了所提控制方法的可行性。基于CARSIM与Matlab/Simulink联合仿真平台模拟实车运行,进一步验证了所提多电机协同控制方法能够有效降低四轮电机运行的同步误差和跟踪误差,有助于提高车辆的运行稳定性。