提高安全性和交通流稳定性的车间距策略

提出了一种自治的自适应巡航控制(ACC)车辆的安全变时距(SVTG)车间距策略. 该策略利用ACC车辆的速度与最大减速度信息、SVTG车间距策略和相应的跟车控制律保证ACC车队的车辆安全性、单车稳定性、队列稳定性、交通流稳定性以及高的道路通行能力. SVTG车间距策略克服了固定时距(CTG)车间距策略的交通流不稳定以及变时距(VTG)车间距策略不安全的缺陷. 仿真结果表明SVTG车间距策略的性能优于其他两种车间距策略的性能.     

汽车纵向控制的停走巡航控制算法实验研究

本文讲述了车辆队列中汽车间距的纵向控制算法和试验结果。汽车纵向控制算法包括设定速度算法、车速控制算法和间距控制算法。该控制方法考虑了车辆队列的稳定性。控制算法中汽车预计加速度的计算是基于汽车可行驶间距计算的而不是基于车辆间通讯计算的。最终证明通过此车辆纵向控制算法可以实现确保车辆队列稳定的车辆间距控制。     

纵向控制的巡航控制算法实验研究

汽车纵向控制算法包括设定速度算法、车速控制算法和间距控制算法.该控制方法考虑了车辆队列的稳定性.控制算法中汽车预计加速度的计算是基于汽车可行驶间距计算的而不是基于车辆间通讯计算的.本文通过尾随前车工况最终证明通过此车辆纵向控制算法可以实现确保车辆队列稳定的车辆间距控制.     

CAN数据总线系统在汽车节能减排中的应用研究

对CAN数据总线系统应用于某品牌商用汽车发动机电控和数据传输的节能减排特性进行了试验研究,结果表明,装配CAN数据总线的车辆比未装配CAN数据总线的传统车辆车身总体减重300 kg,实现发动机实时工况控制节油7%,尾气减排5%,车身减重节油10%以上,多工况循环标准状态下燃料消耗量为7.26 L/100 km.综合节能效果显著.该研究为汽车节能技术发展提供一定的参考.     

智能车辆自适应巡航控制策略研究

为满足车辆自适应巡航安全性要求,提出了一种分层式自适应巡航控制策略。首先将车辆行驶模式分为定速巡航与跟车巡航两种,并设计控制模式切换策略,针对不同模式,分别建立基于PID控制和基于可变车头时距的安全车间距策略与最优控制的控制器模型,获得期望加速度;然后建立下层制动/节气门开度切换模型及其逆模型,得到车辆期望的节气门开度和制动压力,实现对车辆的控制;最后基于CarSim与Matlab/Simulink联合仿真平台进行测试。结果显示,所设计的安全车间距策略和控制策略能够保证巡航稳定性及安全性。     

基于MPC自适应巡航系统控制策略联合仿真研究

为了提高自适应巡航系统的鲁棒性和对复杂跟车环境的适用性,提出一种基于模型预测控制(model predictive control,MPC)的自适应巡航系统分层控制策略。上层控制策略主要考虑速度控制模式和距离控制模式之间的切换,下层控制策略则基于MPC理论而提出,确定汽车加速、减速或保持当前车速,以提升系统跟随性。在Carsim软件中选取有防抱死制动系统的C级掀背车,实时模拟两车(前车和本车)跟随的运行过程。在MATLAB/Simulink中建立纵向运动学模型,运用MPC控制策略对车辆的跟车工况进行联合仿真。结果表明,我们设计的MPC控制器与PID(proportional-integral-derivative,比例-积分-微分)控制器相比,在跟车工况下本车的加速度峰差值仅为1.65 m/s~2,加速度变化均值降低约23%,提高了驾驶的舒适性和行驶的稳定性;同时车间距误差范围控制在-0.5～7.3 m,均值误差降低约12%,在实际跟车环境中,能有效减少追尾、加塞等情况的发生。     

汽车自适应巡航与换道过程多目标协同控制

为提升自动驾驶汽车在自适应巡航跟车和车道切换联合工况下的纵向跟驰、横向稳定性能,针对加速跟随前车且同时换道这一特殊工况下的车辆行驶稳定性控制需求,提出了一种具有两层结构的协同控制策略.在分析跟车和换道联合工况控制需求基础上,建立了基于五次多项式的换道轨迹模型和固定车头时距跟车模型,设计了上层线性时变模型预测控制器,输出...     

基于深度确定性策略梯度的队列纵向协同控制策略

为了解决车辆队列控制中的车辆连续精确控制问题和行驶过程中车辆队列纵向稳定性问题,提出了一种在中等速度环境下基于深度强化学习(deep reinforcement learning, DRL)的车辆队列纵向控制策略。该策略充分考虑了影响队列安全的车辆距离、车辆速度和车辆加速度3个关键影响因素,并将车辆动力学和舒适性作为策略学习过程中的约束条件。首先,建立基于强化学习的车辆队列纵向控制模型。其次,提出一个深度强化学习过程来进行队列纵向控制策略的迭代,最终目标为获得车辆的最优控制策略;并且设计了一个多目标的奖励函数,该函数综合了距离误差、速度误差和加速度约束对应的奖励。最后,采用深度确定性策略梯度(deep deterministic policy gradient, DDPG)求解队列纵向控制问题,该算法将动作-评价(actor-critic, AC)网络的优点与深度Q网络(deep Q-network, DQN)的优点相结合,有效解决连续状态空间和连续动作空间上的车辆队列控制问题;并设计和训练了基于DDPG的队列控制模型用于队列纵向控制,验证该控制策略的有效性。结果表明:提出的基于强化学习的队列控制方法具有和分布式模型预测控制算法相当的控制精度,并能在"前车-领航车跟随"通信拓扑下实现队列的串稳定性。     

基于Fuzzy推理的路口微观跟车建模与仿真

微观仿真是研究车辆跟车行为的有效手段,而路口交通由于受冲突交通流及信号灯作用的影响,有着不同于路段的车辆跟车行为。在研究了路口跟车模型各个模块的模糊（Fuzzy）假言推理建模方法的同时,给出了其详细的仿真实现步骤。仿真效果证明了该模型与实际跟车行为的相似性。     

车辆多目标自适应巡航控制算法

为了综合协调车辆跟车时的追踪性能、燃油经济性能、驾乘人员舒适性能和跟车安全性能,研究了多目标自适应巡航控制(ACC)算法,建立了包含车辆模型和车间关系的ACC系统集成式纵向运动学模型,设计了描述追踪误差、燃油消耗量和驾驶员跟车行为误差的目标函数,以及保证动态跟车、期望驾乘感受和跟车安全的约束条件,基于模型预测控制理论将多目标ACC系统控制算法转化为带有多个约束的在线二次规划问题。采用反馈校正机制改善了算法设计时存在的建模失配和外部干扰等低鲁棒性问题,引入向量松弛因子解决了优化求解过程中硬约束导致的控制算法非可行解问题。仿真结果表明,相比线性二次型调节器的ACC算法,所提控制算法在前车循环工况中100km油耗降低9.3%,追踪误差指标降低21.7%,从而实现了良好的车辆追踪,同时满足驾驶员期望的跟车特性要求。     

基于模式切换的汽车自适应巡航系统分层控制

汽车自适应巡航系统通过分层控制即上层控制器向下层控制器(节气门或制动执行器)发出指令,实现汽车自动加速、减速或保持车速不变,以保持后车与前车间的期望距离。文章将自适应巡航汽车的控制模式划分为速度控制模式和车距控制模式,考虑到2种模式之间的博弈,根据车距与相对速度之间的关系建立2种模式之间的切换策略,以实现速度控制模式和车距控制模式间的平稳切换;再利用PI(proportional integral)控制和模糊控制对期望加速度进行控制,完成上层控制器的建立;根据刹车油门切换逻辑区分期望加速度和期望减速度,建立下层控制;最后利用CarSim和Matlab/Simulink软件对自适应巡航汽车的行驶工况进行联合仿真,仿真结果表明该控制策略能使后车较为稳定地跟踪前车。     

分层架构下智能电动汽车纵向运动自适应模糊滑模控制

针对智能电动汽车(intelligent electric vehicles,IEV)的纵向控制在不确定性干扰下存在非线性、强时变特征,提出一种分层控制架构下的智能电动汽车纵向跟车运动自适应模糊滑模控制方法.根据经典理论力学建立表征智能电动汽车纵向行为机理的动力学系统模型,并进一步构建智能电动汽车纵向跟车运动分层控制构架.上层控制根据本车与前车的行驶状态信息得出期望加速度滑模控制律,进而利用自适应模糊系统替代滑模切换项以改善控制性能;下层控制通过设计驱动/制动切换策略以提高行驶舒适性,然后基于逆动力学模型实时求解期望控制力矩以跟踪期望加速度.为验证所提方法的有效性,在不同行驶工况下进行的仿真试验结果表明,该方法能实现本车平稳准确地跟随前车行驶,且对前车加速度的干扰具有鲁棒性.     

基于全局快速积分终端滑模的智能车队有限时间纵向控制

针对智能车辆队列纵向协同控制问题,提出一种基于终端滑模和非光滑趋近律的有限时间控制算法以提高车队系统车间距的收敛性能和强队列稳定性。首先,为加快车辆队列车间距误差的收敛速度,实现目标车速的快速跟踪,构建包含车间距误差积分项的全局快速积分终端滑模面(GFITSMS)。其次,针对由外部干扰作用造成的车间距稳态收敛误差,提出连续但不可导的非光滑趋近律(NSRL),并基于提出的GFITSMS和NSRL构建全局快速积分终端滑模控制器(GFITSMC),通过构造Lyapunov函数,分析车队系统的队列有限时间稳定性和车间距误差的快速收敛性。研究结果表明,在首车-跟随(LF)通信拓扑结构下,相较于普通滑模控制器(SMC)和双幂次滑模控制器(DPSMC),所提有限时间控制器使车间距误差收敛时间分别减少了56.3%和50%,误差峰值分别降低了72%和58%。在前车-跟随(PF)通信拓扑结构下,车间距误差收敛时间分别减少了51.4%和48.6%。这表明所提有限时间控制算法在两种不同通信拓扑结构下均能有效地提高车间距误差的快速收敛性能和鲁棒性能,并显著改善由控制器产生抖振导致的车辆频繁加减速现象。     

考虑换道切入安全的混行车辆队列控制方法

智能网联车辆以队列行驶可以大幅提升道路的通行能力,但也会带来新的道路交通安全问题.针对随机车辆换道切入引发的碰撞风险,提出一种基于深度强化学习的混行车辆队列分布式控制方法.首先,针对车辆换道切入场景特点,考虑多控制目标建立深度强化学习奖励和智能体网络结构,建立混行车辆队列分层控制模型;其次,结合多因素道路安全性评价指标,利用复频域方法分析控制系统稳定性,得到车辆队列行驶安全性约束条件;最后,与线性控制和模型预测控制方法进行Prescan/Simulink联合仿真对比验证,相同条件下考虑换道切入安全的混行车辆队列控制方法使车间距降幅减小56.9%和52.1%,速度降幅减小58.72%和51.19%,车速标准差峰值降低54.8%和49%,碰撞时间最小值提高420.7%和265%,表明该方法应用于混行车辆队列行驶可大幅提升道路安全性.     

汽车自动巡航系统的PID控制

本文对汽车巡航控制系统,基于PID控制理论针对定速和跟车两种驾驶模式进行控制研究。通过MATLAB仿真表明：采用增量式PID控制方法结构简单、控制策略成熟、易于应用,且能够获得理想的定速巡航和跟车巡航控制效果。     

一种基于模糊-比例积分双模控制的主动队列管理算法

通过将模糊推理方法和PI算法相结合,提出了一种新的主动队列管理(AQM)算法--基于模糊-比例积分(Fuzzy-PI)的双模态控制主动队列管理算法--Fuzzy-PI AQM算法.该算法的基本思想是当偏差很大时,使用模糊逻辑控制,当偏差小于某一阈值时,则切换到PI控制,从而将模糊逻辑控制的鲁棒性强和收敛速度快的特点与PI控制稳态性能好的特点有机地结合起来,实现对网络拥塞的有效控制.而且,由于在设计模糊控制器时采用了合成推理的查表法,极大地提高了模糊控制的实时效果,节省内存空间,优化了路由器的控制性能.仿真结果表明:Fuzzy-PI AQM算法的性能优于传统的PI算法,对队列控制能力强,鲁棒性好,能很好地抵抗突发性业务的干扰,更适合工作在瞬息万变的动态网络环境中.     

Platoon车辆自动控制方法及性能分析

在车辆编队platoon的控制管理中领头车辆为跟随车辆周期性广播其运动参数及驾驶行为等信息是必要的.为了保证车队稳定性和鲁棒性,提出一种platoon车辆的自适应控制方法,该方法考虑领头车辆和相邻前车的动态信息,对包括车辆动力学和控制子系统的闭环线性系统,采用H_∞控制理论求解最优控制增益函数,并给出系统传递函数矩阵和间距误差函数所满足的队列稳定性条件.最后,用该方法得到platoon车辆运动参数及间距误差的变化轨迹,并对比仅考虑前车信息的控制方法.数值结果表明所提方法的控制效果更好,能实现车辆的渐进跟随,保证队列稳定性和驾驶安全性.     

重型半挂汽车避撞控制的研究

近年来 半挂汽车正逐渐向智能化进程迈进 避撞控制是半挂汽车实现智能化的重要组成部分 针对重型半挂汽车避撞控制 提出了一种综合驾驶员因素和环境因素的安全距离模型 依据模糊控制理论 确定了驾驶员反应时间参数 基于安全距离模型 采用指数趋近律的控制方法 设计了上层滑模控制器 并与下层 ＰＳＯ－ＰＩＤ 控制器结合构成分层控制系统 在Ｔｒｕｃｋｓｉｍ 软件中建立了前车静止和前车匀速的测试场景 结果表明:所提出的安全距离模型满足车辆避撞要求 车辆能够在安全距离下实现安全停车或跟车行驶     

3G系统中软切换双队列机制的多业务接入策略

提出了3G系统中软切换双队列机制的多业务接入控制策略,对不同业务给予不同的优先权,根据网络的不同状态控制语音或数据切换呼叫、语音或数据新呼叫入网;尤其采用软切换双队列机制,保证了有用的虚假切换请求不丢失,从而有效降低切换呼叫的切换失败概率.实验结果表明,该方法硬件实现简单并能动态分配移动通信网络资源,有效地保证移动通信网络中切换业务的服务质量;该接入控制策略具有切换呼叫等待处理时间短,切换失败概率低等特点.     

多交叉口工况的网联汽车最优节油驾驶策略

针对网联汽车在多交叉口工况的通行过程,提出了一种多信号灯配时已知条件下的节油驾驶求解方法,并建立了相应的驾驶策略。将两信号灯下的节油策略辨识问题构建为约束型最优控制问题,该问题以发动机油耗为性能指标,以车辆纵向动力学模型为状态方程,并考虑了车辆性能约束、环境约束等。为求解该问题,提出了以动态规划为核心的反向递推计算方法,发现了车辆加速-匀速-减速的3段式节油行驶模式。以此为基础,将车辆在多信号灯下的节油驾驶策略辨识问题转化为有向图的最短路径求解问题,并采用Floyd-Warshall最短路径算法进行求解,得到了各交叉口道路限速相同及不同工况下的车辆节油驾驶策略。