汽车方向控制驾驶员模型

建立合适的汽车方向控制驾驶员模型是人-车-路闭环系统最重要的环节之一.目前在传递函数、最优控制的基础上建立了补偿模型、预瞄补偿跟踪模型、预瞄最优曲率跟随模型等,但由于驾驶员驾驶特性的非线性、时变性等特征,上述模型很难模拟驾驶员实际操纵行为.考虑到驾驶员的操纵特性,运用智能控制理论,基于模糊控制、神经网络及这两者的结合,建立相应的驾驶员模型可以更加接近驾驶员实际的驾驶行为.     

汽车操纵稳定性动力学建模及其在人-车-路闭环系统中的应用

利用多体系统动力学方法建立了基于ADAMS软件平台的某一小型客车的整车动力学分析模型,同时和预瞄最优曲率驾驶员模型以及蛇行道路期望轨迹组成其人-车-路闭环操纵稳定模型.在MATLAB环境中对所建立的模型进行蛇行试验仿真,结果表明,ADAMS和MATLAB联合仿真在汽车闭环操纵稳定性分析上是有效和合理的.     

基于小偏差模型预测的车道保持辅助控制

车道保持辅助系统需要在保证安全性的同时适应驾驶员习惯,避免不必要的干预。该文通过在线构建人-车系统的小偏差模型,基于模型预测控制理论,设计了车道保持辅助控制策略。控制器通过在线求解二次规划问题,获得矫正转向角,帮助驾驶员避免无意的车道偏离。根据车辆当前状态,计算名义预测轨迹。通过将非线性人-车模型围绕名义轨迹逐次线性化,在线获取人-车系统小偏差模型。通过对系统安全性和驾驶员适应性指标的量化设计,得到相应的目标函数和I/O约束,建立了滚动时域优化问题。仿真实验演示了该控制器探测车道偏离危险和转向矫正的过程。真实场景下的实车实验表明:该系统具有避免车道偏离、适应驾驶员习惯、避免不必要干预的能力。     

基于改进预瞄跟随算法的新能源汽车转向控制研究

为了解决传统预瞄跟随算法应用于新能源汽车转向控制导致在转弯曲率过大路况下车辆易脱离路径的问题,对预瞄跟随算法改进并应用于汽车转向控制中,将预瞄点设定为当前车速下经过时间T到达的路径上的点,采用预瞄跟随最优曲率驾驶员模型的预瞄点快速搜索,并将改进算法在Dymola软件构建的新能源汽车转向控制模型上进行验证.和传统预瞄跟随...     

基于人-车-路的类菱形车侧向动力学分析

车辆在高速行驶时,驾驶员和道路环境对车辆的操纵稳定性会有很大影响.考虑驾驶员特性和道路特性的人—车—路闭环系统更能评价车辆的操纵稳定性,采用"单点预瞄最优曲率"驾驶员模型和蛇行道路模型,在类菱形车二自由度模型的基础上构建了类菱形车闭环系统并进行了仿真分析.通过蛇行试验验证了类菱形车良好的操纵稳定性,并将试验结果与仿真结果进行了对比分析,分析表明,模型仿真结果与试验结果具有很好的一致性.     

基于主动转向的车辆路径跟随广义预测控制

为了增强车辆在外界干扰存下的路径跟随性能,提出了一种基于广义预测控制(GPC)的主动转向控制器来保证车辆对于路径的跟踪能力.采用受控自回归积分滑动平均模型(CARIMA)作为预测模型,通过带遗忘因子的最小二乘法辨识方法获得CARIMA模型参数,避免了由于车辆非线性造成的参数化建模不准确、繁琐问题.使用车辆路径侧向跟踪误差作为控制器输入,方向盘附加转角作为输出,与驾驶员方向盘转角进行综合,获得车辆方向盘最终转角.在Simulink-CarSim联合仿真环境下,验证了所设计控制器在双移线工况有强侧向风干扰时车辆对路径的跟随性能.     

基于主动转向与主动制动的智能车路径跟踪

提出一种基于模型预测控制的分层路径跟踪控制器进行主动转向和差动制动控制.由预测监控状态模块、上层控制器和下层执行器组成.预测监控状态模块利用车辆动力学模型预测车辆未来状态;上层控制器计算期望的前轮转角和轮胎制动力;底层执行器执行前轮转角和制动压力.通过Matlab与Carsim的联合仿真,结果显示,提出的控制器在高速紧急避障中的路径跟踪效果比预瞄驾驶员模型更好.     

驾驶员预瞄时间与公路弯道半径的耦合特征

为了研究驾驶员预瞄时间与公路弯道半径耦合特征对汽车操纵稳定性的影响,建立了人-车-路系统动力学模型,通过基于实际道路数据的仿真试验,分析了驾驶员预瞄时间和弯道半径对汽车动力学特征和路径跟踪情况的影响,验证了模型的正确性.利用相轨迹变化、轮胎侧向力、汽车行驶轨迹偏差、车身姿态变化、汽车状态变量(纵向速度、侧向速度、横摆角...     

人机共驾智能汽车紧急工况下的驾驶员应激反应

基于L2-L3级别智能汽车在人机共驾工况下驾驶员的认知特征,建立人机共驾智能汽车紧急工况下的驾驶员应激转向模型,该模型反映了驾驶员在应激过度状态下的转向特性.通过应激转向曲线中转向盘转角幅值与转向频率之间的拟合关系来表征驾驶员的应激程度.考虑高速大转角下的车身侧倾,并引入非线性轮胎模型,建立3自由度非线性整车动力学模型,通过侧向加速度的跟踪仿真对驾驶员应激转向模型进行验证.结果表明：驾驶员在应激过度行为下会使车辆产生过度的前轮转角;模型输出结果和实车试验结果有较好的匹配度,模型可以描述驾驶员应激转向特征.     

基于驾驶员行为的神经网络无人驾驶控制

针对铰接式自卸车的转向特性,提出了一种基于驾驶员行为的神经网络无人驾驶控制方法.建立了以激光雷达、角度传感器为主要环境信息的采集系统,通过分析铰接式车辆转向特征建立铰接式自卸车运动学模型和动力学模型,利用ADAMS动力学软件建立车辆动力学模型并进行车辆稳态测试.建立基于最优预瞄控制的人工神经网络控制算法的驾驶员模型,通过ADAMS-Matlab/Simulink联合仿真验证模型.最后搭建真实巷道环境进行直线路段回正实验和曲线路径跟踪实验,结果显示,该控制模型在变曲率路段中,横向位置偏差小于可通过路径宽度的10%,航向角偏差优化90%,表明该神经网络驾驶员控制模型收敛速度快,稳态特性好,具有良好的无人驾驶能力.