考虑道路几何设计的智能网联车队横纵向协同控制

针对智能网联车队行驶过程中车辆跟驰和路径跟踪的横纵向协同控制,建立三自由度车辆动力学模型并将其作为控制系统,基于改进的智能驾驶员模型模型设计分层式纵向控制器;基于预瞄-跟随理论设计横向控制器.考虑车辆纵向、横向运动的耦合特性,以纵向速度作为横向控制器的状态变量设计横纵向协同控制策略,在CarSim/Simulink仿真平台搭建车队横纵向协同控制器.采用单移线、隧道工况验证控制器的横向、纵向控制性能;考虑道路弯道、坡度和超高等道路几何设计,设置匝道工况验证控制器横纵向协同控制性能并分析道路超高对车辆跟驰和路径跟踪精度及稳定性的影响.结果 表明:控制器能实现给定工况下车辆速度与转向的跟踪控制,且具有较高的跟踪精度,良好的跟驰效果和行驶稳定性;对于弯道行驶,设置道路超高能使车辆转向平稳,速度跟随精度高且行车间距增加,有利于提高车队行驶安全性.     

汽车巡航智能跟随控制与仿真

为提高汽车行驶的主动安全性及缓解司机驾驭汽车的疲劳感,提出了汽车巡航智能跟随控制方法.应用模糊控制理论,以前车和巡航车间理论安全距离与实际相对距离偏差及两车速度偏差作为控制变量,设计智能巡航模糊逻辑控制器,将油门开度或制动踏板行程作为控制器输出变量,实现汽车巡航的智能跟随控制.利用Matlab/Simulink针对智能跟随控制功能实施了仿真验证,结果表明:设计的智能巡航模糊控制器能够有效地跟随前方车辆行驶并始终保持两车间的安全距离,说明该控制器具备较强的鲁棒性.     

新的基于反馈线性化的车辆编队控制

以编队中各车辆的运动学模型为基础,在跟随领航者体系下建立新的车辆编队系统动态模型.设计带有不定离轴点的输入输出反馈线性化跟踪控制器,将跟随车辆与领航车辆的跟踪问题转化为特定误差系统的控制问题.利用图论将所设计的跟踪控制器扩展到车辆编队控制中,并对车辆编队控制效果进行仿真验证.     

基于CC2430的车辆无线引导仿真系统设计

本文基于宝贝车机器人，应用无线射频芯片CC2430及Zigbee通讯协议，设计实现了由先导机器人对跟随机器人的实时引导仿真系统。实物模拟了车辆编队自动驾驶，对车辆编队行驶的控制与引导方式进行了初步的探索。     

基于人工势场和虚拟领航者的智能车辆编队控制

为提高交通效率和道路安全,对公路环境中的智能车辆编队控制问题进行了研究.采用人工势场和虚拟领航者相结合的方法进行车辆控制,考虑公路环境约束和编队纵横向安全距离,以理想公路编队为目标,提出虚拟领航者椭圆势场作用域,建立编队单元模型,并通过Lyapunov函数证明了模型的稳定性.为提高编队单元模型的应用灵活性,消除多车编队车辆位置误差问题,将分解-迭代思想引入到多车辆编队控制中,依据道路条件设立编队单元的纵横向迭代.以六车辆编队为例进行仿真验证,结果表明:所建立的车辆编队模型可以稳定有效地控制车辆,实现理想公路编队行为.     

具有动态拓扑有领航者的多智能体群集运动控制

对具有二次积分的动态多移动智能体在动态拓扑下跟随领航者取得群集运动编队进行了研究.引入了光滑的邻接矩阵以及光滑的势场函数,提出了多移动智能体群集运动的光滑控制器设计方法,运用现有群集运动理论和经典的李雅普诺夫稳定性理论,证明了多移动智能体系统群集运动的稳定性.分析表明:智能体网络在切换的情况下,该方案设计得到的控制输出仍然是光滑的,最终智能体群在领航者的带领下取得群集运动.计算机仿真实例验证了所得结论.     

基于领航跟随法和星系动力学的多机器人编队控制

针对机器人常规编队控制方法编队精度低、机器人易掉队,且当队形进行大角度变换时跟随者不能快速适应的问题,提出了一种基于领航跟随和星系动力学(LF-GD)机器人编队控制方法.该方法结合了领航跟随法控制简单、编队快速和星系动力学法编队稳定和动态均衡的优点.实现了机器人快速编队和动态避障的性能要求,避免了队形大角度变换时机器人相互之间的碰撞和掉队问题,提高了整个编队系统的智能性和环境适应性.通过仿真验证了该方法的可行性和有效性.     

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.     

智能车辆速度跟随控制算法的仿真研究

针对汽车动力学速度控制的强非线性特性,基于预瞄-跟随理论,建立了车辆速度控制过程中的速度跟随运动模型;并提出了智能车辆速度跟随的控制算法。在PreScan和matlab/simulink的联合仿真中,实现了车辆的速度跟随控制;并对速度变化过程中速度跟随控制算法的性能进行了仿真验证。结果表明,车辆基本可以跟随参考速度行驶,并且可以实现自动减速停车。     

个人快速交通系统智能协同控制与优化

提出了一种新型智能协同控制运行方案,基于个人快速交通(PRT)车辆的运行规则与车辆间的自组织关系,以自底向上的方式建立动态知识图谱,用以辅助车辆运行决策;通过领航者-跟随者策略在车辆行驶过程中形成虚拟车队运行,在此基础上,将滚动优化策略与粒子群算法(PSO)相结合,对车辆的加速度和减速度进行滚动优化调整,缩短了PRT车辆形成虚拟编队的运行时间,进一步提高了PRT系统的运输能力．结果表明:智能协同控制运行方案使得PRT车辆形成虚拟编队所耗时间平均减少了约38%,每小时运输客流量平均提高了约1.5倍;该运行方案保证了PRT系统运行的高效性和安全性,符合低碳出行、绿色发展的需要．      

智能车辆运动控制系统协同设计

该文建立可准确表征智能车辆横纵向动力学行为特性的数学模型,揭示智能车辆行驶过程中的耦合机理。在此基础上,针对智能车辆具有强耦合、非线性和参数不确定等特点,提出一种由协调控制层、控制分配层和伺服执行层构成的协同控制策略,通过横纵向动力学系统之间的动态耦合及协同进行能量的传递、转换及演变,完成智能车辆横纵向运动一体化控制。通过仿真试验进行验证和评价,试验结果表明:所设计的控制系统不仅具有良好的稳态精度和动态响应性能,而且可显著提高智能车辆行驶过程中的稳定性、舒适性和安全性。     

新型航空集群编队飞行空间对准控制方法

航空集群编队飞行是实现航空集群能力涌现的必要条件。对于飞行器较多的航空集群编队,若采用传统长僚机跟随方式,当僚机数量较多时,一旦僚机出现位置偏差,则容易与周边僚机发生碰撞,存在极大的安全隐患。为此,提出一种航空集群大编队飞行空间对准控制方法,通过分层式对准方法和基于距离的基准机选择算法,构建航空集群编队两级组织架构,并采用一致性控制协议对集群编队飞行进行了仿真验证,实现了航空集群大编队飞行整体队形严整和稳定。     

模型不确定下无人艇编队鲁棒自适应循迹控制

针对存在外界环境干扰和模型中不确定性的编队问题,设计了鲁棒自适应控制.通过计算预定路径上的期望点与船舶当前位置之间的偏差,使用反步法设计路径跟随子控制器,保证每艘无人艇在水平面中沿着参考路径行驶.编队协调子控制器采用鲁棒自适应控制方法设计,通过调整跟随艇的速度以实现设定的编队队形,同时自适应地估计出外界环境力和由模型参数不确定导致的系统不确定项的界值.仿真结果验证了所提出的路径跟随编队控制方法的有效性.     

基于动态目标位置的车辆弯道保持控制仿真

智能交通领域中,车辆的横向控制技术是智能车辆控制的关键技术.基于动态目标位置,提出车辆弯道保持的控制算法.利用三次曲线对车辆行驶路径进行规划,使用理想数据训练基于T-S模糊神经网络的控制器,进行计算机仿真.结果表明,该控制算法能够实现对车辆转向的平稳操作,较理想地实现了对车辆弯道保持的控制,合理地模拟了车辆实际转弯过程中的运动特性.     

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.     

基于Leader-follower的自主车辆跟随控制器设计

为解决自主车辆的跟随控制中误差系统的稳定性问题, 基于Leader鄄follower 法设计了车辆跟随控制器。对自主车辆进行运动学建模, 采用Leader鄄follower 模型描述车辆跟随结构, 用L鄄渍控制方法建立车辆跟随误差系统, 设计跟随车辆的速度控制器, 以实现跟随车辆对领航车辆的稳定跟随。通过Matlab 仿真实验结果证明,该控制器使误差最终收敛到0, 能达到跟随控制的目的。     

商用半挂车队列纵向运动协同控制及仿真

基于滑模控制理论设计了一种适用于商用半挂车队列行驶的协同自适应巡航控制算法,并分别采用相邻两车车间通信和领车与跟随车辆直接通信两种通信方式对商用半挂车队进行纵向运动控制,在MATLAB/simulink和Trucksim软件环境下进行联合仿真及性能对比。仿真结果表明,与相邻两车车间通信方式相比较,采用领车与跟随车辆直接通信的方式可以有效缩短每辆跟踪车辆的响应时间和相应的行车间距,增强车队稳定性和安全性,提高道路通行能力。     

基于改进分配法的多智能体队形形成

多机器人是当今研究热点,机器人编队是多机器人的一个重要问题,编队行为在自然界中广泛存在,大雁、鱼群的有秩序的聚集并编队运动启示编队运动具有重要的意义和作用。文章针对多机器人队形问题,提出了一个基于多智能体(multi-agent)结构的优化算法,多智能体的体系结构具有良好的自适应特点,适合运用到多机器人控制中,对于队形形成问题,改进分配算法具有良好的特性。     

基于生物群集行为的无人机集群控制

 生物群集行为是一种普遍存在的自然现象,群体中的个体利用简单的规则、局部的交互,形成了鲁棒性强、自适应度高、可扩展性好的自组织行为,在系统层面体现为智能的涌现。本文首先简要叙述了蚁群、蜂群、鸽群、鱼群等典型的生物群集,并从组织结构的分布式、行为主体的简单性、作用模式的灵活性、系统整体的智能性等方面分析了生物群体智能的特点。然后,介绍了部分具有代表性的无人机集群项目,总结了无人机集群的关键技术,包括集群态势感知、自主编队控制、智能协同决策。最后,从生物群集和无人机集群在直观上的相似性出发,分析了生物群体和无人机集群自主控制的映射关系,并探讨了仿生物群集的无人机集群自主控制中的核心问题。     

多铰接结构的现代无轨列车路径跟随研究

现代无轨列车是一种新型公路运输车辆,其融合了汽运车辆建设成本低和轨道车辆载运量大的技术优势.针对多铰接现代无轨列车车体编组多,运动自由度大,曲线路径行驶时后方车辆会偏离前方车辆的运动轨迹的问题,建立了跟随误差模型,分析影响路径跟随性的因素,提出一种曲线路径行驶的路径跟随策略.采用航向角预测跟随控制策略,设计中间车轴的铰接角和后车轴的转向角控制规律,以增量PID算法补偿阿克曼转向模型误差,提高系统稳定性.最后在圆曲线路径和"S"曲线路径工况下测试车辆各轴的行驶轨迹.仿真结果表明:车辆的位置跟踪误差保持在0.03 m以内,航向跟踪误差最大在4.5°以内,车辆具有较好的路径跟随性能.