基于多目标PID的拖挂式房车差动制动控制系统设计

为了保证拖挂式房车制动时具有良好的横摆稳定性及行驶路径,提出以房车铰接角和横摆角速度为控制目标的差动制动控制方法.考虑电磁制动器机电耦合特性,建立了基于线性六自由度的牵引车-房车转向制动力学模型;建立拖挂式房车稳态行驶时铰接角模型,引入多目标PID加权控制算法和多目标PID协调控制算法,应用差值制动控制横摆力矩的原理,使房车铰接角和横摆角速度准确跟随目标期望值,实现房车制动时具有良好的横摆稳定性及行驶路径.基于TruckSim与Simulink的联合,进行了脉冲、阶跃转向工况下的仿真试验.仿真结果表明,提出的加权控制和协调控制均能保证拖挂式房车在制动时具有良好的行驶路径及横摆稳定性;相比于无差动制动,这两者使房车相对横摆角减小约25%;相比于以横摆角速度为目标的差动制动,这两者使房车的行驶路径偏差减小约20%.     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

四轮独立转向无人车辆斜向行驶轨迹跟踪控制方法

针对四轮独立转向电动汽车转向系统成本高、但功能开发程度低的问题,提出一种车辆斜向行驶控制策略,优化四轮独立转向电动汽车换道过程中的行驶稳定性. 基于四轮独立转向电动汽车横向、纵向二自由度车辆模型,提出一种横纵向耦合轨迹跟踪控制方法,该方法基于线性时变模型采用模型预测控制（MPC）算法,对横向偏差、航向角偏差及纵向速度偏差进行闭环控制. 设计车辆稳定性控制器,包括横摆力矩控制器和转矩分配控制器,同时提高车辆轨迹跟踪精度和行驶稳定性. 最后搭建Simulink/Carsim/Prescan联合仿真平台,对四轮独立转向电动汽车双移线工况进行模拟换道仿真,仿真结果证明了斜向变道的可行性和横纵向耦合轨迹跟踪控制方法的有效性.      

基于动力学和预瞄理论的超车路径跟踪控制

为提高辅助超车安全性,对超车换道的规划路径进行预瞄跟踪控制研究。基于汽车侧向动力学模型和预瞄理论,推导出转向角到预瞄误差的传递关系,得到路径跟踪控制器。在Simulink中建立跟踪控制器,在Carsim中建立车辆模型和规划路径,定义二者的传递参数,分别对五次多项式超车路径和Carsim自带双移线路径进行路径跟踪控制的仿真。仿真结果表明,在高速120 km/h限速内超车时,除极小半径弯道和大角度转向外,实际行驶路径对规划路径的跟踪误差不超过0.2 m,平均跟踪误差均小于0.09 m,并且平均预瞄距离大约在10 m时跟踪效果较好,证明了控制器对超车路径跟踪的有效性。     

铰接列车联合制动稳定性分析方法

为了研究铰接列车液力缓速器与摩擦制动器联合制动的稳定性,在"I-β"曲线法的基础上提出一种新的"M-N-P"曲线法进行了定性分析,获得铰接列车在不同路面附着系数下的各车轴抱死顺序.并使用制动力利用率ηb概念,对各工况下的车辆制动稳定性进行定量分析.结果表明:液力缓速器参与工作后,由于驱动轴(牵引车后轴)制动力矩增大,该轴趋于提前抱死,影响列车合理的抱死顺序,可能会产生"折叠"的危险工况,且随着液力缓速器挡位的提高,造成这种不合理工况的路面附着系数范围也越大;制动力利用率呈先增后减的趋势,且在低附着路面上明显较低,故铰接列车在行驶时应避免长时间使用缓速器高挡,在湿滑路面上应慎用液力缓速器.     

轮式移动机器人大转向航向跟踪控制

为了防止轮式移动机器人在大弯道路跟踪时出现过度转向而引起较大跟踪误差或偏离预定路径,提出了种能适应大转向的航向跟踪控制方法,利用机器人前轮偏角的绝对方向作为控制器反馈航向,仿真实验结果表明,该方法与以机器人车体航向作为反馈量的常规方法相比,在大转向航向跟踪时能有效志改善系统的动态特性,减少超调和振荡,提高基于航向控制的轮式移动机器人大弯道路径跟踪性能。     

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.     

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.     

智能振动碾压机的自抗扰循迹控制方法

循迹控制是实现智能振动碾压机自动化工作的重要环节.为了改善智能振动碾压机在非结构化路面环境下的循迹效果,解决现有控制算法存在的调参工作量大以及鲁棒性低等问题,本文提出了一种基于扰动观测的反步控制方法.首先,建立了振动碾压机的整车运动学模型和一种具有预测功能的误差动态模型.然后,基于一台改装的智能振动碾压机平台研究了外界扰动对车辆的铰接角度、航向角度及位置的影响规律,发现外界扰动对碾压机的铰接角、航向角度的影响需要实时观测估计,而对碾压机轮位置的影响可通过姿态信息修正补偿.最后,在以上研究的基础上设计了扩张状态观测器用于实时估计系统内外总扰动,从而将误差动态模型简化为串联积分型系统,并基于李雅普诺夫函数设计控制器的反馈控制律.Simulink和硬件在环的仿真结果表明:在车辆的铰接角、航向角同时受内部、外界扰动作用的情况下,循迹连续弯道曲线中距离、角度和曲率误差的最大值分别为0.088 m、0.118 rad和0.042 m~(-1).说明基于扰动观测的反步控制方法展现了良好的控制精度和鲁棒性.