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.     

基于最优前轮侧偏力的智能汽车LQR横向控制

为提高智能汽车在大曲率高速工况下的车辆横向稳定性和跟踪精度,该文提出了一种基于最优前轮侧偏力的智能汽车线性二次型调节器(LQR)路径跟踪横向控制方法。通过构建基于"前馈+反馈"的LQR控制器对期望前轮侧偏力进行实时在线求解并使跟踪误差收敛,最终通过刷子轮胎模型将控制量转化为期望前轮转角。该方法有效地保持了车辆模型与轮胎模型原有的非线性特性。基于PreScan搭建了仿真模型,结果表明:与应用线性轮胎模型的LQR控制器相比,所提出的控制方法在降低路径跟踪误差的同时,还能有效提升车辆的横向稳定性。     

基于预测--模糊联合控制的分布式驱动车辆路径跟踪方法

为研究分布式驱动车辆（4wid）路径跟踪中的跟踪精度和稳定性的问题,提出了模型预测-模糊(Mpc-Fuzzy)的联合控策略, 缓解了单一模型预测控制下车辆跟踪精度与控制器计算压力间的冲突。采用模型预测控制设计了上层路径跟踪控制器,旨在利用模型预测“滚动优化”的优点降低跟踪误差的同时保证车辆的稳定性。下层采用模糊控制,将转向过度和转向不足量化为“方向偏差”和“位置偏差”,利用四轮转矩独立控制的优点进一步优化转矩输出,旨在降低模型预测控制器对参考模型线性化后带来的跟踪误差。为验证控制策略的可靠性,基于Carsim和Simulink.、Driving Scenario搭建联合仿真模型,将联合控制器和单运动学模型预测控制器进行对比研究。仿真结果表明联合控制器可在完成对给定路径跟踪的基础上,减少转向不足和转向过度的发生,降低了方向误差和位置误差。     

基于故障估计的无人车容错控制方法

考虑转向控制系统故障和未知干扰同时作用对无人车辆路径跟踪效果的影响,为提高无人车辆控制系统的可靠性,设计了一种无人车路径跟踪容错控制方法. 对转向控制系统输入性故障进行分析,结合未知干扰情况定义了名义故障并建立相应的数学模型. 利用高阶滑模观测器构造名义故障微分方程,并利用自适应容积卡尔曼滤波设计了车辆质心侧偏角和名义故障估计方法,从而为无人车容错控制提供可靠信息源. 基于滑模控制理论设计了无人车路径跟踪容错控制器并证明了其收敛性. 联合仿真和硬件在环试验结果表明,所提出的估计方法能够得到精确可靠的质心侧偏角和名义故障估计结果,且与无容错控制相比,所设计的路径跟踪容错控制器在面对故障和干扰时能够明显地提高车辆的控制性能,并同时保证车辆的路径跟踪能力及其自身的稳定性.      

车辆轨迹的预瞄与模糊分数阶比例-积分-微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶PID控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,本文所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

智能车辆轨迹跟踪控制方法研究

针对智能车辆的轨迹跟踪控制问题,提出了一种可以调节参数的智能车辆轨迹跟踪控制方法.首先,设计了模糊控制器对智能车辆进行路径跟踪控制;其次,为了提高车辆在高速下的路径跟踪效果,设计模型预测控制器,并结合轮胎的动力学特性及车辆动态特性对轮胎侧偏角、质心侧偏角等进行约束;然后,为了提高车辆在不同工况下的路径跟踪效果,进一步设计了基于PSO算法的模型预测控制器.比较三种控制器的控制效果,选择典型工况在联合仿真平台上进行仿真.结果表明,提出的智能车辆的轨迹跟踪控制方法可以有效地对车辆轨迹进行跟踪.     

极限工况下自动驾驶车辆转向控制器的设计

为提高极限工况下自动驾驶车辆的路径跟踪精度并维持车辆行驶稳定性,设计了一种基于线性模型预测控制的路径跟踪转向控制器.该控制器以速度矢量方向角偏差作为控制参考量,在计算过程中以理想质心侧偏角代替实际质心侧偏角,以提高跟踪精度;采用前轮侧向力为控制输入量,并应用仿射近似方法对后轮侧向力进行线性化处理,以减小计算负担.CarSim与Matlab/Simulink的联合仿真结果表明,该控制器能够在轮胎处于附着极限的情况下维持车辆稳定行驶,且跟踪精度较传统控制器有明显的提高.     

基于模糊控制器的无人车的轨迹控制

提出了将模糊逻辑控制器(FLC)用于无人车的轨迹跟踪问题,同时考虑了车辆路径跟踪过程中关于误差的预测.提出了用横向误差和横摆角误差切换的方法来调节无人车的预测轨迹误差,使其跟踪预期的轨迹.最后用MATLAB-simulink和Carsim软件进行仿真.仿真结果表明了,所提到的模糊逻辑控制器能很好跟踪预期的轨迹.     

基于状态估计的无人车前轮转角与横摆稳定协调控制

针对无人车轨迹跟踪问题,提出了一种基于状态估计的无人车前轮转角和横摆稳定协调控制策略.建立了车辆轨迹跟踪模型,利用模型预测控制算法设计了轨迹跟踪控制器,得到实时跟踪参考轨迹所需的前轮转角.根据车辆模型设计了一种基于未知输入观测器的前轮转角估计方法,并将估计结果作为前轮转角跟踪控制的输入量.基于非奇异终端滑模控制设计了前轮转角跟踪方法,通过转向电机扭矩来控制车辆转向以实现轨迹跟踪.同时,设计了车辆横摆稳定控制器,通过控制横摆角速度跟踪误差确保车辆横摆稳定.建立了CarSim-Simulink联合仿真模型并进行仿真实测试.结果表明,未知输入观测器具有较好的前轮转角估计效果,从而为车辆协调控制提供可靠信息源,协调控制策略能够在保证车辆横摆稳定性的同时完成车辆轨迹跟踪.      

基于线性扩张状态观测器的平行泊车路径跟踪

为了消除外界干扰和转向系统运动学模型的不确定性的影响,建立了平行泊车系统的车辆运动学模型,设计了一个三阶线性扩张状态观测器,该观测器可将外界干扰和模型不确定性看作系统总的扰动量进行观测和补偿,而不需要建立被控对象的精确数学模型.基于该观测器,设计了平行泊车路径跟踪控制器,并对其性能进行了仿真和实车验证.仿真结果表明,所设计的平行泊车路径跟踪控制器的控制效果优于传统PID控制器,抗外界干扰能力更强.实车试验结果表明,该路径跟踪控制器能够精确控制车辆完成平行泊车任务,最大误差仅为0.111 m.     

基于模糊自整定PID 的爆胎车辆轨迹控制

为解决高速公路爆胎车辆出现偏航的问题, 借助veDYNA 软件进行了的仿真研究。在确定了爆胎车辆轨迹控制的评价指标后, 采用模糊PID(Proportion Integral Differential)控制器, 规划了爆胎后车辆的方向盘转角, 代替驾驶员对爆胎车辆进行方向控制。该方法结合模糊控制和传统PID 控制的优点, 针对车辆爆胎的复杂环境, 自动整定PID 控制参数, 适应爆胎车辆的参数变化。仿真结果表明: 基于模糊自整定PID 的爆胎车辆轨迹控制可在保证车辆稳定行驶的同时控制车辆的行驶轨迹, 使其在出现较小偏移后回到原路径, 具有较好的适应性。     

线控制动单轮失效下制动力优化分配控制策略

针对线控制动系统单轮制动失效时车辆制动稳定性控制问题,提出了协同线控转向和线控制动系统的制动力优化分配控制策略.为了最大程度满足驾驶员的制动期望,采用二次规划方法初始分配剩余三轮制动力;为防止车辆因制动力重构产生横摆或跑偏,采用滑模控制方法设计前轮转向控制器;考虑前轮转向对轮胎纵向力的影响,建立基于魔术公式的轮胎侧向力数学模型,基于二次规划方法实时优化轮胎在侧偏纵滑工况下的制动力.联合Simulink和Carsim进行了仿真实验分析,结果显示车辆的横摆角速度快速收敛为0,侧向跑偏距离均小于0.1 m.结果验证了本文提出的制动力优化分配控制策略在不同的制动工况下均能提高单轮制动失效车辆的制动稳定性.     

计及侧偏特性的转向系统分析和优化

通过对轮胎侧偏理论和轮胎受力的研究,分析了在转向过程中的载荷重新分配情况对轮胎侧偏特性的影响和侧偏角对车辆转向特性的影响,在用阿克曼理论设计时应该考虑前后桥侧偏特性的影响.针对国产220 t电动轮自卸车转向系统进行了优化,解决了该车转向性能设计和实际不一致,并且最小转弯半径减小了0.67 m.     

车辆底盘集成控制研究

基于模型预测控制理论,从提高车辆极限工况稳定性角度,研究车辆纵向和侧向运动的水平集成控制及纵向、侧向和垂向的全局集成控制.确定了分层集成控制结构,设计了转向/制动模型预测控制器和主动悬架控制器.采用单轮规则制动分配法,实现了车辆底盘转向/制动的水平集成控制和转向/制动/悬架的全局集成控制,并通过仿真实验对算法进行验证.结果表明：集成控制能有效提高车辆极限工况的稳定性和主动安全性.     

连续工况下基于PID+LQR算法的自动驾驶车辆横纵向耦合控制

为提高自动驾驶车辆的路径跟踪精度,针对自动驾驶车辆横纵向耦合控制问题,提出了带有前馈控制的PID+LQR联合控制策略。首先,利用二自由度车辆动力学构建路径跟踪误差数学模型,制定横纵向控制流程。随后,设计了用于横向控制的LQR控制器和用于纵向控制的PID控制器,将横纵向控制器进行整合,使得车辆在接收到决策规划系统给出的期望指令后可以进行跟踪行驶。借助CarSim和MATLAB/Simulink联合仿真平台,在连续工况下对该控制策略进行测试。结果表明,提出的横纵向耦合运动控制策略可以控制车辆沿着规划的轨迹行驶,且可将跟踪误差控制在较小的范围内。     

多轴轮毂电机驱动车辆的转向阻力特性

为研究多轴电动车辆的转向阻力特性,在考虑了轮胎负荷变化对轮胎侧偏刚度影响的基础上,建立了车辆3自由度动力学模型;提出了一种稳态转向工况下的转向阻力计算方法,推导了轮胎侧偏角和转向阻力矩的理论计算式.基于该模型,分析了转向阻力矩与转向输入量和车速的关系及理论约束边界,比较了在相同质量与等效履带接地长度条件下轮胎式与履带式车辆的转向阻力矩,讨论了轮胎侧偏角对轮胎力分配的影响,并通过ADAMS软件对计算结果进行了验证.结果表明,相同参数条件下,多轮驱动车辆的转向阻力矩大于履带式车辆的阻力矩,计算模型可为转向控制策略提供理论参考.     

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

四轮转向汽车路径跟随控制

路径跟随控制是汽车实现自动驾驶的重要工具,已在前轮转向汽车上取得了较好的效果,但是前轮转向汽车的路径跟随控制不完全适用于四轮转向汽车.对此,基于横向误差,提出一种四轮转向汽车路径跟随模糊控制算法.首先,建立响应面模型作为优化目标函数.然后,利用遗传算法对模糊控制器进行优化设计.最后,通过Carsim-Simulink联合仿真实验,对该算法进行验证.仿真结果表明,路径跟随横向误差得到有效降低,车身质心侧偏角也控制在0.6°以内.该算法能够实现精准的路径跟随,并提高汽车的操纵稳定性.     

三轴重载汽车转向制动协同控制仿真分析

为提高三轴重载汽车在转向制动工况下的安全性能,基于TruckSim汽车仿真软件,搭建了三轴重载汽车整车模型。对三轴汽车在转向制动工况下的力学特性进行了分析,基于分析结果设计了削减制动力的三轴汽车转向制动协同控制器。对于车辆处于不足转向的情况,设计了滑移率分配的模糊控制器。采用TruckSim与Simulink联合仿真,对ABS控制和协同控制在转向制动工况下的控制效果进行了探讨。仿真结果表明,在转向制动工况下,与ABS控制器相比,协同控制器提高了三轴重载汽车转向制动工况下的操纵稳定性和制动安全性。     

基于MPC的车道保持系统转向控制策略

针对汽车的自动车道保持系统,研究了基于模型预测控制(MPC)的转向控制策略.对车辆的侧向动力学和轮胎的侧偏特性进行分析,研究了以位移偏差、横摆角偏差和两者微分项为状态变量、前轮转向角为控制输入的侧向动力学模型;在该模型的基础上,建立了车道自动保持控制的优化性能指标和系统约束,引入了平滑的期望参考轨迹,设计了基于MPC的转向控制策略.仿真试验证明,在不同车速下,该控制策略均能迅速消除侧向位移偏差和横摆角偏差,保证车辆沿着车道中心线行驶,并有效平滑系统的动态响应,具有较好的适应性和鲁棒性.