紧急避让路径跟踪自抗扰控制

自动紧急避让作为一种辅助驾驶系统,能够提高汽车行驶的安全性.为了提高不同质量参数、不同轴距车辆路径跟踪性能,以二自由度车辆模型为基础,设计二阶自抗扰控制器.车辆模型参数变化可以通过三阶扩张状态观测器进行观测和补偿.针对避让过程存在侧向加速度过大或产生阶跃、曲率不连续问题,引入三次B样条曲线对避让路径进行再规划.采用软件Carsim与Simulink联合仿真方法进行控制器性能验证.仿真结果表明,基于自抗扰方法设计的紧急避让路径跟踪控制器能够保证不同车型车辆很好地跟踪规划的轨迹,保证车辆稳定性.     

自动驾驶车辆的变步长路径跟踪控制

为提高自动驾驶车辆路径跟踪控制的稳定性并保证实时性,设计变步长模型预测控制器.通过变步长对预测时域进行分级,引入道路曲率及侧偏角约束,采用CVXGEN进行优化求解.通过Carsim和Matlab/Simulink联合仿真,对文中方法进行验证.结果表明:变步长模型预测控制器既能保证较好的跟踪效果,又能确保车辆行驶的稳定性.     

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.     

考虑横向稳定性的智能车辆路径跟踪控制

对于智能车辆的路径跟踪,传统位置偏差控制方法往往忽略了车辆的动态稳定性.针对这一问题提出一种考虑横向稳定性的智能车辆路径跟踪控制方法.首先建立二自由度车辆动力学模型和路径跟踪误差模型,综合考虑车辆位置偏差和车辆动力学状态,利用基于反馈优势的反推法(FDB)生成期望横摆角速度;然后基于线性二次型跟踪器(LQT)设计了主动前轮转向(AFS)和直接横摆力矩控制(DYC)的集成控制策略,得到了理想的控制输入(前轮转角和外部横摆力矩),进而实现精确跟踪期望横摆角速度和质心侧偏角;最后在Simulink仿真环境中对提出的控制方法进行验证.结果表明:提出的控制方法在路径跟踪的同时具有很好的横向稳定性能;相比于不考虑横向稳定性的控制方法,提出的方法在路径跟踪过程中跟踪精度更高,车辆的质心侧偏角更小,横摆角速度也能更好的跟踪期望值.     

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.      

自主车辆线性时变模型预测路径跟踪控制

为提高自主车辆路径跟踪控制的实时性和鲁棒性,研究一种线性时变模型预测路径跟踪控制方法.建立用于控制器仿真验证的纵向侧向二维车辆非线性动力学模型;从二轮三自由度模型出发,推导出线性时变路径跟踪预测模型;引入向量松弛因子解决优化求解过程中硬约束导致的控制算法非可行解问题,基于模型预测控制理论将路径跟踪控制算法转化为带软约束的在线二次规划问题;最后通过Matlab/Simulink实现车辆动力学建模和控制器设计,双移线工况仿真结果表明,所设计的控制器能够适应不同车速、不同设计参数的鲁棒性要求.     

采用变时域模型预测的车辆路径跟踪控制方法

为了解决自动驾驶车辆变速行驶时模型预测路径跟踪控制器的可靠性问题,提出一种变预测时域自适应路径跟踪控制方法.首先,推导简化后适用于仿真验证的车辆三自由度动力学模型,引入松弛因子以避免求解过程中出现非可行解,并将跟踪控制转化为二次规划求解问题;然后,确定模型预测控制器的重要设计参数,分析车速和预测时域的变化关系,拟合预测时域与车速的函数曲线,设计一种变时域自适应路径跟踪控制器;最后,搭建Carsim/Matlab/Simulink联合仿真平台进行验证.结果表明:变时域自适应路径跟踪控制器能够随着车速变化实时更新预测时域,可保证车辆具有较好的跟踪精度和稳定性.     

一种基于LTVMPC改进的 无人驾驶汽车路径跟踪控制算法

在低附着路面情况下,针对现有以线性时变模型预测控制(LTVMPC)为基础的无人驾驶汽车路径跟踪精确性和稳定性问题,提出一种改进的控制算法.以汽车动力学理论为基础,将四轮轮胎侧偏角和滑移率精确地表示为车辆状态量的非线性函数,在预测时域内对车辆状态方程线性化处理而求解雅可比矩阵时,为降低系统维度,将轮速作为非状态量,建立改进的三自由度车辆模型,在二次规划性能指标中加入横摆角速度跟踪误差项以提高路径跟踪性能,考虑质心侧偏角对跟踪精度和车辆稳定性的影响,修正参考横摆角,建立改进的LTVMPC.在Carsim-Simulink联合仿真平台进行低附着系数路面情况下的双移线跟踪仿真,结果表明改进后的控制算法在保证实时性的前提下,提高了路径跟踪的精确性和车辆行驶的稳定性.     

四驱混合动力轿车转弯工况路径跟踪控制

针对四驱混合动力轿车,提出一种转弯工况下集成横向与纵向运动控制功能的路径跟踪控制策略.在建立车辆动力学与动力系统模型的基础上,设计了基于轨迹跟踪误差的驾驶员预瞄转向模型;采用模糊控制器确定了期望车速,对转矩分配问题进行优化研究;设计了车速与轨迹跟踪模型预测控制器;搭建了CarSim与MATLAB/Simulink联合仿真模型与自动驾驶模拟驾驶器,对控制策略进行了离线仿真和硬件在环仿真试验.研究结果表明,车辆转弯过程中路径及车速跟踪效果良好,满足转弯工况路径跟踪需求.     

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。     

智能车辆自动泊车路径跟踪的非光滑控制策略

针对车辆的非线性非完整约束特性导致的自动泊车路径跟踪实时控制精度不高,致使库内调整次数增加或车辆最终停放位姿不理想等问题,提出一种基于非光滑控制的自动泊车路径跟踪控制策略.通过对车辆动力学跟踪误差模型的降阶转换,推导了2阶、3阶子系统的级联系统有限时间跟踪控制方程.基于此降阶控制方程,以车辆动力学模型中的方向盘转角和车速作为输入,设计具有全局渐近稳定特性的路径跟踪控制器,并进行了仿真分析.结果表明:与传统方法相比基于非光滑控制的路径跟踪控制方法达到了有限时间内全局精确跟踪参考泊车路径的目的,具有强抗扰动性和快速收敛性.     

基于滚动预瞄模型的纯跟踪算法

针对无人驾驶车辆采用纯跟踪算法对不同曲率路径跟踪时,出现道路适应能力弱和跟踪精度差的问题,提出一种基于代价的滚动预瞄模型(rolling preview model, RPM),以提高纯跟踪算法跟踪精度与鲁棒性。首先,根据车辆运动学与阿克曼转向几何,提出预瞄轨迹的确定方法以及预瞄轨迹与待跟踪路径间的几何约束;其次,设计道路弯曲度加权项并构建目标函数对预瞄轨迹进行优化,以获得预瞄距离的最优值;最后,在ROS/Gazebo仿真环境下设置不同初始状态与不同曲率的工况进行对比仿真实验,并在空旷环境中对8字形路径进行实车跟踪实验。实验结果表明,所提出的滚动预瞄模型能够根据预瞄轨迹与待跟踪路径的几何关系有效调节预瞄距离,相较于麻省理工(Massachusetts Institute of Technology, MIT)算法和Stanley算法,滚动预瞄模型在特殊初始状态、大曲率道路下有利于跟踪精度的提高。     

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。     

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.     

考虑行驶稳定性的四轮转向车辆路径跟踪控制研究

为了改善高速和低附着路面上无人驾驶车辆的行驶稳定性和保障行车安全,以四轮转向车辆为研究对象提出了一种考虑行驶稳定性的路径跟踪控制方法。首先基于模型预测控制算法设计了四轮转向路径跟踪控制器,然后根据质心侧偏角-质心侧偏角速度相平面稳定域和零质心侧偏角控制目标设计了车辆状态参数包络约束,在路径跟踪算法中加入轮胎侧偏角约束和车辆状态参数包络约束,保证车辆行驶时的稳定性。CarSim和Simulink联合仿真结果表明,采用基于包络线稳定性控制策略的车辆在高速行驶时或在低附着路面上行驶时能保持良好的路径跟踪能力并具有较好的行驶稳定性。     

车辆横摆稳定性的模糊控制

提出了一个模糊逻辑控制方法来提高车辆的横摆稳定性.差动制动产生适当的横摆力矩使车辆横摆角速度和质心侧偏角跟踪其期望值,同时利用3自由度模型对质心侧偏角进行了估计.采用7自由度非线性车辆模型在不同转向操纵条件下进行了仿真.仿真结果验证了所设计的模糊控制器的有效性.     

基于自适应卡尔曼滤波的车辆编队控制

针对具有网络传输延时和噪声的多车辆系统的编队问题,提出了一种基于自适应卡尔曼滤波器的协作路径跟踪控制方法.根据车辆运动学模型和给定队形及其路径参数,给出车辆协作路径跟踪控制器设计方法,将系统线性化,针对延时情况重构状态方程,用自适应卡尔曼滤波算法滤除噪声的影响,实现系统稳定控制.仿真实验证明了该方法的有效性.     

基于状态感知的UGV 事件触发路径跟踪控制

针对通信受限下的无人驾驶车辆路径跟踪控制问题，提出了一种基于状态感知的H∞事件触发路径跟踪控制策略.首先，根据车辆的动力学行为建立了相应的路径跟踪控制模型；其次，基于对路径跟踪控制系统的状态实时感知，设计了一种新型的基于状态感知的事件触发通信策略（SS-ETC），可根据控制系统的状态对事件触发阈值进行动态自适应的调整；然后，在该动态事件触发通信策略下，结合时滞系统建模方法与Lyapunov 稳定性理论，设计了基于状态感知的事件触发H∞控制器.本文所提出的基于状态感知的动态事件触发通信策略能够根据控制系统的量测状态进行通信阈值的动态调整，有效地实现了自主车辆通信与控制的自适应协同设计.最后，通过仿真实验验证了所提出的动态事件触发控制策略的有效性.     

智能车辆路径跟踪与稳定性的模型预测控制

为了改善车辆在路径跟踪时因车速较快或路面较差而发生侧滑的情况,提出一种智能车辆转向与制动联合控制器;在模型预测控制理论的基础上,通过监测轨迹偏差、横摆角偏差以及横摆角速度偏差3个控制参考量,在每个控制时域得到最优的前轮转角和附加横摆力偶矩,并以单轮制动逻辑分配给4个车轮制动力矩;利用CarSim和MATLAB Simulink软件,对车辆以不同车速在不同路面上跟踪轨迹的工况进行联合仿真。结果表明:控制器可以使车辆中低速行驶在冰雪路面和干燥沥青路面上精确、稳定地跟踪期望路径,具有良好的鲁棒性;高速行驶时车辆的横向稳定性仍然良好,但是在冰雪路面上会损失一定的跟踪精度。