考虑车辆稳定性的模型预测路径跟踪方法

针对目前车辆路径跟踪控制大多集中于跟踪的精确性,却忽略车辆行驶稳定性的问题,提出一种考虑车辆稳定性的模型预测路径跟踪方法.首先,以简化后的车辆动力学模型为基础,推导线性时变路径跟踪预测模型,增添表征车辆稳定性的质心侧偏角等约束条件;然后,对二次规划进行求解,添加向量松弛因子解决计算中出现的无解问题;最后,通过Carsim和Matlab/Simulink联合仿真对文中方法进行验证.仿真结果表明:基于文中所提方法设计的控制器能够在不同车速、不同附着系数下,保证跟踪参考路径较为精确的同时,还可以保证车辆的稳定性.     

自动驾驶车辆路径跟踪控制方法研究

路径跟踪控制是自动驾驶车辆关键技术的一个重要环节,主要研究如何控制关键的参数使得自动驾驶车辆稳定无偏差地沿着已经规划好的路径行驶。本文介绍了常用的一些控制方法,并分析了其在自动驾驶汽车路径跟踪方面的研究应用,指出将多种算法相结合、改善模型动力学约束的完整性等会使路径跟踪的效果更精准的研究。     

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.     

基于变预测时域的电动汽车轨迹跟踪控制

针对在不同车速下由于车辆动力学参数改变导致轨迹跟踪的误差变大的问题,研究电动汽车自适应性轨迹跟踪控制器设计.首先,基于模型预测控制(model predictive control,MPC)设计轨迹跟踪控制器,对比分析不同车速下不同预测时域对轨迹跟踪的影响;其次,通过仿真结果,发现不同车速下采用恒定预测时域,轨迹跟踪在...     

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 Simu...     

汽车轨迹跟踪模型预测控制的加速求解方法

针对汽车轨迹跟踪模型预测控制求解中存在的规模较大、求解效率较低的问题,提出一种基于时域分解的加速计算方法提高求解效率. 首先引入全局一致性变量,将模型预测控制中邻接控制周期的时域耦合约束转化为全局一致性约束,实现时域解耦;随后在交叉方向乘子法框架下推导了时域分解后优化问题的分块更新方法,并设计了分块更新数值求解问题的停止准则,从而将大规模优化问题转化为小规模子问题;最后搭建了Simulink-CarSim平台进行了算法的仿真验证. 仿真结果表明,在求解精度不变的情况下,求解耗时下降24.21%,从而实现模型预测控制问题的加速求解.     

基于优化模型车辆路径跟踪控制研究

路径跟踪是实现自动驾驶的基础,而根据模型的几何关系实现路径跟踪是一种非常实用的方法.传统的几何控制模型简单可靠、易于改进,但向前预瞄的局限使得此模型在大曲率、高速等极限工况下的跟踪效果较差.为了使几何控制模型的鲁棒性更好、控制精度更高,本文同样基于几何关系控制的原理提出一种优化模型,取消了固定预瞄的计算方式,采用自适应...     

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。     

基于多模型自适应方法的智能汽车路径跟踪控制

路径跟踪控制是智能汽车的一项核心技术,跟踪效果的精确性和在各种路面附着条件下的鲁棒性是该技术的两大关键要素。但汽车动力学模型的不确定性,尤其是轮胎侧偏刚度的摄动使这两者难以同时得到满足。针对这一问题,将多模型自适应理论引入到智能汽车运动控制中处理不确定性系统的控制。首先,推导了多模型自适应控制律,提出了凸包构架下各个顶点的子模型对真实模型的自适应逼近律,并通过李雅普诺夫函数证明了所提出自适应律的收敛能力。在此基础上建立了汽车动力学模型和车辆-路径联合模型,并由多个顶点子模型构建可覆盖汽车轮胎侧偏刚度摄动范围的凸多面体,利用汽车动力学模型求解自适应率,通过车辆-路径联合模型,基于线性二次型方法(linear quadratic regulator, LQR)求解各个顶点的子模型处的反馈控制律,并通过所得出的自适应权重进行加权。基于Carsim/Simulink的联合仿真结果表明,所提出的多模型自适应路径跟踪控制器在保证鲁棒性的同时克服了传统鲁棒控制方法的保守性问题,与基于名义模型的LQR控制器和鲁棒保性能控制器相比,在高附着路面和低附着路面上都可以取得更好的控制效果,很好地解决了路径跟踪...     

基于自适应路径预览的非线性模型预测控制路径跟踪

提出了一种用于自动驾驶汽车路径跟踪的非线性模型预测控制器（NMPC）和自适应调整预览距离的算法。预测模型包括车辆动力学、路径跟随动力学和系统输入动力学。单轨车辆模型考虑了车辆的横向和纵向耦合动力学以及非线性轮胎力。基于曲线坐标推导了跟踪误差动力学。成本函数被设计为最小化路径跟踪误差和控制努力,同时考虑诸如致动器边界和轮胎抓地限制之类的约束。一种利用最佳预览距离矢量来查询相应参考曲率和参考速度的算法。基于车辆速度、航向误差和路径曲率自适应地调整预览路径的长度。在具有自主赛车场景的仿真环境中验证了控制器的性能,结果表明,车辆准确地遵循高度动态的路径,跟踪误差较小。所提出的模型与算法可以预先估计最大预览距离,并指导NMPC的预测范围的选择。     

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．     

基于变时域策略的线性系统事件触发预测控制

针对具有加性扰动的约束连续线性时不变系统,提出一种基于变时域策略的线性系统事件触发模型预测控制方案. 首先,基于最优状态轨迹与实际状态轨迹之间的偏差设计无Zeno行为的事件触发机制,以减少求解优化问题的频率. 其次,为了降低实际状态趋近终端集时求解优化问题的计算复杂度,设计一种更为高效的指数收缩形式的自适应预测时域更新机制. 再次,基于双模控制策略,提出自适应事件触发模型预测控制算法,并给出了保证算法可行性和闭环系统稳定性的充分条件. 最后,基于质量-弹簧-阻尼系统验证了所提算法的有效性.结果表明本文方案能够在不损失控制性能的前提下有效降低系统资源消耗和求解优化问题的计算复杂度.     

基于优化预瞄距离的无人驾驶车辆轨迹跟踪控制

实现快速、准确的轨迹跟踪控制是自动驾驶技术发展的核心任务。为此,本文建立了车辆预瞄偏差动力学模型,基于模型预测控制算法构建了以前轮转角为控制量的轨迹跟踪控制器,以实现结合车辆状态和参考轨迹设计预瞄距离优化方法,提高跟踪精度。综合考虑车辆跟踪控制的准确性和行驶稳定性设计目标函数与约束条件,搭建Carsim-Simulink联合仿真平台,验证算法的有效性,在双移线工况下进行不同车速的仿真试验,探索预瞄距离对控制结果的影响并设计预瞄距离优化方法。结果表明：与无预瞄距离优化相比,本文设计的轨迹跟踪控制器能够实现高精度控制,在车辆中高速行驶时,横向位移平均误差小于10 cm,航向角平均误差小于1°,并使车辆稳定性显著提升。     

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.     

采用余弦相似度和变预测时域的汽车轨迹追踪控制

为提高自动驾驶汽车在不同车速下轨迹追踪精度、行驶稳定性和控制器的自适应能力,提出一种基于余弦相似度和变预测时域的轨迹追踪控制器。基于传统MPC的轨迹追踪控制器,提出以矩阵的余弦相似度来度量预设状态和实际状态两个矩阵的差异程度,确定预测模型的优化节点,采用模糊控制对预测时域和控制时域进行优化。通过计算机仿真对比试验,结果表明与传统MPC的轨迹追踪控制器相比,所提出的MPC控制器在不同车速下的轨迹追踪精度和车辆稳定性均有明显的提升。     

FDI攻击下移动机器人弹性预测镇定控制研究

提出一种具有自适应预测时域的输入重构弹性自触发模型预测控制(self-triggered model predictive control, ST-MPC)算法,平衡机器人系统网络安全和资源受限之间的矛盾. 首先,基于自触发非周期采样特征和虚假数据注入(false data injection, FDI)攻击模型设计输入重构机制,确保机器人系统可快速重构,能削弱FDI攻击影响的可行控制序列. 其次,结合输入重构机制设计关键数据选取条件和预测时域调节机制,从实现最大化触发间隔和降低优化问题复杂度两个方面降低资源消耗. 然后,基于输入重构和预测时域调节机制设计弹性ST-MPC镇定控制算法,并推导FDI攻击下算法的可行性和闭环系统稳定性条件. 最后,通过仿真实验验证所提出算法能够在抵御FDI攻击前提下保持较好的控制性能及资源利用率.     

基于共识主动性的群体机器人目标搜索与围捕

提出一种具有自适应预测时域的输入重构弹性自触发模型预测控制(self-triggered model predictive control, ST-MPC)算法,平衡机器人系统网络安全和资源受限之间的矛盾. 首先,基于自触发非周期采样特征和虚假数据注入(false data injection, FDI)攻击模型设计输入重构机制,确保机器人系统可快速重构,能削弱FDI攻击影响的可行控制序列. 其次,结合输入重构机制设计关键数据选取条件和预测时域调节机制,从实现最大化触发间隔和降低优化问题复杂度两个方面降低资源消耗. 然后,基于输入重构和预测时域调节机制设计弹性ST-MPC镇定控制算法,并推导FDI攻击下算法的可行性和闭环系统稳定性条件. 最后,通过仿真实验验证所提出算法能够在抵御FDI攻击前提下保持较好的控制性能及资源利用率.

     

基于准确预报的自适应广义预测控制器

基于受控系统多时域输出预测误差的历史信息，对未来输出预测值进行在线修正。提出了一种能抑制模型对控制器产生影响的准确预报广义预测控制器及相应的自适应算法。理论分析及仿真结果表明了该算法具有较强地鲁棒性．     

基于自适应MPC的自动驾驶汽车轨迹跟踪控制

为提高无人驾驶汽车轨迹跟踪精度和稳定性,设计一种基于模型预测控制(MPC)的自适应轨迹跟踪控制器.利用遗忘因子递推二乘算法在线估计轮胎侧偏刚度,实时更新控制器预测模型;设计控制参数选择器,采用模糊控制对预测时域和控制时域进行在线优化,实现预测时域能根据横向和纵向车速自适应的选择.通过Simulink/Carsim进行联...