AYC系统基于多传感器数据融合的路面附着系数估计

为提高车辆行驶安全性,研究适用于车辆稳定性控制系统的实时路面附着系数估计算法。利用多传感器数据融合综合车辆稳定性控制系统的各传感器数据,从中提取轮胎-路面附着系数得到充分利用的特征信息。根据路面附着系数充分利用时的侧向加速度估算路面附着系数。通过15自由度硬件在环仿真平台以及实车试验两种方式对算法进行验证。一定条件下的仿真结果表明算法的最大估算误差不超过0.04,车辆双移线实车试验的通过率从25%提高到100%。     

AYC系统基于多传感器数据融合的路面附着系数估计算法

为提高车辆行驶安全性,研究适用于车辆稳定性控制系统的实时路面附着系数估计算法。利用多传感器数据融合综合车辆稳定性控制系统的各传感器数据,从中提取轮胎-路面附着系数得到充分利用的特征信息。根据路面附着系数充分利用时的侧向加速度估算路面附着系数。通过15自由度硬件在环仿真平台以及实车试验两种方式对算法进行验证。一定条件下的仿真结果表明算法的最大估算误差不超过0.04,车辆双移线实车试验的通过率从25%提高到100%。     

提高安全性和交通流稳定性的车间距策略

提出了一种自治的自适应巡航控制(ACC)车辆的安全变时距(SVTG)车间距策略. 该策略利用ACC车辆的速度与最大减速度信息、SVTG车间距策略和相应的跟车控制律保证ACC车队的车辆安全性、单车稳定性、队列稳定性、交通流稳定性以及高的道路通行能力. SVTG车间距策略克服了固定时距(CTG)车间距策略的交通流不稳定以及变时距(VTG)车间距策略不安全的缺陷. 仿真结果表明SVTG车间距策略的性能优于其他两种车间距策略的性能.     

纵向控制的巡航控制算法实验研究

汽车纵向控制算法包括设定速度算法、车速控制算法和间距控制算法.该控制方法考虑了车辆队列的稳定性.控制算法中汽车预计加速度的计算是基于汽车可行驶间距计算的而不是基于车辆间通讯计算的.本文通过尾随前车工况最终证明通过此车辆纵向控制算法可以实现确保车辆队列稳定的车辆间距控制.     

基于全局快速积分终端滑模的智能车队有限时间纵向控制

针对智能车辆队列纵向协同控制问题,提出一种基于终端滑模和非光滑趋近律的有限时间控制算法以提高车队系统车间距的收敛性能和强队列稳定性。首先,为加快车辆队列车间距误差的收敛速度,实现目标车速的快速跟踪,构建包含车间距误差积分项的全局快速积分终端滑模面(GFITSMS)。其次,针对由外部干扰作用造成的车间距稳态收敛误差,提出连续但不可导的非光滑趋近律(NSRL),并基于提出的GFITSMS和NSRL构建全局快速积分终端滑模控制器(GFITSMC),通过构造Lyapunov函数,分析车队系统的队列有限时间稳定性和车间距误差的快速收敛性。研究结果表明,在首车-跟随(LF)通信拓扑结构下,相较于普通滑模控制器(SMC)和双幂次滑模控制器(DPSMC),所提有限时间控制器使车间距误差收敛时间分别减少了56.3%和50%,误差峰值分别降低了72%和58%。在前车-跟随(PF)通信拓扑结构下,车间距误差收敛时间分别减少了51.4%和48.6%。这表明所提有限时间控制算法在两种不同通信拓扑结构下均能有效地提高车间距误差的快速收敛性能和鲁棒性能,并显著改善由控制器产生抖振导致的车辆频繁加减速现象。     

自适应巡航执行机构在环仿真跟随控制器设计

为解决自适应巡航控制快速原型开发并提高仿真系统精度,建立了包含电子节气门与主动制动等硬件在内的执行机构在环仿真系统. 利用模糊前馈与PI反馈设计了以距离偏差和速度偏差为输入,基于加速度控制的前车跟随控制器,使主车保持安全车距跟随前车车速行驶,利用执行机构在环仿真系统对开发的前车跟随控制器进行了验证. 结果表明仿真系统运行正常,前车跟随控制器可完成对主车的控制,并对主车参数的变化及环境扰动具有一定的抗干扰能力.      

采用极值搜索算法估计附着系数的车辆驱动防滑控制

为了解决现有驱动防滑控制(ASR)策略响应慢、鲁棒性差的问题,提出一种利用扰动极值搜索算法估计动态路面附着系数的车辆驱动防滑控制策略.搭建车辆动力学系统模型,采用扰动极值搜索算法,自动搜索路面附着系数-滑移率曲线的极大值点,并设计一种踏板信号前馈控制与滑移率负反馈校正的动态驱动防滑控制策略,将车轮滑移率控制在附着系数-滑移率曲线附着系数极大值对应的滑移率处.结果表明:采用扰动极值搜索算法估计路面附着系数的驱动防滑控制策略能够在0.4 s将轮胎滑移率、附着系数和车辆加速度控制在最优滑移率、最优附着系数和稳定车辆加速度较小的邻域内,比门限值ASR控制快0.8 s.     

车队启动时间与路口放行时间研究

在城市交通中,车队的启动与制动是后车跟随前车的自动拟和过程,研究车队的启动时间与制动时间对研究路口通行能力与信号灯设置具有重要意义。在假定车间间距相等的条件下,把整个车队看成一辆有伸缩性的长车,行驶时车身拉长,停止时车身缩短;通过启动看头车,制动看后车的分析,计算出了车队的启动时间与启动距离、制动时间与制动距离。     

四轮毂驱动EV双容积卡尔曼路面附着系数估计

针对车辆在行驶过程中难以实时、准确地获取路面附着系数这一问题,本研究在结合车辆三自由度动力学模型和Dugoff修正轮胎力模型所搭建的四毂驱动联合仿真电动汽车平台基础上,设计了一种时效性、鲁棒性强的双容积卡尔曼滤波路面附着系数观测算法。双容积卡尔曼滤波算法利用奇异值分解优化求解误差协方差矩阵,将车辆行驶状态观测器信息与附着系数观测器信息相互联系,形成闭环反馈校正更新观测信号,实现对路面附着系数的实时估计。在四轮毂驱动联合仿真电动汽车平台中设置低附着路面,在开路面仿真工况下对双容积卡尔曼滤波算法进行验证,并与传统容积卡尔曼滤波观测器数据进行比较和分析。结果表明:双容积卡尔曼滤波算法具有更快的的响应速度,估计的路面附着系数精度更高,实时性更强。     

快速路合流区大型车换道时空特征及风险研究

为了研究大型车换道行为特性及其风险状况,基于无人机拍摄与图像识别技术,采集快速路合流区大型车运动轨迹数据,并对其换道特性和时空风险进行分析。结果表明：大型车换道持续时间的平均值为5.28 s,前半时间平均值为2.60 s,后半时间平均值为2.68 s,纵向换道行驶距离平均值为78.12 m,均服从Weibull分布,且均与换道速度显著相关,大型车换道持续时间及前半时间均和与原车道前车间距、与目标车道前车间距显著相关,前半时间还与沿车道线距离显著相关;75.40%的大型车在合流区瓶颈路段前100 m内开始变道,且由外侧车道向内侧车道依次扩散;大型车与原车道前车的车间距和相对速度平均值最小,分别为22.91 m、-0.90 m/s,若换道间隙较小,驾驶员更倾向于在换道间隙缩小缓慢或不断扩大时换道;大型车换道时与原车道前车的碰撞风险最高,约有15.32%大型车换道时与前车处于不安全状态。     

不同因素对机械弹性智能车轮加速度信号的影响

为了研究不同滚动工况对机械弹性智能车轮加速度信号的影响,采用有限元分析方法研究速度、附着系数、载荷对接触应力和加速度信号的影响以及车轮不同位置的加速度信号的差异性。结果表明：速度和地面附着系数对法向接触应力分布影响不大;路面附着系数增大导致摩擦应力分布的不均匀性增加,载荷增大导致接地区域接触应力最大值增大。车轮速度增大,加速度峰值幅值增大,加速度峰值时间间隔减小;载荷增大,加速度峰值时间间隔增大;纵向附着系数功率谱能对地面附着系数进行区分;輮轮中间加速度信号更适合用于侧偏特性研究,通过侧向加速度信号积分得到侧向位移,可用于侧偏角估算。     

基于模糊神经网络的车辆间距智能自适应控制

为了实现汽车行驶过程中与前车车距的自动控制,提出了一种基于模糊神经网络的车辆纵向间距智能自适应控制方法.利用神经网络对车辆纵向运动进行辨识,将神经网络和模糊控制结合起来,设计模糊神经网络加速度控制器,利用神经网络的学习功能修正控制器的隶属度函数的参数和控制规则.仿真表明系统响应快,控制精度高,和传统方法相比具有较强的抗干扰能力和自适应性.     

汽车车型对三车队列行驶气动阻力的影响

采用数值模拟方法研究3种MIRA汽车车型（方背车、快背车和阶背车）对三车队列在一倍车长间距下气动阻力的影响。通过对27种编队工况下的整体队列和单车各部位气动阻力以及车间流场进行详细分析,结果表明：头车受到中车阻塞造成其背部压力回升,3种车型作为头车,自身均可实现减阻;中车由于头尾车和自身车型的共同作用,会受到背部压力回升,前部正压以及前缘圆弧负压减弱的综合影响,3种车型的中车阻力有减有增;尾车受中车和自身车型共同作用,压力变化同中车类似,阻力也有减有增。前车的低速尾流区会对后车起到庇护作用,但也会造成后车前缘圆弧部位吸力减小,不利于队列减阻,甚至造成增阻。三车队列最佳编队是快背头车—方背中车—方背尾车,减阻量可达0.12（120 counts）。     

基于Elman神经网络的路面附着系数识别

准确、高效地识别路面附着系数为汽车主动安全系统提供了重要输入参数。笔者提出了基于Elman神经网络识别路面附着系数方法,采用Carsim/Simulink联合仿真,获取了某车辆的63个行驶工况,共20个重要动力学响应。构建了Elman神经网络的路面附着系数识别模型,对附着系数为0.2～0.9的路面进行了识别,识别平均绝对百分比误差为4.92%,准确率为91.22%。相对于传统的BP神经网络方法,该方法使路面附着系数的识别平均绝对百分比误差降低了2.24%,准确率提升了9.82%,并且在潮湿沥青路面以及干燥沥青路面进行了实车实验,验证了该方法的有效性、可行性。     

轮毂电动机驱动电动汽车自适应巡航系统控制策略

以轮毂电动机驱动电动汽车为研究对象,采用分层控制策略提出自适应巡航系统,结合上层模型预测控制器与下层PID (proportion integral differential)控制器,针对复杂的纵向跟随工况,对轮毂电动机输出的驱动力矩进行精确控制.提出基于前车加速度的可变车头时距策略,利用模型预测控制算法(model predictive control, MPC)求解本车期望加速度的上层控制器,利用PID算法求解整车前后轴驱动力矩,并输入到轮毂电动机的下层控制器,实现前后轮驱动力矩分配,最终实现车辆纵向自适应巡航.建立联合仿真模型,针对匀速前进、紧急制动、城市循环工况等场景,对所提出的自适应巡航分层控制策略进行验证,结果表明：所提出的自适应巡航系统控制策略针对纵向复杂行驶工况的跟驰效果良好,跟驰过程中车间距误差较小,加速度变化与电动机驱动转矩变化可以较好地进行同步与响应.     

基于粒子群寻优的汽车自适应巡航预测控制

为进一步提升多目标自适应巡航系统预测控制精度,提出一种基于粒子群寻优的汽车自适应巡航预测控制算法.首先建立一种包含前车加速度扰动的自适应巡航系统车间纵向运动学模型,并对其线性离散化;其次综合车距误差、相对车速、自车加速度和冲击度,设计二次型多目标优化性能指标函数和多参数约束条件,构建自适应巡航预测控制优化命题;最后为便于问题求解,将目标函数和约束条件推导转化为以预测控制增量为优化变量的规范形式,并基于粒子群优化算法求解自适应巡航预测控制的最优控制律.通过Matlab/Simulink多工况仿真结果表明,粒子群算法求解的最优控制律能够控制自车保持更好的跟踪性和自适应性.      

汽车制动防抱死系统（ABS）制动控制过程分析

通过对汽车ABS在各种路面和行驶状态下制动控制过程的分析,表明采用逻辑门限值控制方式,以车轮减速度、加速度及滑移率为控制参数的ABS,具有路面自动选择功能,能依据路面附着系数的变化情况实施不同的控制,提高汽车的制动效能和方向稳定性.     

基于纵向避撞时间的预警/制动算法

针对汽车纵向避撞系统的要求,提出了一种基于纵向避撞时间的纵向碰撞预警/避撞(FCW/FCA)算法。通过分析纵向避撞时间与驾驶员反应时间之间的关系,建立了前车不同行驶工况条件下的安全车距模型,并在3种不同行驶工况下,与Berkeley模型进行制动/预警距离的对比。研究结果表明:该算法确定的制动距离与Berkeley模型确定的距离相差很小,并且考虑了前车的运行工况;该算法还能够根据前车行驶工况的不同,确定出合理的预警距离。对比分析结果验证了该算法的有效性和可行性,能够提高车辆行驶的安全性。     

基于纵向避撞时间的预警／制动算法

针对汽车纵向避撞系统的要求,提出了一种基于纵向避撞时间的纵向碰撞预警／避撞（FCW／FCA）算法。通过分析纵向避撞时间与驾驶员反应时间之间的关系,建立了前车不同行驶工况条件下的安全车距模型,并在3种不同行驶工况下,与 Berkeley 模型进行制动／预警距离的对比。研究结果表明：该算法确定的制动距离与 Berkeley 模型确定的距离相差很小,并且考虑了前车的运行工况;该算法还能够根据前车行驶工况的不同,确定出合理的预警距离。对比分析结果验证了该算法的有效性和可行性,能够提高车辆行驶的安全性。     

基于卡尔曼滤波的车辆状态与路面附着估计

建立了采用Dugoff轮胎模型的三自由度车辆估算模型,设计了基于联邦卡尔曼滤波理论的车辆行驶状态估计算法与基于扩展卡尔曼滤波理论的路面附着系数估计算法,使车辆状态估计与路面附着估计相互联系、闭环反馈、同时进行.选择典型工况,应用Car Sim与Matlab/Simulink联合仿真实验对车辆状态算法和路面附着估计算法进行了验证.结果表明:文中算法能够实现对车辆状态及路面附着系数的准确估计.