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.     

智能车辆自适应巡航控制策略研究

为满足车辆自适应巡航安全性要求,提出了一种分层式自适应巡航控制策略。首先将车辆行驶模式分为定速巡航与跟车巡航两种,并设计控制模式切换策略,针对不同模式,分别建立基于PID控制和基于可变车头时距的安全车间距策略与最优控制的控制器模型,获得期望加速度;然后建立下层制动/节气门开度切换模型及其逆模型,得到车辆期望的节气门开度和制动压力,实现对车辆的控制;最后基于CarSim与Matlab/Simulink联合仿真平台进行测试。结果显示,所设计的安全车间距策略和控制策略能够保证巡航稳定性及安全性。     

基于高斯过程回归的车辆巡航系统学习预测控制

针对自动巡航系统中前车加速度预测问题,以及为满足人们对车辆安全性、舒适性和经济性要求,提出一种基于高斯过程回归的车辆自动巡航系统学习预测控制策略.先用高斯过程回归法对前车加速度做学习建模,再结合车间运动学模型定义车辆自动巡航系统预测模型.进而,通过在线滚动优化车辆自动巡航系统安全性、舒适性和经济性综合指标,建立车辆自动巡航系统学习预测控制器.最后,通过CarSim/Simulink联合仿真平台,将本方法的加减速典型驾驶工况与传统预测巡航控制策略下的驾驶工况对比验证.结果表明:与传统控制策略相比,本文方法更具有效性和优越性.     

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.      

基于MPC自适应巡航系统控制策略联合仿真研究

为了提高自适应巡航系统的鲁棒性和对复杂跟车环境的适用性,提出一种基于模型预测控制(model predictive control,MPC)的自适应巡航系统分层控制策略。上层控制策略主要考虑速度控制模式和距离控制模式之间的切换,下层控制策略则基于MPC理论而提出,确定汽车加速、减速或保持当前车速,以提升系统跟随性。在Carsim软件中选取有防抱死制动系统的C级掀背车,实时模拟两车(前车和本车)跟随的运行过程。在MATLAB/Simulink中建立纵向运动学模型,运用MPC控制策略对车辆的跟车工况进行联合仿真。结果表明,我们设计的MPC控制器与PID(proportional-integral-derivative,比例-积分-微分)控制器相比,在跟车工况下本车的加速度峰差值仅为1.65 m/s~2,加速度变化均值降低约23%,提高了驾驶的舒适性和行驶的稳定性;同时车间距误差范围控制在-0.5～7.3 m,均值误差降低约12%,在实际跟车环境中,能有效减少追尾、加塞等情况的发生。     

基于滑模控制的车辆自适应巡航系统设计

针对自适应巡航系统控制鲁棒性及存在路面扰动、实时扰动等不确定性的问题,提出一种考虑安全车距的车辆自适应滑模控制方法.首先通过建立车辆纵向动力学模型,并将道路坡度作为系统扰动;基于安全车距设计自适应巡航滑模控制器,通过稳定性分析证明该控制器的稳定性;最后,通过与PID控制算法进行对比研究.结果表明:采用滑模控制器的自适应巡航控制系统具有更好的跟踪性能和抗干扰能力.     

基于模型预测控制的可变目标距离自适应巡航控制研究

为解决在复杂交通环境中自适应巡航系统存在旁车切入本车前方工况时，目标期望距离计算模型得到的期望相对距离与实际相对距离发生阶跃以及堵车蠕行工况，车辆与前车距离较近，拥堵路况不断启停的目标车辆的速度、加速度和相对距离持续抖动，导致的纵向加速度幅值过大带来的驾驶平顺性、舒适性和安全性问题，提出可变目标距离的自适应巡航控制算法，基于模型预测控制理论，建立离散纵向运动学预测模型，综合考虑底盘加速度响应、极限安全纵向跟车距离、车辆自身物理限制、驾驶人乘坐舒适性等优化控制目标，引入松弛因子进行在线求得可行解.在旁车不同切入工况、综合工况行驶以及堵车蠕行工况对本算法进行仿真和实车测试并利用数据对IDM算法开环实验，研究成果对比表明，考虑旁车切入的可变目标距离的自适应巡航控制算法在旁车加速切入工况中，纵向控制产生的最大冲击度为-0.25 m/s³，相比于IDM模型降低50%，堵车蠕行工况中纵向控制产生最大减速度为-0.3 m/s²，相比于IDM模型降低30%，综合工况和定速巡航工况中，算法在保持安全距离情况下可以对车辆实现稳定纵向控制，加速度幅值不超过-0.3...     

基于自适应模型预测控制的拖拉机路径跟踪研究

自主化作业的拖拉机由于作业速度和跟踪路径曲率的不断变化,基于固定参数模型预测控制的路径跟踪器不能达到理想效果.为提高控制器的自适应性,提出基于改进粒子群优化的自适应模型预测控制算法.该算法将作业场景与粒子群算法相结合,对模型预测控制中的预测时域进行自适应调整,当作业场景发生改变时,则用粒子群优化算法选取理想预测时域参数.为提高粒子群优化算法的寻优效果,采用分段函数的方式对惯性权重进行改进.以东方红-X1304拖拉机为研究对象,对作业速度为1、2m/s和变速,跟踪路径为直线和曲线等情况进行仿真实验,并对比分析基于固定预测时域和自适应预测时域的控制器.结果表明,相对于基于三个固定时域的控制器,基于自适应预测时域控制器的跟踪精度和收敛速度分别提高了2％～44％和2％～71％.     

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.     

汽车自适应巡航控制主动制动实现方法

探讨主动制动控制系统在汽车自适应巡航控制中的作用.对主动制动采用基于加速度的控制方案,给出了主动制动系统的硬件组成.为了实现期望加速度跟随控制,在理论和试验的基础上建立了用于求解期望制动压力的车辆制动逆动力学模型.利用改进的PID算法开发了制动压力控制器.实车试验证明,制动压力和加速度控制效果都达到了自适应巡航系统对主动制动控制的要求.