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。     

考虑道路几何设计的智能网联车队横纵向协同控制

针对智能网联车队行驶过程中车辆跟驰和路径跟踪的横纵向协同控制,建立三自由度车辆动力学模型并将其作为控制系统,基于改进的智能驾驶员模型模型设计分层式纵向控制器;基于预瞄-跟随理论设计横向控制器.考虑车辆纵向、横向运动的耦合特性,以纵向速度作为横向控制器的状态变量设计横纵向协同控制策略,在CarSim/Simulink仿真平台搭建车队横纵向协同控制器.采用单移线、隧道工况验证控制器的横向、纵向控制性能;考虑道路弯道、坡度和超高等道路几何设计,设置匝道工况验证控制器横纵向协同控制性能并分析道路超高对车辆跟驰和路径跟踪精度及稳定性的影响.结果 表明:控制器能实现给定工况下车辆速度与转向的跟踪控制,且具有较高的跟踪精度,良好的跟驰效果和行驶稳定性;对于弯道行驶,设置道路超高能使车辆转向平稳,速度跟随精度高且行车间距增加,有利于提高车队行驶安全性.     

变预瞄距离的智能车路径跟踪控制

在智能车路径跟踪控制研究中,针对预瞄距离对路径跟踪精度影响较大的问题,提出了一种根据车速大小调整预瞄距离的智能车模糊控制方法。建立了车辆运动学模型和预瞄模型,给出了预瞄距离的确定方案,结合模糊理论设计出一种变预瞄距离的路径跟踪模糊控制器,并以双移线为目标路径在不同车速下进行了仿真。仿真结果显示,该车型变预瞄距离跟踪控制器的最大横向偏差不超过0.18 m,与固定预瞄距离的控制器相比,最大横向偏差在18 km/h、54 km/h车速下分别降低35%和31%,跟踪精度得到提升。     

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.     

智能汽车仿人转向控制驾驶员模型分析

为使智能汽车的弯道行驶具备人类驾驶员操控特征,基于最优曲率预瞄驾驶员模型与T-S模糊推理算法,提出了一种预瞄点横向和纵向自适应调节的仿人转向控制驾驶员模型.在封闭城市双车道弯道工况下,采集了熟练驾驶员在不同车速行驶下的弯道轨迹数据,分析得出了目标行驶轨迹.基于蚁群算法对预瞄点横向和纵向调节模糊规则进行了优化,在PreScan中构建了连续多曲率弯道仿真场景,并基于驾驶模拟仪所采集到的熟练驾驶员驾驶轨迹,对所提出的驾驶员模型的仿人转向特性进行验证.结果表明:优化后的仿人转向驾驶员模型与熟练驾驶员的行驶轨迹相似程度较好,优于最优曲率预瞄驾驶员模型或预瞄距离自适应的驾驶员模型.     

驾驶员预瞄时间与公路弯道半径的耦合特征

为了研究驾驶员预瞄时间与公路弯道半径耦合特征对汽车操纵稳定性的影响,建立了人-车-路系统动力学模型,通过基于实际道路数据的仿真试验,分析了驾驶员预瞄时间和弯道半径对汽车动力学特征和路径跟踪情况的影响,验证了模型的正确性.利用相轨迹变化、轮胎侧向力、汽车行驶轨迹偏差、车身姿态变化、汽车状态变量(纵向速度、侧向速度、横摆角...     

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。     

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。     

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

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.      

遗传算法优化的方向与速度综合控制驾驶员模型

针对当前驾驶员模型无法体现驾驶操纵熟练程度的缺点,利用遗传算法的自动寻优能力,总结驾驶员自学习与驾驶经验特点,遵循行驶误差最小与体力负担最小原则,对模糊PID比例因子和量化因子进行离线优化设计,以此模拟驾驶员从生手到熟练驾驶培训过程。构建包括遗传算法优化的方向模糊PID与速度模糊综合控制驾驶员模型以及整车行驶动力学模型在内的人车闭环系统仿真模型,在纵向速度单向变化、侧向双移线工况与大曲率试验道路典型工况下进行仿真分析。结果表明：基于遗传算法优化的方向模糊PID与速度模糊综合控制模型可以很好地描述驾驶员在纵向加减速操纵特性以及侧向预期轨迹跟随转向驾驶特性,相比于传统PID与模糊PID控制,具有更好的纵向加减速操纵特性与侧向预期轨迹跟随性能。     

紧急避撞路径规划及其跟踪驾驶员转向模型

针对紧急避撞工况,提出并设计了一种紧急避撞路径规划方法和路径跟踪反馈预瞄驾驶员模型。首先,提出了一种基于Sigmoid曲线与物理约束的避撞路径规划方法,并建立融合最优曲率预瞄与闭环反馈转向修正的驾驶员模型以对所规划路径实现快速和精确跟踪。之后,搭建了CarSim+Simulink离线联合仿真平台,对避撞路径规划和路径跟踪反馈预瞄驾驶员模型的有效性进行了验证。最后,基于自主改装的试验车辆,进行实车试验以验证所提出的路径规划方法及驾驶员模型的可行性与实时性。仿真及实车试验结果均表明,所规划的避撞路径和驾驶员模型可以控制车辆快速、安全地避让障碍物。     

轮毂电机驱动汽车纵向和横向稳定性联合控制

为了提高轮毂电机驱动汽车的纵横向稳定性,将汽车的横摆控制和防滑控制相结合,采用分层控制架构搭建纵向和横向稳定性联合控制模型.上层为力矩决策层.基于比例-积分-微分(PID)控制算法构建车辆纵向车速跟踪控制器;基于模糊P ID控制算法搭建驱动防滑控制器,采用前馈加反馈的控制方法决策出驱动防滑力矩;基于二阶滑模控制算法建立直接横摆力矩控制器,设计附加横摆力矩加权模块控制汽车的横摆特性.下层为力矩分配层.采用优化分配算法将上层决策出的总纵向力矩、驱动防滑力矩和直接横摆力矩合理地分配到4个车轮上.通过加速和转向联合仿真工况验证设计的纵横向稳定性控制策略的有效性.研究结果表明:车轮最大滑转率为0.17,横摆角速度最大偏差值为0.01 rad/s,质心侧偏角最大偏差值为0.011 rad,验证了控制算法的有效性.     

基于前馈+预测LQR智能车循迹控制器设计

为提升智能车辆循迹性能,本文提出了一种基于LQR理论和滑模理论的车辆横纵向控制器。首先,基于二自由度横向动力学模型,构建前馈LQR控制器。针对循迹过程中横纵向跟踪精度与转向稳定性两者难以兼顾的问题,本文基于 CTRV模型设计预测控制器,建立了基于实时车速-曲率的模糊自适应预测时间,对前馈LQR进行改进。此外为提升纵向车速跟踪稳定性和跟踪精度,本文提出一种基于滑模控制理论的纵向跟踪算法。通过CarSim与Simulink的联合仿真和硬件在环平台进行验证,结果证明：本文提出的横纵向控制器具备一定的驾驶员行为特征,可兼顾跟踪精度与稳定性,提升了智能车辆循迹性能。     

无人驾驶汽车RBF神经网络滑模横向控制策略

为了加强无人驾驶汽车横向运动控制,提出了一种优化型径向基函数(RBF)神经网络的滑模控制策略。根据视觉导航无人驾驶汽车单点预瞄模型与车辆二自由度模型得出横向运动状态方程,在滑模控制的基础上,采用RBF神经网络在线拟合滑模变结构的切换控制量,并基于改进的粒子群算法优化网络结构,使其快速达到滑模面,减小抖振。基于MATLAB/CarSim联合仿真平台,对建立的无人驾驶汽车横向运动状态模型及提出的控制策略进行不同工况下的仿真验证;基于AD 5435建立无人驾驶汽车快速原型开发平台,完成实车试验。结果表明:基于优化的RBF神经网络滑模横向控制策略能精确实现对车辆横向运动的控制,一定程度上减小了系统建模不确定性带来的影响,能有效抑制方向盘转角的抖振,将横向距离偏差与航向角偏差控制在一定范围内,可靠跟踪期望路径;车辆等速循迹行驶试验时,提出的控制策略的方向盘转角试验结果与仿真结果最大相对误差为5.8%,横向偏差的最大相对误差为6.2%,航向角偏差的最大相对误差为5.4%,试验结果与仿真结果一致性较好;Alt 3from FHWA仿真行驶工况下,相比于传统滑模控制策略,提出控制策略下的最大横向距离偏差误差和航向角偏差误差分别降低了90.8%和67.6%,双移线工况下误差分别降低了63.4%和69.9%,蛇形工况下误差分别降低了54.4%和39.6%。     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

基于驾驶员行为的神经网络无人驾驶控制

针对铰接式自卸车的转向特性,提出了一种基于驾驶员行为的神经网络无人驾驶控制方法.建立了以激光雷达、角度传感器为主要环境信息的采集系统,通过分析铰接式车辆转向特征建立铰接式自卸车运动学模型和动力学模型,利用ADAMS动力学软件建立车辆动力学模型并进行车辆稳态测试.建立基于最优预瞄控制的人工神经网络控制算法的驾驶员模型,通过ADAMS-Matlab/Simulink联合仿真验证模型.最后搭建真实巷道环境进行直线路段回正实验和曲线路径跟踪实验,结果显示,该控制模型在变曲率路段中,横向位置偏差小于可通过路径宽度的10%,航向角偏差优化90%,表明该神经网络驾驶员控制模型收敛速度快,稳态特性好,具有良好的无人驾驶能力.     

智能车辆局部路径规划与跟踪控制算法研究

针对无人驾驶汽车局部路径规划与跟踪控制，提出一种基于改进A^*算法的局部路径动态规划算法及一种基于改进LQR算法控制理论结合模糊控制与PID控制的路径跟踪控制算法。主要包括：搭建无人车辆在Frenet坐标系下利用栅格法构建预行驶区域模型；优化改进节点扩展方向，提出针对无人驾驶的五邻域扩展节点方式；A^*算法一次规划出代价值最小的目标节点，二次A^*算法规划出实时动态最优路径。另外，搭建以路径曲率变化率和横向误差变化率为状态变量的横向路径模糊跟踪控制模型，搭建以纵向误差和纵向误差变化率为状态变量的模糊PID控制模型解决参数难调问题。通过Carsim、Simulink与Perscan联合仿真平台验证设计的路径规划与跟踪控制算法有效性。     

驾驶员模型在制动到零仿真中的应用

驾驶员模型技术在人-车闭环系统评价及智能交通系统研究中具有广泛的应用价值,但在极限仿真工况下,如大侧向加速度、低附着系数与制动到零等仿真的应用中还存在一些问题。预瞄-跟随系统的基本理论是确定驾驶员模型参数的理论基础。当在低速情况下进行两自由度车辆模型与复杂车辆模型等效时,等效模型参数Tq1小于零,导致驾驶员模型的预瞄时间小于零,进而驾驶员模型的预瞄距离小于零,使得驾驶员模型在进行预瞄点位置搜索时得不到预瞄点的位置。分析了驾驶员模型在制动到零仿真中存在的问题,采用低速时延长驾驶员模型延迟时间的方法。仿真结果表明这种方法有效的解决了驾驶员模型在低速及直线与转弯制动到零仿真中的应用问题。     

基于LPV/H∞鲁棒控制的重型商用车自动循迹

在重型商用车自动循迹过程中,外部干扰的不确定性和系统状态的非线性通常会降低轨迹跟踪精度,为控制器的设计带来很大挑战。该文提出了一种新型重型商用车线性参数时变（linear parameter varying, LPV）/H_∞鲁棒控制器,解决了道路曲率的不确定性和纵向车速的时变性带来的轨迹跟踪精度降低的问题。对系统性能指标进行加权,利用增广的商用车四自由度动力学模型和轨迹跟踪模型设计了重型商用车横向H_∞鲁棒控制器;针对车辆纵向速度时变的问题,设计了改进的梯形多胞体LPV控制器。最终,通过联合仿真和硬件在环实验,验证了该控制算法的有效性和实时性。研究结果表明：该LPV/H_∞控制算法改善了原有控制算法的保守性,在保证重型商用车自动循迹稳定性的同时,能够显著提升轨迹跟踪精度。