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。     

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。     

基于LQR的四轮转向汽车控制方法

用选定的加权系数将轮胎较大侧偏刚度和轮胎较小侧偏刚度的车辆状态方程关联起来,并应用了线性二次型最优控制理论(LQR)设计了综合考虑轮胎非线性特征的四轮转向线性二次型最优综合控制算法;用Matlab/Simulink和Carsim建立了联合仿真模型对所设计的控制算法的控制效果进行了验证. 仿真结果表明:在低附着系数路面进行车道变换行驶时,基于定轮胎侧偏刚度LQR线性控制的四轮转向汽车与前轮转向汽车相比具有更加优越的操控性能;基于非线性轮胎侧偏刚度LQR权系数控制的四轮转向汽车比定轮胎侧偏刚度LQR线性控制的四轮转向汽车要有较好的操控性能.      

基于状态反馈的四轮转向汽车LQR优化控制

为了提高汽车的操纵稳定性,以4轮转向(4WS)汽车为研究对象,建立了2自由度系统的数学模型和状态方程。并以横摆角速度和侧偏角为优化目标,设计了线性二次型调节器(LQR)。通过质心侧偏角和横摆角速度的共同反馈,控制汽车后轮转角,实现4WS控制。在MATLAB/Simulink环境下完成了传统前轮转向汽车、零侧偏角比例控制及LQR控制的4WS汽车仿真。结果表明,相对于其他控制策略,基于状态反馈的LQR优化控制能够改善汽车的操纵稳定性,但不能够既将汽车的质心侧偏角降到基本为零,同时又保证横摆角速度处于理想状态。因此,汽车动力学集成控制将是未来汽车发展的重要方向。     

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...     

基于改进LQR方法的汽车横摆稳定性控制研究

为提高极限工况下汽车行驶的横摆稳定性,提出了一种改进的LQR横摆稳定性控制方法,考虑了路面附着极限的影响。在轮胎特性处于线性区域时,以二自由度线性模型作为参考模型,其稳态横摆角速度及质心侧偏角作为理想状态,当轮胎特性处于非线性区域时,以由路面附着系数决定的横摆角速度作为理想状态。根据线性二次型调节器(LQR)理论计算出维持汽车稳定所需要施加的附加横摆力矩。最后利用所建立的七自由度非线性模型,在正弦转向输入以及单移线工况下对控制方法进行了仿真验证,结果表明所设计的算法能够合理地控制横摆角速度及质心侧偏角,提高行驶的横摆稳定性。     

压电智能梁的状态相关LQR振动控制

为改善采用压电材料的智能梁的振动控制,提出了一个状态相关LQR（Linear Quadratic Regulator）控制方法,在离散时刻上依据状态选取主控模态,调整目标函数并更新增益矩阵,从而使主控模态具有较大的阻尼,数值计算了一悬臂梁和简支梁在不同初始条件下的响应,结果表明,该方法能够有效改善控制效果。     

基于自适应MP C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...     

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。     

基于避撞轨迹跟踪的车辆稳定性控制仿真研究

以四轮独立制动且前轮转向的车辆作为研究对象,运用模型预测轨迹跟踪控制方法跟踪五次多项式避撞轨迹,同时运用线性二次型调节器(LQR)方法确定期望附加横摆力矩,进而运用轮胎力优化分配方法对制动力进行分配,最终实现避撞轨迹跟踪过程的汽车稳定性控制.仿真结果表明,在较低附着系数路面,增加汽车横摆力矩控制有效提升了车辆在避撞轨迹...     

汽车驾驶机器人模糊车速跟踪控制方法

为了实现汽车驾驶机器人在各种工况下对给定车速的准确跟踪,提出了一种驾驶机器人模糊车速跟踪控制方法.驾驶机器人根据试验循环工况规定的目标车速和实时采集到的试验车辆车速解算出车速误差和车速误差变化率,经过模糊推理得到驾驶机器人油门、制动、离合器机械腿和换挡机械手的下压或回收运动差值,从而实现驾驶机器人的精确定位控制.试验结果表明,试验条件的变化对模糊车速跟踪控制的影响不大,该方法具有较强的抗干扰能力,能够准确跟踪给定的目标车速,跟踪精度满足要求.     

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

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.     

智能转向汽车的模型跟踪控制

从研究转向特性的2自由度简化模型出发，推导出智能汽车转向的状态空间方程，据此构造了智能汽车转向的动力学模型，进而应用Lyapunov方程设计了模型跟踪控制器，选用与实际汽车模型同阶的系统，采用极点配置的方法设计了理想汽车模型，通过输入不同的道路进行仿真，证明了该控制器设计的有效性。     

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.     

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...     

考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略

汽车加速度和速度因交通环境障碍物实时动态变化,智能汽车避障实时参考轨迹不光滑变化;参数摄动,车速实时变化和采集信号干扰,将造成智能汽车动态侧向避障精准控制困难。为此,提出考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略。该控制策略分为动态轨迹规划层和动态轨迹跟踪层;动态轨迹规划层依据障碍物汽车加速度和速度动态变化,采用基于避障极限位置的动态轨迹规划算法,以规划能够保证智能汽车侧向安全避障的实时参考轨迹;动态轨迹跟踪层设计了考虑了质量、转动惯量和前后侧偏刚度参数摄动的鲁棒控制器,以实现实时动态参考轨迹精准跟踪。最后,利用Matlab/Simulink和Trucksim软件联合仿真,进行所提控制策略仿真验证。仿真结果表明：动态轨迹规划层能够依据障碍物汽车加速度和速度实时变化,实时规划了安全侧向避障动态参考轨迹;轨迹跟踪层克服了质量、转动惯量、前后侧偏刚度参数摄动,以及实时参考轨迹不光滑动态变化,平滑良好地跟踪了侧向避障实时参考轨迹。因此,所提控制策略实现了智能汽车安全动态侧向避障,同时确保了避障过程汽车横摆稳定性。     

智能汽车构筑安全屏障

近年来,汽车产业领域绝大多数的创新都与汽车智能化系统相关,智能化是未来汽车发展的趋势.随着汽车产业发展以及人们对驾驶体验要求的提高,越来越多的车企开始涉足汽车智能化领域,将尖端的IT技术运用到汽车上,使汽车的操作性更简单,并且大大提高了行驶安全性.     

表征驾驶风格和驾驶员能力的驾驶员模型

由于驾驶员群体的驾驶方式和驾驶能力的差异,所决策的加速度值与最优值存在不同程度的偏差.本文作者在原有最优预瞄侧向驾驶员模型的基础上发展了多点多目标决策模型,以驾驶员的视野特征和决策意愿表征驾驶风格,并对驾驶员能力建模.Simulink/Carsim联合仿真结果表明,包括4个自由参数模型能够反映出不同驾驶员的驾驶行为,并有望应用于提升无人驾驶车辆乘坐感受的研究.      

采用极点配置的自动驾驶汽车换道路径规划与跟踪控制

针对自动驾驶汽车高速行驶过程中切换道路避让障碍物工况,提出了一种基于三次多项式曲线的路径规划算法和一种基于线性矩阵不等式区域极点配置方法的路径跟踪控制策略。首先,将汽车换道避让路径分解成几何形状相同的4段路径,采用三次多项式曲线规划出满足汽车运动学和动力学约束的第一段路径,并通过对第一段路径进行平移、翻转和旋转操作得到后3段路径,以及实现4段路径的平滑连接;然后,基于线性二自由度汽车动力学模型建立能够充分表征轮胎侧偏刚度不确定性的汽车换道避让路径跟踪控制模型,并采用线性矩阵不等式区域极点配置方法设计具有"前馈+反馈"控制结构的汽车换道避让路径跟踪控制策略,使闭环系统的极点配置在期望的位置上,保证闭环系统具有良好的动态和稳态性能。仿真实验结果表明:所提出的方法可将汽车驶离本车道时的纵向延迟距离由4.3m减小到2.3m,并且将汽车靠近目标车道时的最大侧向超调量由0.21m减小到0.004m,呈现出更好的动态和稳态性能。