一种考虑加速度需求的车速自适应控制方法

针对智能车辆纵向控制要同时满足期望车速和期望加速度的需求,同时考虑到道路阻力变化对纵向控制的影响,提出一种考虑加速度需求的车速自适应控制方法。利用车辆纵向动力学模型,通过自适应遗忘因子递归最小二乘法对道路阻力进行估计。在此基础上基于条件积分方法设计耦合的车速和加速度控制律,通过积分自动调节和切换策略,保证了车速控制和加速度控制的平滑切换,并且通过建立李雅普诺夫函数,证明了车速跟踪误差的全局渐进稳定。最后,通过仿真试验和实车试验验证了控制方法的有效性。     

一种考虑加速度需求的车速自适应控制方法

针对智能车辆纵向控制要同时满足期望车速和期望加速度的需求,同时考虑到道路阻力变化对纵向控制的影响,提出一种考虑加速度需求的车速自适应控制方法。利用车辆纵向动力学模型,通过自适应遗忘因子递归最小二乘法对道路阻力进行估计。在此基础之上基于条件积分方法设计耦合的车速和加速度控制律,通过积分自动调节和切换策略,保证了车速控制和加速度控制的平滑切换。并且通过建立李雅普诺夫函数,证明了车速跟踪误差的全局渐进稳定。最终通过实车试验验证了控制方法的有效性。     

基于模糊免疫PID的驾驶机器人车辆路径及速度跟踪控制

为了实现装备驾驶机器人车辆的路径及速度跟踪控制,提出了1种基于模糊免疫比例积分微分(PID)的控制方法。通过比较车辆实际行驶路径与期望路径的侧向偏差,模糊免疫比例路径跟踪控制器控制转向机械手操纵方向盘。通过计算期望车速与实际车速的偏差,模糊免疫PID速度跟踪控制器控制制动/油门机械腿分别操纵制动/油门踏板。通过引入车速反馈不断更新汽车的侧向加速度增益,实现了车辆转向控制与纵向车速控制的解耦。Carsim/Simulink软件的联合仿真结果显示,车辆路径跟踪和车速跟踪的最大误差分别为0.28 m和1 km/h。     

分层架构下智能电动汽车纵向运动自适应模糊滑模控制

针对智能电动汽车(intelligent electric vehicles,IEV)的纵向控制在不确定性干扰下存在非线性、强时变特征,提出一种分层控制架构下的智能电动汽车纵向跟车运动自适应模糊滑模控制方法.根据经典理论力学建立表征智能电动汽车纵向行为机理的动力学系统模型,并进一步构建智能电动汽车纵向跟车运动分层控制构架.上层控制根据本车与前车的行驶状态信息得出期望加速度滑模控制律,进而利用自适应模糊系统替代滑模切换项以改善控制性能;下层控制通过设计驱动/制动切换策略以提高行驶舒适性,然后基于逆动力学模型实时求解期望控制力矩以跟踪期望加速度.为验证所提方法的有效性,在不同行驶工况下进行的仿真试验结果表明,该方法能实现本车平稳准确地跟随前车行驶,且对前车加速度的干扰具有鲁棒性.     

分布式驱动电动汽车纵向车速非线性自适应估计

基于分布式驱动电动汽车,提出了一种纵向车速非线性自适应估计算法.该算法使用车辆加速度传感器信息和各车轮滑移率反馈值对车辆纵向车速进行估计.从理论上证明了纵向速度估计误差收敛.根据各车轮滑移率的大小确定各轮速估计误差在估计算法中的反馈修正比例.使用带遗忘因子的递推最小二乘算法在坡道路面对路面坡度进行了在线实时估计,进而使用坡度估计值修正纵向加速度传感器信息,实现了坡度自适应纵向车速估计.该方法具有计算量小、估计精度高的优点.通过多工况的实车试验验证了算法的有效性.     

基于模式切换的汽车自适应巡航系统分层控制

汽车自适应巡航系统通过分层控制即上层控制器向下层控制器(节气门或制动执行器)发出指令,实现汽车自动加速、减速或保持车速不变,以保持后车与前车间的期望距离。文章将自适应巡航汽车的控制模式划分为速度控制模式和车距控制模式,考虑到2种模式之间的博弈,根据车距与相对速度之间的关系建立2种模式之间的切换策略,以实现速度控制模式和车距控制模式间的平稳切换;再利用PI(proportional integral)控制和模糊控制对期望加速度进行控制,完成上层控制器的建立;根据刹车油门切换逻辑区分期望加速度和期望减速度,建立下层控制;最后利用CarSim和Matlab/Simulink软件对自适应巡航汽车的行驶工况进行联合仿真,仿真结果表明该控制策略能使后车较为稳定地跟踪前车。     

加速度连续型自适应巡航控制模式切换策略

提出了一种用于自适应巡航控制(ACC)系统的控制模式切换策略。现有ACC控制模式的划分及其切换策略有可能使车辆加速度变化过于剧烈,且未考虑驾驶员超车等需求,不利于驾驶舒适性。该文在现有ACC控制模式的基础上增设接近前车和超车2种控制模式,提出基于零期望加速度曲线的切换策略,并利用加权平均算法对控制量进行连续性处理。实车试验表明:所设计的ACC控制模式切换策略与实际驾驶工况相符,能够实现切换过程中加速度的连续平稳变化,并满足驾驶员控制优先权的要求。     

道路减速带对车辆平顺性和安全性的影响

在分析道路减速带控制车速原理的基础上,采用实车道路试验的方法,研究了道路减速带结构尺寸对车辆平顺性和安全性的影响,得到了车辆通过不同结构尺寸道路减速带时,车身加速度和车轴加速度随车速的变化关系.结果表明:道路减速带的宽度与控制车速成正比,高度与控制车速成反比;对于车速小于40 km/h的道路,道路减速带宽度为400～500mm(高度为40～50 mm)即可取得良好的控制车速效果;对于车速小于60 km/h的道路,道路减速带的宽度为500～600mm(高度为30～40 mm)时才能取得良好的控制车速效果.     

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.     

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。     

汽车纵向控制的停走巡航控制算法实验研究

本文讲述了车辆队列中汽车间距的纵向控制算法和试验结果。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。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。     

融合自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制

为提高不同工况下驾驶机器人操纵试验车辆的转向精度和自适应能力,提出了一种基于自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制方法。首先建立了试验车辆动力学模型和驾驶机器人转向机械手动力学模型,并构建了驾驶机器人转向操纵试验车辆的集成系统动力学模型,接着研究了一种融合路径曲率和车速的驾驶机器人转向操纵自适应曲线预瞄方法,其预瞄点位置能够根据车速和路径曲率做出自适应调整。在此基础上,设计了用于驾驶机器人转向操纵的粒子群优化滑模控制器,并进行了稳定性分析,同时利用粒子群算法在线优化滑模控制切换项的反馈增益系数,以减小控制抖振。仿真及试验结果表明,所提出的方法能够在不同工况下根据路径曲率和车速做出自适应调整,实现驾驶机器人操纵车辆的精确转向控制。     

履带式装甲车辆纵向速度控制

履带式装甲车辆的动力学系统具有强烈非线性、不确定性的特点,为解决直线行驶工况下的速度控制问题,结合驾驶员驾驶操纵经验,提出一种自适应性强的变论域分相模糊比例-积分-微分(proportion-integral-derivative, PID)控制方法,实现了对期望车速的有效跟随。首先建立包含发动机、传动系及制动系的装甲车辆纵向动力学模型,然后利用模糊算法在线整定PID控制器参数,并采用变论域分相设计进一步提高控制器的自适应能力。仿真实验结果表明,提出的控制方法与传统PID及模糊PID相比,车速跟随控制精度与快速收敛性都有了提高,尤其能够有效解决驱动/制动切换时整车运动状态改变导致的控制效果大幅度下降问题。     

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。     

汽车自动驾驶的方向与车速控制算法设计

【】用于港口集装箱转运和路面疲劳试验加载等场合的半挂汽车列车运输具有线路固定和场地封闭等特点,采用自动驾驶将提高行车安全、减少人力成本。本文以半挂汽车列车为控制对象,设计了汽车自动驾驶的方向和车速控制算法。采用基于侧向位置偏差和航向偏差联合控制参数的方向控制策略。为增强方向控制算法对不同车速的适应性,引入基于稳态转向增益的方向控制增益调度。车速控制采用预瞄位置期望车速与当前实际车速的偏差反馈PID控制,以油门开度与制动踏板行程为非相容组合控制输入,依据期望纵向加速度确定不同控制输入方式的切换及控制输入大小。采用Matlab/Simulink和TruckSim协同仿真手段评价自动驾驶控制效果,仿真结果表明在设定不同路径和目标车速下,提出的算法均能以较小侧向位置偏差、航向偏差和车速误差实现路径和车速跟踪。     

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...     

分布式驱动纯电动SUV车辆控制策略研究

文章分析了分布式驱动车辆控制系统框架,将控制系统分为整车控制层和执行器控制层;基于有限状态机(finite state machine,FSM)设计了整车控制策略,划分了车辆工作模式,设计了各个工作模式之间的切换路径与切换逻辑;基于转矩矢量控制(torque vectoring control, TVC)设计了包含横摆角速度跟踪控制和纵向力分配的车辆动力学控制算法。实车实验结果表明,各个工作模式能够按照期望路径切换,动力学控制算法能够准确响应上层行车需求。     

双侧电驱履带车辆模糊自适应滑模转向控制

针对履带车辆在行驶过程中,由于路面条件非线性变化导致的车速和转向角速度跟踪存在时滞和不稳定的问题,基于履带车辆转向运动学和动力学分析,提出了一种基于滑模变结构的转向控制方法,并将履带车辆的控制系统进行解耦,分别控制车速及转向角速度.采用积分滑模控制算法,设计了能够适应路面变化的车速控制器;引入模糊控制柔化控制信号,降低滑模抖振,并结合自适应调节设计了能够适应转向阻力非线性不确定的转向角速度控制器.运用MATLAB/Simulink软件对系统进行转向控制仿真分析,与传统比例-积分-微分(PID)控制相比较,车辆行驶速度与转向角速度跟踪响应速度分别提高了1.9 s和0.5 s,转向角速度跟踪精度提高了4％.仿真结果表明:所提出的算法具备响应速度快、抗扰动能力强的优点,能够实现履带车的稳定转向.     

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.     

基于双自适应无迹卡尔曼滤波的半挂车状态估计

针对半挂车辆状态估计过程中测量噪声不确定、累计误差影响严重、初值敏感等问题,提出一种适用于半挂车铰接角、车速等多个状态量估计的双自适应无迹卡尔曼滤波算法(FFUKF).基于搭建的半挂汽车12自由度非线性动力学模型和轮胎模型,通过测量的轮速与车辆加速度等信息,首先利用模糊控制自适应调整滑移率容差,综合判断每个车轮的稳定状态,通过轮速估算出一种车速;与此同时,模糊控制自适应调整测量噪声,利用无迹卡尔曼算法,依据动力学估计出铰接角和另一种车速;然后通过卡尔曼滤波算法融合两种方法估计的结果,实现车辆的纵向、侧向速度、横摆角速度和挂车与牵引车铰接角的实时估计.最后在Simulink/TruckSim联合仿真环境下进行多工况仿真试验,验证所提出的双自适应无迹卡尔曼估计算法(FFUKF)有较强的适应性、稳定性和鲁棒性,相比普通模糊自适应无迹卡尔曼(FUKF)有更高的估计精度,能有效克服累计误差,即便在估计初始值不准和有ABS控制输入的情况,仍可以较精确地对车速和铰接角进行实时估计.