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.     

基于模糊算法的无人驾驶压路机自动碾压控制

针对无人驾驶振动压路机在自动碾压作业时的路径跟踪误差影响整体碾压作业质量的问题,提出了基于模糊算法的路径跟踪控制方法.建立了压路机整体运动学模型和液压动力转向系统模型,设计了基于预瞄的航向跟踪算法和模糊比例-积分-微分(PID)控制器来实现对自动碾压误差的控制.通过无人驾驶压路机路径跟踪控制模型的仿真和现场自动碾压试验对自动碾压控制性能的验证,表明基于预瞄的航向跟踪模糊PID控制较普通PID控制在无人驾驶振动碾压过程中具有更好的控制性能,显示了模糊控制算法的有效性与优越性.     

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。     

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比例-积分-微分(proportion-integration-differentiation, 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,所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

基于视觉的智能车辆模糊滑模横向控制

以采用视觉导航的智能车DLUIV-1为对象,对智能车辆的横向控制方法开展研究.首先,建立基于视觉预瞄距离的车辆横向控制系统模型,利用包含速度等因素在内的预瞄运动学模型确定车辆的横向偏差和方位偏差.其次,针对横向控制的特点,提出了模糊和滑模相结合的智能车辆横向控制策略,综合考虑车辆当前的横向偏差和方位偏差,将二者融合后的综合偏差作为滑模切换函数的参数来设计滑模面,将滑模切换函数作为控制目标,利用模糊控制规则调整控制变量的大小来确保存在和到达条件成立,保证方向盘转动的稳定性.仿真结果表明该横向控制器能够保证智能车辆准确而且稳定地跟踪参考路径,且对模型参数的变化具有较强的鲁棒性.     

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.     

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。     

自动泊车路径纯跟踪算法应用研究

为实现自动泊车系统的路径跟踪功能，解决纯跟踪算法由于预瞄距离选取不当导致的方向盘抖动、跟踪精度下降的问题，文中提出了一种改进的纯跟踪路径跟踪算法，该方法在传统纯跟踪算法的计算结果基础上设计了一种带记忆参数的方向盘转角修正算法.实车实验表明，该方法适用于自动泊车系统，可以在适用工况下选取较小的预瞄距离，在保证跟踪精度的同时解决了纯跟踪算法在小预瞄距离下的方向盘抖动问题.     

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。     

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.     

基于优化模型车辆路径跟踪控制研究

路径跟踪是实现自动驾驶的基础,而根据模型的几何关系实现路径跟踪是一种非常实用的方法.传统的几何控制模型简单可靠、易于改进,但向前预瞄的局限使得此模型在大曲率、高速等极限工况下的跟踪效果较差.为了使几何控制模型的鲁棒性更好、控制精度更高,本文同样基于几何关系控制的原理提出一种优化模型,取消了固定预瞄的计算方式,采用自适应...     

基于动力学和预瞄理论的超车路径跟踪控制

为提高辅助超车安全性,对超车换道的规划路径进行预瞄跟踪控制研究.基于汽车侧向动力学模型和预瞄理论,推导出转向角到预瞄误差的传递关系,得到路径跟踪控制器.在Simulink中建立跟踪控制器,在Carsim中建立车辆模型和规划路径,定义二者的传递参数,分别对五次多项式超车路径和Carsim自带双移线路径进行路径跟踪控制的仿...     

无人驾驶高速4WID-4WIS车辆路径跟踪单点预瞄控制

针对无人驾驶高速四轮独立驱动独立转向(4WID-4WIS)车辆的驱动冗余、强非线性和不确定特性,提出一种基于控制分配和自抗扰控制法的路径跟踪单点预瞄控制方法。首先建立车辆单点预瞄路径跟踪系统的动力学模型。然后构建以控制分配器为核心的控制系统,使用自抗扰控制方法设计单点预瞄解耦控制器;提出目标生成器的类惯性环节算法,讨论其合理性;给出4WID-4WIS车辆路径跟踪控制分配问题的求解方法。最后进行仿真,结果表明所提方法能够实现快速、高精度的双移线圆弧路径跟踪控制。     

智能汽车驾驶员模型的预瞄时间自适应分析

为了更好地模拟真实驾驶员在人车路闭环系统下的操纵行为,提出了一种针对智能汽车驾驶员模型的预瞄时间自适应模型.运用预瞄跟随理论与预瞄优化驾驶员模型构建智能汽车驾驶员模型,进而分析道路环境与汽车行驶状态等因素对智能汽车驾驶员模型中预瞄时间的影响,分别采用基本预瞄时间和补偿预瞄时间表征不同因素对驾驶员前视行为的影响,并将基本预瞄时间和补偿预瞄时间相结合,建立了基于BP神经网络的预瞄时间自适应模型.在Carsim/Simulink联合仿真平台上搭建了预瞄时间自适应的智能汽车驾驶员模型,针对正常驾驶和激进驾驶2种模式进行了仿真分析.结果表明所建立的预瞄时间自适应模型可有效改善智能汽车驾驶员模型的路径跟踪效果.     

基于改进预瞄跟随算法的新能源汽车转向控制研究

为了解决传统预瞄跟随算法应用于新能源汽车转向控制导致在转弯曲率过大路况下车辆易脱离路径的问题,对预瞄跟随算法改进并应用于汽车转向控制中,将预瞄点设定为当前车速下经过时间T到达的路径上的点,采用预瞄跟随最优曲率驾驶员模型的预瞄点快速搜索,并将改进算法在Dymola软件构建的新能源汽车转向控制模型上进行验证.和传统预瞄跟随...     

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.     

基于模糊自适应PI控制的智能车的设计与研究

为实现智能车自动寻迹,研制一种基于汽车模型为硬件平台的智能车系统.传统PI控制的参数固定,难满足模型沿指定路径行驶的智能化要求;而模糊自适应PI控制具有控制精度高,控制灵活且适应性强的优点,可以精确、稳定的控制车速.路径信息采集模块将摄像头采集的道路信息传送至微处理器,微处理器输出合适控制量对舵机进行方向控制,同时综合编码器将测得的速度反馈给微处理器,采用模糊PI控制对智能车直流电机进行速度控制,该方案可以使智能车快速稳定的沿指定路径行驶.     

基于主动转向与主动制动的智能车路径跟踪

提出一种基于模型预测控制的分层路径跟踪控制器进行主动转向和差动制动控制.由预测监控状态模块、上层控制器和下层执行器组成.预测监控状态模块利用车辆动力学模型预测车辆未来状态;上层控制器计算期望的前轮转角和轮胎制动力;底层执行器执行前轮转角和制动压力.通过Matlab与Carsim的联合仿真,结果显示,提出的控制器在高速紧急避障中的路径跟踪效果比预瞄驾驶员模型更好.     

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。     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.