遥控履带车辆的转向控制方法

为提高遥控履带车辆的操纵稳定性,研究了转向控制系统的控制方法.遥控履带车辆的转向控制由转向控制系统执行遥控驾驶指令控制转向拉杆行程予以实现.基于系统输入/输出关系构建了遥控转向操纵闭环系统模型,分析了遥控车辆的转向操纵特性.从人工转向操纵的特点出发,针对遥控信息环节引入的时间滞后,设计了预测和断续转向控制方法.试验证明,转向控制方法能够满足遥控履带车辆的方向控制要求.     

基于T-S模糊理论的车辆主动转向系统多目标控制

主动转向系统能通过主动转角补偿的方式实现横摆力矩控制,以改善车辆转向稳定性。针对横摆力矩控制,提出了基于T-S模糊理论的LQR多目标控制器的主动转向系统。该系统综合考虑主动转向系统的有效工作区间和车辆操纵模型中轮胎的非线性问题,采用T-S模糊理论建立了主动转向系统模型,并基于横摆角速度和车辆侧偏角这两个控制变量,设计了LQR多目标控制器。仿真分析结果表明,所提出的基于T-S模糊理论的LQR多目标控制器的主动转向系统整体上能降低横摆角速度、车辆侧偏角和侧向加速度,并快速达到稳定状态。该系统能有效改善车辆的转向稳定性,从而为主动转向系统的设计和应用提供理论参考与方法依据。     

基于主动转向的车辆路径跟随广义预测控制

为了增强车辆在外界干扰存下的路径跟随性能,提出了一种基于广义预测控制(GPC)的主动转向控制器来保证车辆对于路径的跟踪能力.采用受控自回归积分滑动平均模型(CARIMA)作为预测模型,通过带遗忘因子的最小二乘法辨识方法获得CARIMA模型参数,避免了由于车辆非线性造成的参数化建模不准确、繁琐问题.使用车辆路径侧向跟踪误差作为控制器输入,方向盘附加转角作为输出,与驾驶员方向盘转角进行综合,获得车辆方向盘最终转角.在Simulink-CarSim联合仿真环境下,验证了所设计控制器在双移线工况有强侧向风干扰时车辆对路径的跟随性能.     

基于动态事件触发机制的双通道时延网络预测控制

本文针对传感器-控制器通道和控制器-执行器通道均存在时延的网络控制系统(NCSs),研究了在动态事件触发机制(DETM)下基于模型的网络预测控制(NPC)问题。通过在静态事件触发机制(SETM)中引入一个内部动态变量,设计了双通道动态事件触发机制,采用龙伯格观测器对系统状态进行估计,提出了基于模型的网络预测控制方法主动对双通道网络时延进行补偿,根据Lyapunov稳定性理论,给出了网络控制系统渐进稳定的充分条件,通过数值仿真验证了所提方法的有效性。     

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.     

航空发动机模糊自适应广义预测解耦控制

为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布式控制系统,提出了一类模糊自适应广义预测解耦控制算法.利用发动机非线性模型的输入输出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线调整以使网络能更好地逼近实际系统.将模糊自适应推理网络作为广义预测控制器的预测模型,可以省去常规广义预测控制器的反馈校正机构.仿真表明:当参考轨迹为阶跃信号、斜坡信号时,所设计的控制器均具有良好的动态跟踪特性和解耦特性,当时延发生变化时,系统输出仍然能稳定地跟踪参考轨迹,说明该控制器对时延不敏感,鲁棒性强.     

预测控制理论在网络时延补偿策略中的应用

针对网络控制系统(NCS)中的时延问题,在分析网络时延特性的基础上,对系统采用预测控制策略进行时延补偿,该策略用易于测量的网络往返时延代替不易单独测量的前向时延和后向时延,并用MATLAB/TrueTime仿真工具箱对实际系统进行了仿真实验研究.仿真结果表明该策略能保证网络控制系统的良好性能.     

传输时延和数据包丢失的网络化系统预测控制

针对具有传输时延和数据包丢失的网络化系统研究了有约束模型预测控制问题。考虑网络控制系统中同时存在时延和丢包的情况,给定时延和丢包的上界值,用预测控制器产生的对应时刻的控制输入补偿网络时延和数据包丢失,通过建立时延状态矩阵将系统模型进行分类并视为切换系统,并通过构造切换Lyapunov函数证明了切换系统的稳定性。为了在提高系统性能的基础上减少计算量,利用部分滚动优化方法进行控制器设计,给出了性能指标的上界和系统渐进稳定的充分条件,通过在线求解LMI问题得到状态反馈控制律。仿真研究验证了该方法的有效性。     

基于独立脉冲转向系统车辆稳定性控制

为了提高车辆操纵稳定性,本文集成独立转向和主动脉冲转向提出了一种主动后轮独立脉冲转向(ARIPS)控制策略,并对此进行理论分析和试验研究.通过建立ARIPS系统仿真动力学模型,研究此系统的运行对悬架性能的影响并分析不同转向脉冲控制参数对车辆稳定性的影响.依据仿真分析和频率分析方法确定最优脉冲参数.设计ARIPS控制器及脉冲转角分配模块,基于CarSim和Simulink进行联合仿真分析,验证ARIPS的控制性能.研制并安装主动脉冲转向系统,基于试验Lexus车辆进行整车试验研究,验证ARIPS系统的实用性.仿真和试验结果表明:验证了ARIPS系统的可行性和经济性,ARIPS控制能有效提高车辆的操纵稳定性,比主动后轮转向(ARS)和主动后轮脉冲转向(ARPS)具有更好的控制效果,对改进四轮转向(4WS)系统的性能提供了一个新的研究方向和试验基础.     

车辆EPS模糊神经网络控制研究

在二自由度车辆转向和EPS动力学模型建立的基础上,设计了EPS模糊神经网络控制系统结构及其控制策略。对不同转向盘转角输入工况进行仿真计算。结果表明,与传统的机械式转向系统相比,有助力时车辆的横摆角速度峰值和标准差分别减少了5.2%和11.2%;车身侧偏角的峰值和标准差分别减少了29.2%和28.7%,结果证明了模型的正确性和控制策略的有效性。     

基于模糊神经网络的大时滞系统的预测控制

工业生产过程中常有大时滞存在,用传统控制方法不能获得满意的控制效果。为解决这个问题,本文提出了基于模糊预测的模糊神经网络（Fuzzy Neural Networks)控制器,根据过程的动态变化实施控制器的在线调整,仿真和实践都表明了该控制方案的优越性。     

基于神经网络的交叉口多相位模糊控制

根据城市交叉口交通流的特点,给出了一种交叉口多相位自适应控制算法,综合考虑相邻车道上的车队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制．仿真结果表明,文中所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,是实现交通系统智能控制的一条新途径．     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．     

基于电液耦合转向系统的车辆载荷变化补偿控制

商用车载荷变化范围较大,导致车辆转向阻力矩变化范围较大;所以在车辆载荷发生变化时,驾驶员所需操纵力矩将随之变化,会使同一车辆的转向操纵手感随载荷变化而不同。针对这一问题,以一种新型电液耦合转向系统为硬件基础,提出了车辆载荷变化补偿控制策略。采用理论公式及Truck Sim软件仿真的方式分析了车辆载荷变化对转向阻力矩的影响,建立两者之间的对应关系;进而设计补偿系数。利用已搭建电液耦合转向系统硬件在环实验台对所提出的控制策略进行验证.结果表明:当带有补偿控制的车辆载荷发生变化时,驾驶员施加在转向盘处手力矩变化轻微,说明控制效果较好,有效减小驾驶员转向操纵手感的变化。     

四轮转向汽车路径跟随控制

路径跟随控制是汽车实现自动驾驶的重要工具,已在前轮转向汽车上取得了较好的效果,但是前轮转向汽车的路径跟随控制不完全适用于四轮转向汽车.对此,基于横向误差,提出一种四轮转向汽车路径跟随模糊控制算法.首先,建立响应面模型作为优化目标函数.然后,利用遗传算法对模糊控制器进行优化设计.最后,通过Carsim-Simulink联合仿真实验,对该算法进行验证.仿真结果表明,路径跟随横向误差得到有效降低,车身质心侧偏角也控制在0.6°以内.该算法能够实现精准的路径跟随,并提高汽车的操纵稳定性.     

基于随机通信时滞补偿的混合动力汽车协调控制研究

为了改善功率分流式混合动力汽车模式切换品质,提出了一种基于随机通信时滞补偿的转矩协调控制策略.在一般的电机转矩补偿控制策略的基础上,为提高车辆协调控制系统的精度,揭示了不同通信网络时滞对于电机补偿控制稳定性的影响,提出了增设BP-Smith自适应补偿模块和电机转矩变化率限制模块构成的复合协调控制策略并进行了仿真验证,结果表明,该控制策略在受到随机网络延时的干扰下仍能保证系统的稳定性及模式切换的平顺性.      

静液传动履带车辆转向神经元自适应PID控制

为实现静液传动履带车辆快速稳定转向,且转向轨迹可控,基于双侧轮边液压驱动结构特点,提出了转向时外侧马达排量采用压力、发动机转速双参数控制,内侧采用神经元自适应PID控制以跟随外侧的转向控制策略. 在Matlab/Simulink中建立了包含基于S函数的神经元PID控制器和综合控制策略Stateflow模块的整车模型,对转向控制进行仿真分析,阶跃输入时,神经元PID比传统PID控制能有效抑制系统超调量,加快系统响应速度;不同转向工况仿真结果表明:神经元PID控制具有较好的目标跟随能力,提高了系统的实时性和鲁棒性,使得静液传动履带车辆具有良好的转向性能.      

基于改进型滑模控制的4WS汽车控制策略研究

针对线控四轮主动转向车辆受侧向干扰和变道行驶时存在的操纵稳定性问题,基于单点预瞄驾驶员模型、三自由度整车动力学模型和改进型滑模四轮转向（4WS）控制算法,建立了4WS整车驾驶系统,并设计了双移线行驶工况对其进行实验测试.在Matlab/Simulink软件中对该整车驾驶系统进行建模仿真,并与相同参数的经典型滑模控制的4WS车辆和无控制前轮转向（FWS）车辆模型仿真结果对比.结果表明:设计的改进型滑模控制器可以有效地实现双移线行驶工况,追踪理想横摆角速度,使质心侧偏角、车身侧倾角和侧倾角速度保持一个相对较小的值,并且对侧向干扰具有很强的鲁棒性.