考虑横向稳定性的智能车辆路径跟踪控制

对于智能车辆的路径跟踪,传统位置偏差控制方法往往忽略了车辆的动态稳定性.针对这一问题提出一种考虑横向稳定性的智能车辆路径跟踪控制方法.首先建立二自由度车辆动力学模型和路径跟踪误差模型,综合考虑车辆位置偏差和车辆动力学状态,利用基于反馈优势的反推法(FDB)生成期望横摆角速度;然后基于线性二次型跟踪器(LQT)设计了主动前轮转向(AFS)和直接横摆力矩控制(DYC)的集成控制策略,得到了理想的控制输入(前轮转角和外部横摆力矩),进而实现精确跟踪期望横摆角速度和质心侧偏角;最后在Simulink仿真环境中对提出的控制方法进行验证.结果表明:提出的控制方法在路径跟踪的同时具有很好的横向稳定性能;相比于不考虑横向稳定性的控制方法,提出的方法在路径跟踪过程中跟踪精度更高,车辆的质心侧偏角更小,横摆角速度也能更好的跟踪期望值.     

基于力驱动的智能汽车路径跟踪控制策略

为提高高速大曲率工况下智能汽车的路径跟踪控制精度,保证车辆横摆稳定性和侧倾稳定性,提出基于最优前轮侧向力和附加横摆力矩协同的力驱动模型预测控制(MPC)路径跟踪控制策略。充分利用轮胎非线性动力学特性,提高控制器的响应性能,构建基于时变线性轮胎模型的路径跟踪控制系统状态空间方程,预测车辆状态信息。采用零点力矩法建立车辆侧倾稳定性约束条件,设计基于MPC的防侧倾路径跟踪控制器。CarSim与Matlab/Simulink联合仿真结果表明,该控制器在保证车辆横摆稳定性和侧倾稳定性的前提下,高速大曲率工况下的最大横向位置偏差和航向角偏差分别降低14.08%和4.80%,低附着高速变道工况下分别降低22.95%和16.77%,说明所提出的控制器可显著改善车辆路径跟踪效果。     

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...     

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...     

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.      

考虑道路曲率的多约束高速无人驾驶汽车横向跟踪控制方法

为了提高模型预测控制(model predictive control, MPC)方法在高速无人驾驶汽车横向跟踪中的有效稳定控制,建立考虑横摆、侧滑和曲率等因素的高速车辆动力学模型,提出基于三次贝塞尔曲线的连续自适应分段拟合法以获取道路曲率,然后设计考虑车辆滑移稳定性约束、道路环境约束和轮胎纵横向耦合力约束,以车辆高速跟踪过程中的航向偏差、横向偏差以及滑移率等二次型最优为目标进行求解的MPC控制器。仿真案例基于MPC方法,搭建CarSim/SimuLink联合仿真模型,研究高附着路面恒定高速和低附着路面变速2种仿真工况。研究结果表明：车辆在恒定高速工况下以不同的车速在不同曲率的道路行驶时横向跟踪误差在0.6 m以内,优化的前轮转向角最大值为0.1 rad,横摆角速度-横向速度相平面也在包络线之内,车辆在大曲率路径跟踪时,平均横向跟踪误差0.221 9 m,平均横摆角速度为0.180 8 rad/s,较不考虑道路曲率/滑移稳定性约束的跟踪效果显著提升;低附着路面小曲率/大曲率路径变速工况下,车辆考虑轮胎耦合力的前轮转向角约束较未考虑时的横向跟踪误差显著减小(其中低附着路面小曲率路径工况的...     

极限工况下自动驾驶车辆转向控制器的设计

为提高极限工况下自动驾驶车辆的路径跟踪精度并维持车辆行驶稳定性,设计了一种基于线性模型预测控制的路径跟踪转向控制器.该控制器以速度矢量方向角偏差作为控制参考量,在计算过程中以理想质心侧偏角代替实际质心侧偏角,以提高跟踪精度;采用前轮侧向力为控制输入量,并应用仿射近似方法对后轮侧向力进行线性化处理,以减小计算负担.CarSim与Matlab/Simulink的联合仿真结果表明,该控制器能够在轮胎处于附着极限的情况下维持车辆稳定行驶,且跟踪精度较传统控制器有明显的提高.     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

基于复合滑移轮胎模型的车辆横纵协同优化控制

极限工况下,车辆纵向侧向运动存在严重的耦合,传统的纵向或侧向主动安全控制技术难以保证车辆的操纵性能。基于复合滑移LuGre轮胎模型,提出了一种车辆横纵耦合协同优化控制器。建立了车辆侧向动力学模型,它能够反映出轮胎滑移率和侧偏角耦合特性对汽车侧向力的影响。然后,在预测控制框架下,设计车辆横纵耦合协同优化控制器,跟踪期望的横摆角速度和侧向速度,抑制滑移率,保证低附着路面下的车辆操纵稳定性。通过CarSim和MATLAB/Simulink的联合仿真,与基于纯侧偏轮胎模型的控制器控制性能进行对比,结果表明:所提出的控制器能够通过更少的输出扭矩更好地跟踪期望横摆角速度,抑制侧向速度,降低滑移率。     

考虑多性能约束的车辆主动前轮转向静态输出反馈控制

为使车辆能精确地跟踪理想横摆角速度,从而提高车辆路径跟踪能力,提出考虑多性能约束的主动前轮转向静态输出反馈(SOF)控制方法.由于行驶中车辆轮胎的侧偏刚度是一强非线性参数,所以将侧偏刚度作为模型的不确定性参数.基于饱和线性轮胎模型,建立二自由度车辆动力学多胞型模型来对参数不确定性进行处理.针对该类不确定性系统,考虑具有区域极点配置约束与H_∞性能约束的鲁棒SOF控制器设计问题.给出了该类不确定系统的线性矩阵不等式(LMI)充分条件,并首次扩展运用一种坐标转换矩阵优化方法来迭代求解所得到的LMI条件,从而得到该类不确定性系统的鲁棒最优H_∞ SOF控制器.MATLAB/Simulink和CarSim的联合仿真结果表明,所设计的SOF控制器可显著提高对期望横摆角速度的跟踪性能,改善车辆路径跟踪能力,且对模型参数的不确定性具有良好的鲁棒性.     

智能车辆轨迹跟踪控制方法研究

针对智能车辆的轨迹跟踪控制问题,提出了一种可以调节参数的智能车辆轨迹跟踪控制方法.首先,设计了模糊控制器对智能车辆进行路径跟踪控制;其次,为了提高车辆在高速下的路径跟踪效果,设计模型预测控制器,并结合轮胎的动力学特性及车辆动态特性对轮胎侧偏角、质心侧偏角等进行约束;然后,为了提高车辆在不同工况下的路径跟踪效果,进一步设计了基于PSO算法的模型预测控制器.比较三种控制器的控制效果,选择典型工况在联合仿真平台上进行仿真.结果表明,提出的智能车辆的轨迹跟踪控制方法可以有效地对车辆轨迹进行跟踪.     

基于LQR和PID的智能车轨迹跟踪控制算法设计与仿真

为了提高智能车轨迹跟踪的精度及鲁棒性,提出了基于线性二次调节器(LQR)和比例-积分-微分(PID)算法的横纵向控制策略。首先建立了车辆二自由度动力学模型和轨迹跟踪误差模型;其次设计了横向LQR控制算法的轨迹跟踪控制器和纵向双PID控制算法的速度跟踪控制器,并采用遗传算法对横向LQR控制的关键参数进行了确定。通过CarSim和Simulink对其控制算法进行低速、中速和高速三种工况的仿真,仿真结果表明：该横纵向控制算法在轨迹跟踪时的距离偏差小于0.05 m,前轮转角以及横摆角速度变化较为平稳,保证了轨迹跟踪的精度和较好的稳定性,在一定程度上提升了乘员的舒适性。     

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.     

基于线控转向的差动转向控制策略研究

针对分布式电驱动整车差动转向问题，文章以线控转向机构作为转向执行机构，研究基于横摆角速度和车辆路径的综合反馈控制策略。采用MATLAB/Simulink和CarSim的联合仿真，设计滑模控制器和线性二次型调节器，重新分配四轮转矩，决策出合理的前轮附加转角，以保证汽车的行驶稳定性，并选取典型工况对控制策略进行仿真验证。仿真结果表明，基于横摆角速度的滑模控制器与基于路径的路径跟踪控制器的综合控制策略，相较于传统基于横摆角速度和质心侧偏角的滑模控制器，车辆实际横摆角速度与理想横摆角速度误差大幅下降；车辆路径与期望路径误差亦得到有效控制。     

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。     

基于LQR的智能驾驶汽车横纵向控制研究

为了提高智能驾驶汽车跟踪控制器的稳定性和跟踪精度,提出了一种基于线性二次型调节器(LQR)控制算法和驾驶员预瞄模型的横向跟踪控制策略,结合纵向比例-积分-微分(PID)控制算法实现横纵向控制。首先建立带有前馈的LQR控制器,采用梯度下降优化算法优化LQR控制器权重参数,并在此基础上引入驾驶员预瞄模型,设计了基于经验的预瞄距离自适应控制器;其次建立双PID纵向控制器进行速度控制。最后通过Carsim和Matlab/Simulink联合仿真以及实车测试验证,结果表明：仿真工况下最大横向偏差小于0.035 m,最大航向偏差小于0.09 rad,实车测试工况下也能够良好遵循规划轨迹的整体趋势,速度跟踪效果良好且前轮转角与横摆角速度变化平稳。因此,该控制器能够保证较高精度且平稳的轨迹跟踪,在高速状态下更为明显。     

基于相平面的车辆AFS与DYC可拓协调控制

为了提高汽车的操纵稳定性,弥补主动前轮转向(AFS)在轮胎侧向力饱和的情况下对车辆稳定性控制的不足,引入直接横摆力矩控制(DYC),设计了基于相平面的可拓协调控制系统,分为上、下两层。上层为AFS和DYC的功能协调层,以轮胎侧偏特性线性极限和β相图稳定域边界作为依据来划分汽车行驶状态,对应于可拓集合中的经典域、可拓域和非域,运用可拓学理论求解关联度函数,并确定控制器间的协调权重;下层为主动前轮转向控制器和直接横摆力矩控制器,均采用粒子群算法优化PID控制参数。利用Simulink与CarSim软件搭建联合仿真试验平台,选用低附单移线工况和低附阶跃转向工况进行仿真验证。结果表明,本文所设计的可拓协调控制策略能有效弥补单一主动前轮转向控制的不足,改善车辆对参考轨迹的跟踪效果,并能降低质心侧偏角,保证了车辆的行驶稳定性。     

线控制动单轮失效下制动力优化分配控制策略

针对线控制动系统单轮制动失效时车辆制动稳定性控制问题,提出了协同线控转向和线控制动系统的制动力优化分配控制策略.为了最大程度满足驾驶员的制动期望,采用二次规划方法初始分配剩余三轮制动力;为防止车辆因制动力重构产生横摆或跑偏,采用滑模控制方法设计前轮转向控制器;考虑前轮转向对轮胎纵向力的影响,建立基于魔术公式的轮胎侧向力数学模型,基于二次规划方法实时优化轮胎在侧偏纵滑工况下的制动力.联合Simulink和Carsim进行了仿真实验分析,结果显示车辆的横摆角速度快速收敛为0,侧向跑偏距离均小于0.1 m.结果验证了本文提出的制动力优化分配控制策略在不同的制动工况下均能提高单轮制动失效车辆的制动稳定性.     

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。     

线控主动四轮转向汽车控制策略研究

目的 针对线控四轮转向汽车横向稳定性不足及控制鲁棒性差等问题,提出一种主动转向反馈控制策略。方法 使用Simulink搭建线控转向系统转向执行机构动力学模型,将MATLAB/Simulink与Carsim联合仿真,建立线控四轮转向整车模型;基于二自由度模型分析横摆角速度和质心侧偏角对汽车稳定性的影响,推导理想的横摆角速度和质心侧偏角;以横摆角速度增益恒定为依据设计理想传动比,得到期望前轮转角,以横摆角速度误差为控制量设计模糊控制器得到附加前轮转角对期望转角实时修正,实现前轮主动转向;针对横摆角速度和质心侧偏角与理想值之间的误差,加权得到稳定性控制目标;设计自适应积分滑模反馈控制策略输出后轮转角,对理想值进行跟踪,实现后轮主动转向。结果 仿真实验结果表明：所搭建的线控转向系统能够准确反映汽车动力学特性。相比无控制的机械前轮转向汽车与横摆反馈控制的四轮转向汽车,线控主动四轮转向汽车在双移线工况下将质心侧偏角控制在0值附近波动,横摆角速度跟踪误差控制在1.149 deg/s以内;在角阶跃工况下将质心侧偏角稳态值控制在0.065 deg,横摆角速度稳态值误差为0.074 deg/s。结论 线控...