驾驶员预瞄时间与公路弯道半径的耦合特征

为了研究驾驶员预瞄时间与公路弯道半径耦合特征对汽车操纵稳定性的影响,建立了人-车-路系统动力学模型,通过基于实际道路数据的仿真试验,分析了驾驶员预瞄时间和弯道半径对汽车动力学特征和路径跟踪情况的影响,验证了模型的正确性.利用相轨迹变化、轮胎侧向力、汽车行驶轨迹偏差、车身姿态变化、汽车状态变量(纵向速度、侧向速度、横摆角速度)参数,分析了驾驶员预瞄时间和公路弯道半径的耦合特征对汽车操纵稳定性的影响.结果表明：驾驶员预瞄时间与公路弯道半径存在显著的耦合特征,当汽车的纵向速度、道路横坡度相同时,随着驾驶员的预瞄时间缩短,汽车安全运行所需的弯道最小半径增大.     

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...     

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。     

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.     

遗传算法优化的方向与速度综合控制驾驶员模型

针对当前驾驶员模型无法体现驾驶操纵熟练程度的缺点,利用遗传算法的自动寻优能力,总结驾驶员自学习与驾驶经验特点,遵循行驶误差最小与体力负担最小原则,对模糊PID比例因子和量化因子进行离线优化设计,以此模拟驾驶员从生手到熟练驾驶培训过程。构建包括遗传算法优化的方向模糊PID与速度模糊综合控制驾驶员模型以及整车行驶动力学模型在内的人车闭环系统仿真模型,在纵向速度单向变化、侧向双移线工况与大曲率试验道路典型工况下进行仿真分析。结果表明：基于遗传算法优化的方向模糊PID与速度模糊综合控制模型可以很好地描述驾驶员在纵向加减速操纵特性以及侧向预期轨迹跟随转向驾驶特性,相比于传统PID与模糊PID控制,具有更好的纵向加减速操纵特性与侧向预期轨迹跟随性能。     

汽车方向控制驾驶员模型

建立合适的汽车方向控制驾驶员模型是人-车-路闭环系统最重要的环节之一.目前在传递函数、最优控制的基础上建立了补偿模型、预瞄补偿跟踪模型、预瞄最优曲率跟随模型等,但由于驾驶员驾驶特性的非线性、时变性等特征,上述模型很难模拟驾驶员实际操纵行为.考虑到驾驶员的操纵特性,运用智能控制理论,基于模糊控制、神经网络及这两者的结合,建立相应的驾驶员模型可以更加接近驾驶员实际的驾驶行为.     

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。     

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仿真平台搭建车队横纵向协同控制器.采用单移线、隧道工况验证控制器的横向、纵向控制性能;考虑道路弯道、坡度和超高等道路几何设计,设置匝道工况验证控制器横纵向协同控制性能并分析道路超高对车辆跟驰和路径跟踪精度及稳定性的影响.结果 表明:控制器能实现给定工况下车辆速度与转向的跟踪控制,且具有较高的跟踪精度,良好的跟驰效果和行驶稳定性;对于弯道行驶,设置道路超高能使车辆转向平稳,速度跟随精度高且行车间距增加,有利于提高车队行驶安全性.     

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。     

汽车弯道行驶经济性车速优化方法

道路曲率影响汽车的燃油经济性.以汽车弯道行驶燃油经济性为目标,提出了基于弯道曲率信息的经济性车速优化方法.通过建立BIT-TFCM瞬时燃油消耗模型和车辆动力学模型,得到单一曲率圆周道路下的稳态经济性车速.利用动态规划算法求得汽车驶入和驶离弯道两种工况下的经济性车速轨迹.Matlab/Simulink与CarSim联合仿真结果表明,与典型驾驶员弯道行驶模式相比,该算法可节油5.69%~15.91%.该技术可以明显提高传统汽车弯道行驶燃油经济性,也可为无人驾驶车辆弯道速度控制提供决策依据.