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。     

基于最优前轮侧偏力的智能汽车LQR横向控制

为提高智能汽车在大曲率高速工况下的车辆横向稳定性和跟踪精度,该文提出了一种基于最优前轮侧偏力的智能汽车线性二次型调节器(LQR)路径跟踪横向控制方法。通过构建基于"前馈+反馈"的LQR控制器对期望前轮侧偏力进行实时在线求解并使跟踪误差收敛,最终通过刷子轮胎模型将控制量转化为期望前轮转角。该方法有效地保持了车辆模型与轮胎模型原有的非线性特性。基于PreScan搭建了仿真模型,结果表明:与应用线性轮胎模型的LQR控制器相比,所提出的控制方法在降低路径跟踪误差的同时,还能有效提升车辆的横向稳定性。     

自动驾驶车辆的变步长路径跟踪控制

为提高自动驾驶车辆路径跟踪控制的稳定性并保证实时性,设计变步长模型预测控制器.通过变步长对预测时域进行分级,引入道路曲率及侧偏角约束,采用CVXGEN进行优化求解.通过Carsim和Matlab/Simulink联合仿真,对文中方法进行验证.结果表明:变步长模型预测控制器既能保证较好的跟踪效果,又能确保车辆行驶的稳定性.     

考虑行驶稳定性的四轮转向车辆路径跟踪控制研究

为了改善高速和低附着路面上无人驾驶车辆的行驶稳定性和保障行车安全,以四轮转向车辆为研究对象提出了一种考虑行驶稳定性的路径跟踪控制方法。首先基于模型预测控制算法设计了四轮转向路径跟踪控制器,然后根据质心侧偏角-质心侧偏角速度相平面稳定域和零质心侧偏角控制目标设计了车辆状态参数包络约束,在路径跟踪算法中加入轮胎侧偏角约束和车辆状态参数包络约束,保证车辆行驶时的稳定性。CarSim和Simulink联合仿真结果表明,采用基于包络线稳定性控制策略的车辆在高速行驶时或在低附着路面上行驶时能保持良好的路径跟踪能力并具有较好的行驶稳定性。     

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。     

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.     

转向紧急避撞轨迹规划与模型预测跟踪控制

为了实现安全地转向紧急避撞,提出了一种限制侧向加速度的多项式轨迹规划方法。在确定规划起始和结束时间运动状态参数时,导出规划轨迹时间段内侧向加速度的表达式。为了提高转向避撞的车辆稳定性,设置一个侧向加速度峰值的限值,根据该限值下的加速度峰值方程式确定各种车速下的轨迹纵向末位置。其次,为在转向避撞时准确跟踪规划轨迹,采用多约束模型预测控制(MMPC)进行避撞轨迹跟踪。基于3自由度车辆动力学方程建立预测模型,同时考虑轮胎侧偏角、前轮转角及其增量作为稳定性约束。最后,进行3种车速下的Carsim/Simulink软件联合仿真,并与单约束模型预测控制(SMPC)进行对比。研究结果表明:MMPC最大横向跟踪误差不超过0.23 m,前轮转角无突变。车辆侧向加速度及轮胎侧偏角均在约束范围内,较好地实现了转向紧急避撞。与MMPC相比较,SMPC在80 km/h时轮胎侧偏角超过线性范围,车辆发生了侧滑。     

考虑车辆稳定性的模型预测路径跟踪方法

针对目前车辆路径跟踪控制大多集中于跟踪的精确性,却忽略车辆行驶稳定性的问题,提出一种考虑车辆稳定性的模型预测路径跟踪方法.首先,以简化后的车辆动力学模型为基础,推导线性时变路径跟踪预测模型,增添表征车辆稳定性的质心侧偏角等约束条件;然后,对二次规划进行求解,添加向量松弛因子解决计算中出现的无解问题;最后,通过Carsim和Matlab/Simulink联合仿真对文中方法进行验证.仿真结果表明:基于文中所提方法设计的控制器能够在不同车速、不同附着系数下,保证跟踪参考路径较为精确的同时,还可以保证车辆的稳定性.     

模糊逻辑在车辆稳定性控制系统中的应用

探讨了车辆在高速转向的极限运动工况下,利用施加于各车轮不同纵向力产生的辅助横摆力矩来提高车辆动力学稳定性的基本原理.推导了七自由度整车动力学模型,建立了车辆质心侧偏角观测器,并且考虑到车辆参数和运行工况的复杂多变,设计基于模糊控制逻辑的车辆稳定性控制策略,通过控制横摆角速度和质心侧偏角可使车辆对象输出跟踪理想参考模型的输出,用Matlah/Simulink建立车辆仿真模型,对所设计的控制算法进行了数字仿真,最后利用基于dSPACE的硬件在环仿真技术,对设计控制器的性能进行了实验验证.结果表明:所设计的模糊控制器能够显著改善车辆的操纵稳定性,特别是在低附着系数路面工况下.     

不同轴距车辆路径跟踪研究

针对不同轴距车辆路径跟踪鲁棒性,提出了基于滑模自抗扰控制的平行泊车路径跟踪算法.该算法利用线性滑模控制设计自抗扰控制律中的误差反馈环节,改善了自抗扰控制器的结构,能适用于不同轴距车辆.线性自抗扰控制器能够观测和补偿由于不同车辆轴距引起的不确定性和车辆受到的外界干扰.在假定低车速和小侧偏角情况下,控制器的设计考虑非线性运动学模型及运动学约束.仿真结果表明,基于滑模自抗扰控制的路径跟踪控制算法能够将不确定性部分观测出来并且补偿掉,保证了不同轴距车辆很好地跟踪规划的理想泊车轨迹.     

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。     

基于Lyapunov稳定性的爬壁机器人路径跟踪双环滑模控制

针对爬壁机器人路径跟踪控制问题,提出一种双环滑模控制算法。该算法是以建立的爬壁机器人运动学模型为基础,设路径跟踪偏差信息为滑模切换函数,结合backstepping思想设计了控制率,通过Lyapunov函数验证其稳定性,实现了外环位置和内环姿态的准确跟踪。对于环境的不确定性,采用提高内环增益大于外环的方法解决。将设计的双环滑模控制器与一般滑模控制进行轨迹跟踪仿真比较,并对直线轨迹跟踪进行了实验验证,结果表明:本文设计的路径控制器能较快达到零误差跟踪,整个控制过程和过渡过程准确且平滑,所以该算法可有效提升爬壁机器人工作水平。     

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

采用余弦相似度和变预测时域的汽车轨迹追踪控制

为提高自动驾驶汽车在不同车速下轨迹追踪精度、行驶稳定性和控制器的自适应能力,提出一种基于余弦相似度和变预测时域的轨迹追踪控制器。基于传统MPC的轨迹追踪控制器,提出以矩阵的余弦相似度来度量预设状态和实际状态两个矩阵的差异程度,确定预测模型的优化节点,采用模糊控制对预测时域和控制时域进行优化。通过计算机仿真对比试验,结果表明与传统MPC的轨迹追踪控制器相比,所提出的MPC控制器在不同车速下的轨迹追踪精度和车辆稳定性均有明显的提升。     

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.     

越野地形下智能车辆的动力学建模与轨迹跟踪

提出一种越野地形下智能车辆的动力学建模与轨迹跟踪控制方法.针对越野地形建立了考虑路面倾角的智能车辆动力学模型,并推导了基于零力矩点的车辆侧倾安全约束.然后考虑上述车辆动力学模型及安全约束条件,设计了基于模型预测的智能车辆轨迹跟踪控制器.仿真试验表明该方法可以有效地适应复杂的越野地形,并能够在实现无碰撞轨迹的同时防止车辆发生侧翻危险.      

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。     

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.