考虑前后信息的车辆跟随自适应控制

为了增进自动化公路系统车辆控制系统的工作性能,考虑前后车辆信息,研究具有参数不确定性的车辆纵向跟随控制.假定被控车辆能获得前后相邻车辆及车队领头车辆的状态信息,基于车辆纵向动力学模型,采用固定期望车辆间距跟随策略,设计了车辆纵向跟随直接自适应滑模控制规律;应用Lyapunov函数方法和M-矩阵知识,对车辆跟随系统的渐近...     

自主车辆高效多目标预测巡航控制

考虑自主车辆自适应巡航控制(ACC)多目标优化及快速计算问题,提出了一种高效多目标预测巡航控制算法。首先采用阶梯式控制策略减少模型预测控制在线计算量,参数化预测时域内的控制输入变化量;接着利用(MPC)中QP问题的特殊结构,将变量进行适当重组,使用改进后的内点法来提高系统计算性能,进一步减小计算负担;最后,将该算法应用于本车车辆ACC系统,仿真结果与传统MPC进行了对比,验证了算法的有效性和实用性。     

基于Web的多机器人远程控制

多机器人编队的远程控制会面临协作环境不确定、信号传输延迟等困难,在Web模式下采用基于事件的远程控制策略会克服这些困难并使系统具有稳定、安全、可靠和高效率等性能.编队控制时采用“领队跟随”的控制策略也可以使多机器人具有高度的自组织能力.3个Pioneer3机器人的三角形编队实验验证了所选用系统和控制策略的合理性和有效性.     

履带式移动机器人自主跟随算法研究

基于履带式移动机器人自主跟随控制平台,研究并设计了一种履带式农业机械自主跟随控制系统.结合神经模糊控制(ANFIS)思想,提出一种自适应前视距离自主跟随算法,并进行了履带式移动机器人的运动学求解并建立其纯追踪模型,在纯追踪算法中对前视距离参数进行动态调节.通过将引导车行驶路径划分成多段直线路径组合成的折线路径,使跟随车自主跟随的本质转化为对折线路径的快速跟踪,实现跟随车对引导车的自主跟随.仿真及试验结果表明:折线路径平均横向偏差由0.092m减少为0.022m,调节时间缩短约50%,该算法对折线路径的跟踪精度较高,响应时间短,满足自主跟随需求.     

汽车半主动空气悬架自适应模糊神经网络控制

考虑空气悬架弹簧刚度可调的特性,建立了车辆5自由度的半主动悬架非线性动力学模型.提出了一种基于自适应模糊神经网络系统结构的模型,参考自适应控制方法来研究汽车半主动空气悬架的非线性控制问题,并考虑半车模型前后悬架的输入时滞,对其进行了仿真分析.研究结果表明:该控制方法能够使人体垂直加速度、车身垂直加速度和俯仰角加速度都得到很大的衰减,可在一定程度上减少路面对车身的振动冲击,提高汽车的行驶平顺性.     

智能电动车辆横纵向协同运动控制

针对车速变化下的车辆轨迹跟随稳定性问题,提出一种基于模型预测控制（MPC）与滑模控制结合的横纵向协同控制策略。建立描述车辆纵向、横向及横摆运动状态的三自由度动力学模型;然后,设计模型预测控制器对车辆期望轨迹进行跟踪,考虑车辆行驶运动过程中横纵向耦合问题,将纵向车速作为横向控制系统的状态量,并利用反馈矫正机制不断更新预测模型;在此基础上,采用滑模控制算法对期望车速及加速度进行跟踪,并采用饱和函数作为指数趋近率以减小抖振;采用基于规则的制动转矩分配方式得到行驶过程中各个车轮的需求转矩。该控制策略考虑了车辆动力学中的横纵向耦合问题,可在线处理车辆动力学约束,将车辆稳定跟踪期望轨迹的问题转化为求解带约束的最优控制问题。仿真结果表明所提出控制策略的有效性。     

车辆纵向速度分相控制

针对汽车纵向运动系统具有强烈非线性和参考速度输入不确定的特点,提出一种车辆纵向速度分相控制方法,可以用于车辆纵向速度闭环仿真,也可以用于智能驾驶系统纵向速度控制。算法采用分相控制思想,将车辆的纵向运动分成稳速控制相、加速控制相、急加速控制相、制动控制相、急减速控制相5个相。前3个相内采用油门控制,后2个相内采用刹车控制,在每一个相内采用抗积分饱和PID或比例控制。仿真结果表明,分相控制具有良好的速度跟随精度,并很好地解决了油门和制动的切换问题。     

模糊PD控制在伺服系统中的应用

为了提高伺服控制系统动态跟随误差的精度,在三环伺服控制系统的基础上提出了一种经典控制和智能控制相结合的方法.利用误差补偿的思想,在位置环上采用按给定输入补偿的复合控制方法进行误差补偿,以提高系统动态跟随精度.采用模糊PD参数自整定控制的思想,在位置环上设计了智能模糊控制器,对前向通道PD调节器的参数进行了优化.仿真结果表明,与PD控制系统相比较,改进系统的动态误差精度得到了提高,明显地增强了系统的动态跟随特性,并使系统具有较强的鲁棒性.     

考虑周车信息的自车期望轨迹预测

针对驾驶员期望轨迹预测问题,设计了一种考虑周车信息的自车期望轨迹预测模型。建立了单独的自车和周车历史轨迹信息编码器,将编码后的自车历史轨迹信息送往意图识别模块用于识别驾驶员意图;通过注意力机制对自车和周车编码信息进行处理,并与意图识别的结果共同作为解码器模块的输入,最终输出车辆未来位置。最后,采用数据集对模型进行训练,验证了模型的有效性。     

一类可解耦MIMO系统的模型跟随变结构控制

结合线性多变量系统解耦理论与变结构控制的优点，采用鲁棒控制系统理论中的二自由度结构法的设计思想，提出了一种对于可解耦多输入多输出线性系统的模型跟随变结构控制方法，对于一类满足解耦条件的多输入输出跟踪系统，分两步进行设计，首先对被控对象标称模型进行解耦和稳定化极点配置，将得到的控制表达式作为最终控制律的第一部分，其次，以前一部分设计构成的闭环系统模型作为参考模型建立模型跟随偏差系统，并求出变结构控制律，作为最终控制的律的第二部分，从而使被控系统在存在内部模型参数摄动和外部干扰的情况下，仍然具有优良的动态性能，利用Lyapunov方法证明了所设计的模型跟随编差系统是稳定的，最后，通过仿真实例，表明了所提出的方法是正确的。     

基于纯角度观测信息的leader-followers机器人编队控制方法

提出一种纯角度观测信息的leader-followers多机器人编队控制方法.多个跟随机器人(followers)仅观测其领航机器人(leader)角度信息;基于非线性系统可观测性的理论研究,这种纯角度观测信息能够满足leader-followers的可观测性要求;利用无迹卡尔曼滤波算法对leader-followers机器人系统的状态进行估计,根据状态估计结果设计了输入-输出状态反馈控制规律控制跟随机器人运动,以达到理想的编队效果。仿真验证了该方法的可行性。     

四轮转向汽车的模型跟踪自适应控制

将模型跟踪自适应控制理论应用于四轮转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上, 提出一种基于模型跟踪自适应控制技术的四轮转向,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基模型跟踪自适应控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的操纵稳定性.     

自动化公路系统车队换道变结构控制

基于车辆纵横向动力学耦合模型,研究了自动化公路系统车队换道的纵横向耦合控制.假定车队中每个跟随车辆依靠车间通信接收引导车辆以及该车前面相邻车辆的位移、速度信息,利用车载传感器获得车辆横摆角速度信息.基于满足正反梯形约束条件的侧向加速度,计算车辆换道时的期望横摆角和横摆角速度.采用有限时间滑模趋近律,设计了车队换道纵横向耦合变结构跟踪控制规律,基于李雅普诺夫稳定性理论,对控制系统的稳定性进行分析.仿真结果显示,采用文中设计的控制规律,对于车队中每个跟随车辆,在实现车辆自动换道的同时,纵向上能够保持满意的车间距离.     

基于自适应快速终端滑模的车轮滑移率跟踪控制

针对汽车对连续、快速和稳定的车轮滑移率跟踪控制的需求,提出基于自适应快速终端滑模的车轮滑移率跟踪控制策略. 基于Burckhardt轮胎模型建立车轮滑移率跟踪控制模型,将模型简化过程中的不确定性考虑成复合干扰项,将轮胎侧向力对纵向力的影响考虑成未知参数. 利用双曲正切函数和终端吸引因子设计改进的跟踪微分器,平滑车轮滑移率跟踪误差和估计车轮滑移率跟踪误差的一阶导数. 以车轮滑移率跟踪控制模型和改进的跟踪微分器输出为基础,基于自适应快速终端滑模控制理论,设计对复合干扰项具有强鲁棒性的车轮滑移率跟踪控制律;基于投影算子理论设计自适应律来实时补偿未知参数,利用LaSalle不变性原理证明了闭环系统的渐近稳定性. 利用车辆动力学软件仿真验证提出的控制律的可行性和有效性. 结果表明,提出的车轮滑移率跟踪控制策略具有精度高和鲁棒性强的优点.     

一类随机车辆跟随系统的控制策略

为了改善高速公路的通行能力和安全性,考虑随机因素的影响,研究一类顾前顾后自动高速公路车辆跟随系统的控制器设计。基于伊藤随机微分方程建立了随机车辆动力学模型,运用滑模控制设计了随机车辆纵向跟随系统的控制规律。然后根据系统稳定性判据分析了控制系统的稳定性,得到系统控制参数的收敛区域为式(18)~(20)。数值仿真实验表明:各跟随车辆的速度、加速度等状态在较短的时间内能迫近领头车辆,车间距误差有较快的收敛速度,在15 s内收敛于0。     

基于多类型传感数据的自动驾驶深度强化学习方法

提出了一种基于多类型传感数据训练自动驾驶策略的方法,采用不同卷积网络对高维图像数据和低维目标级传感数据进行特征提取,然后对提取特征进行组合,采用组合特征学习自动驾驶策略。在仿真测试软件TORCS中设计车道跟随任务对本文方法进行验证,结果表明:基于多类型传感信息进行深度强化训练可以取得较好的车速和车辆横向偏移控制效果。     

模型跟踪四轮主动转向汽车的H∞控制

将H∞优化控制理论应用于四轮主动转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上,提出一种基于H∞模型跟踪技术的的四轮转向4W S汽车前后轮转角主动控制新方法,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基于H∞跟踪控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全.     

模型跟踪四轮主动转向汽车的H∞控制

将H∞优化控制理论应用于四轮主动转向汽车控制策略研究,在建立车辆转向理想跟踪模型的基础上,提出一种基于H∞模型跟踪技术的的四轮转向4WS汽车前后轮转角主动控制新方法,并对所设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证了基于H∞跟踪控制理论所设计的控制器可以适用于汽车的四轮转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全.     

单交叉路口交通流的通用多相位智能控制策略

为提高城市道路交叉路口信号控制的效率，采用面向对象的设计思想，提出了一种新的通用多相位信号控制策略.根据实际交通状况交互建立单交叉路口的通用模型，根据当前路口各车流向的车流量实时分布信息，及时调整相位数和各相位的车流向组合.实时传递路口交通情况，采用模糊控制策略，以车辆延误时间最小为优化目标，对单交叉路口的信号相位和相位绿灯时间分别进行优化.根据实测数据对该方法进行了仿真研究，并与普通信号控制方案作了对比.结果表明，这种通用信号控制方案能使交通流量总体趋于均衡，缩短了车辆延误时间.     

多车桥梁动态称重算法

目前商用桥梁动态称重(BWIM)系统的研究主要集中在一维BWIM系统,多数只考虑单车过桥的情况,而实际交通中多车过桥的现象普遍存在.针对这一情况,提出了一种多车动态称重算法.以Moses轴重识别算法为基础,基于横桥向动力响应线和桥梁弯矩影响面,对单车以及多车过桥的横向位置及轴重等车辆信息进行识别,最后通过桥梁动态称重有限元仿真分析,研究单车过桥、两车过桥以及三车过桥等不同工况下本文算法的可靠性.结果表明:单车过桥、两车过桥以及三车过桥的情况下,随着车辆数目的增加,识别精度略有降低,车辆总重的识别最大误差在13％左右,车辆横向位置的识别误差在9％左右,识别精度满足工程实际需求,该算法可识别多车过桥时的车辆横向位置与轴重,具有发展成为商业BWIM系统的潜力.