适用于车头泊入的路径规划和跟踪控制新方法

自动泊车作为智能汽车自动驾驶技术的一个关键组成部分,已成为业界关注和研究的热点。现有的自动泊车系统都是基于倒车实现,而大多数新型电动汽车充电口安装在车头,因此设计了车头泊入的泊车新方法。该方法首先对车辆进行运动学建模,然后根据汽车与车库的相对位置基于几何推导进行路径规划,最后利用PID对泊车过程进行跟踪控制。采用PID路径跟踪控制算法与现有泊车跟踪控制算法相比较,有效简化了算法结构,克服了“计算爆炸”的问题,具有较强的鲁棒性,符合现有新型电动汽车车头泊入的需求。使用Matlab和CarSim联合仿真实车参数模型车的运动学模型,完善了传统泊车过程模型的运动仿真分析,仿真结果验证了所设计的跟踪控制方法的有效性。     

小车位环境下的自动泊车路径规划与跟踪控制

针对小车位泊车路径设计不连续导致位姿调整不平滑的问题,提出一种回旋曲线、圆弧、直线组合的路径规划方法,并基于非时间参考量的跟踪偏差,设计滑模控制器。根据泊车要求和限制条件,规划出泊入路径与调整路径：泊入路径引导车辆以极限位姿进入车位;调整路径通过平滑的路径组合实现车位内的位姿调整。选用指数趋近率设计滑模控制器,利用连续函数代替趋近率中的符号函数,降低抖振影响。仿真结果表明,车辆能够连续、无突变地完成泊车操作,跟踪误差较小,抖振抑制效果较好。     

基于两步法的平行泊车分段路径规划算法

研究应用于辅助平行泊车的路径规划问题,为引导车辆从任意的起始位姿开始无碰撞地泊人较小的库位.针对车辆的泊车路径规划问题,提出了一种分段式的路径规划方法,采用采样运动规划中的两步法,并采用平滑化的路径来解决泊车过程中曲率不连续点处需停车转向的问题;另外,采用分段路径规划策略,选择合适的目标停车位姿,减少泊车过程中的调整次数,缩短了可泊人的最小库位长度.仿真结果验证了改进方法的有效性和实用性.     

牵引挂车垂直泊车路径规划与运动控制

为解决牵引挂车由于结构复杂、盲区范围大等因素造成的人工泊车困难，提出了一种适用于牵引挂车单步式垂直泊车的路径规划与运动控制方法。在规划阶段，提出以铰接角作为挂车最大虚拟转向角来计算最小转弯半径，考虑其在泊车过程中的碰撞约束，选定可行起始点区域，利用B样条曲线规划出一条无碰撞的参考路径。运动控制阶段，建立以挂车后轴中心为研究对象的运动学模型，设计基于该运动学模型的模型预测控制器，针对该控制器提出了一种参考信息选取原则。最后，利用Simulink与TruckSim针对不同泊车起始点与不同车位尺寸进行仿真分析，结果表明：所提出的路径规划方法使牵引挂车的泊车起始点为可行起始区域内的任意值，扩大了起泊点的可选范围；车辆可无碰撞地泊入垂直车位且具有较小的跟踪误差，证明所设计的控制器具有良好的控制效果。     

基于二段多项式的窄空间平行泊车路径规划方法

针对窄空间平行泊车路径规划问题, 提出一种基于二段五阶多项式的方法分别计算车辆前进路线与倒车路线, 其中前进路线用于调整车辆位姿, 实现倒车入库路径曲率最优. 根据常规停车位大小与家庭轿车的尺寸建立仿真环境, 结合车辆运动模型, 搜索自由空间内无碰撞路径. 仿真结果表明, 二段五阶多项式法可以实现在有限空间范围内的智能泊车, 且在由两段路径连接得到的路径上方向盘转向角连续变化.     

自动泊车运动规划方法综述

自动泊车是自动驾驶车辆在低速行驶场景中的核心技术之一,已被广泛应用于各类车型中。运动规划确保所规划出的轨迹能指引车辆从起始位姿无碰撞、符合运动学规律地行驶至目标位姿,是体现自动泊车智能水准的关键技术模块。随着当前自动驾驶技术从初步的技术原型研究逐渐向产业化应用转型,低速自动驾驶领域中的自动泊车技术成为了这一转型过程中的关键突破点。文章回顾了现有的应用于自动泊车领域的运动规划方法,将其归纳为几何方法、采样方法、搜索方法、数值优化方法以及机器学习方法等类别,并对各类方法的发展历程与技术特点进行了回顾;探讨了自动泊车运动规划方法的未来研究方向,具体包括构建泛化性更强的模型、提升规划方法的稳定性、关注在线实时高质量重规划的能力与防御性驾驶的能力,以及考虑与其他交通参与者的交互等。     

基于三阶反正切函数模型的平行泊车轨迹规划

现有泊车情况面临两大问题:停车空间小和泊车控制难.针对日益严重的“泊车难”问题,提出一种平行泊车的轨迹规划方法.该方法由带有三阶扰动的反正切式轨迹模型进行路径规划,考虑运动学的约束空间条件,利用遗传算法确定最优轨迹函数参数,最后获得最优泊车轨迹.仿真结果表明车住长与车长比值可达到1.315,多车位与多车型的模型仿真表明该路径规划方法的有效性以及较强的鲁棒性.     

基于伪谱法的自主泊车路径规划方法

目前对泊车方法的相关研究仅适用于平行泊车和垂直泊车中的一种泊车场景。为此,提出通用性的自主泊车路径规划方法。该方法融合车辆运动学约束和路径约束,以泊车时间为性能指标,建立泊车路径规划最优控制问题的数学模型。使用伪谱法求解该最优控制问题,并以细化网格的方式保证所得解符合路径约束,得到无碰撞可行泊车路径。利用该方法可同时求解平行泊车和垂直泊车两种场景的路径规划,仿真实验和实车实验验证了该方法的通用性和可行性。     

基于预瞄驾驶员模型的车辆操控稳定性分析

建立了高效、能适应复杂路况的驾驶员模型,并以空间方程形式给出了一种基于最大预瞄距离的驾驶员模型;将驾驶员模型、汽车运动学模型及稳定性控制系统有机结合,采用最优控制理论方法,分析了基于该模型的"人-车-路"闭环控制系统的指数稳定性条件;运用仿真软件Matalb/Simulink建立了四轮车辆驾驶员模型,仿真结果验证了所建立的驾驶员模型方向控制的能力,同时对不同预瞄距离的车辆操控稳定性控制效果进行了评价。结果表明,在同样路径仿真条件下,预瞄距离大的控制系统的稳定性更容易实现。     

五次多项式优化的平行泊车路径规划

针对目前自动泊车路径规划普遍存在的曲率突变问题,提出了一种五次多项式优化的平行泊车路径规划方法。五次多项式曲线由约束条件建立的方程组求解得出,并对路径的曲率突变处进行过渡优化。为简化计算,引入“虚圆半径”的概念,以“虚圆半径”作为最小转弯半径,并按照“圆弧-直线-圆弧”平行泊车路径规划的方法进行求解,由此得出优化的平行泊车路径。仿真结果表明,五次多项式优化的平行泊车路径规划方法能够规划出曲率连续、满足避障约束和车辆运动学约束的优化路径,提高了路径跟踪的效果,保证车辆安全完成泊车。     

Robust discrete-time set-based adaptive predictive control for nonlinear systems

The problem of robust adaptive predictive control for a class of discrete-time nonlinear systems is considered. First, a parameter estimation technique, based on an uncertainty set estimation, is formulated. This technique is able to provide robust performance for nonlinear systems subject to exogenous variables. Second, an adaptive MPC is developed to use the uncertainty estimation in a framework of min–max robust control. A Lipschitz-based approach, which provides a conservative approximation for the min–max problem, is used to solve the control problem, retaining the computational complexity of nominal MPC formulations and the robustness of the min–max approach. Finally, the set-based estimation algorithm and the robust predictive controller are successfully applied in two case studies. The first one is the control of anonisothermal CSTR governed by the van de Vusse reaction. Concentration and temperature regulation is considered with the simultaneous estimation of the frequency (or pre-exponential) factors of the Arrhenius equation. In the second example, a biomedical model for chemotherapy control is simulated using control actions provided by the proposed algorithm. The methods for estimation and control were tested using different disturbances scenarios.     

基于模糊模型的非线性通用模型控制

通用模型控制是一种有效的非线性控制方法,但该方法的应用条件是过程一阶微分模型必须要有显式解.为了克服这一局限性,提出一种基于模糊模型的通用模型控制策略,将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型,从而保证了通用模型控制策略的可实现性.该控制器参数物理意义明显,整定方便,仿真结果表明了该控制策略的有效性和鲁棒性.     

简化模型预测控制及仿真研究

本文介绍了简化模型预测控制算法ＳＭ－ＰＣ，指出ＳＭＰＣ算法是作为克服内部模型控制（ＩＭＣ）因式分解中求取过程传函逆阵费时等缺点而推出的一种简化算法。将本算法通过对一个多侧线精馏塔进行仿真，结果表明此算法具有良好的控制效果     

Tube-based robust economic model predictive control

In this paper, we develop a tube-based economic MPC framework for nonlinear systems subject to unknown but bounded disturbances. Instead of simply transferring the design procedure of tube-based stabilizing MPC to an economic MPC framework, we rather propose to consider the influence of the disturbance explicitly within the design of the MPC controller, which can lead to an improved closed-loop average performance. This will be done by using a specifically defined integral stage cost, which is the key feature of our proposed robust economic MPC algorithm. Furthermore, we show that the algorithm enjoys similar properties as a nominal economic MPC algorithm (i.e., without disturbances), in particular with respect to bounds on the asymptotic average performance of the resulting closed-loop system, as well as stability and optimal steady-state operation.     

基于模糊模型的非线性内模控制策略研究

针对一类非线性动态过程提出了基于模糊模型的非线性内模控制算法(NFIMC)。NFIMC控制器包括逆模糊模型控制器和滤波器。过程的模糊模型和逆模糊模型均可由模糊辨识获得。CSTR的仿真结果表明:该算法可以对强非线性过程实现有效控制,并且具有结构简单、计算效率高等优点,有利于在线应用。     

Hybrid Model Predictive Control of Exhaust Recompression Hcci

Homogeneous charge compression ignition (HCCI) holds promise for reduced emissions and increased efficiency compared to conventional internal combustion engines. As HCCI lacks direct actuation over the combustion phasing, much work has been devoted to designing controllers capable of set‐point tracking and disturbance rejection. This paper presents results on model predictive control (MPC) of the combustion phasing in an HCCI engine based on a hybrid model formulation composed of several linearizations of a physics‐based nonlinear model. The explicit representation of the MPC was implemented experimentally and the performance during set point changes was compared to that of a switched state feedback controller. The hybrid MPC produced smoother transients without overshoot when the set point change traversed several linearizations.     

柴油调合在线优化内模控制

根据某炼油厂加工不同外来原油时的柴油谳合生产实测数据，建立了以柴油组分油流量和倾点为输入参数、柴油倾点为输出参数的柴油调合ＲＢＦ神经元网络模型，该模型能较 品倾点值；提出了闭环优化控制策略。     

自适应密集预测的模型算法控制

本文中提出了一种新的预测控制策略:在一个模型采样周期内(本文中定义)进行数次预测控制。     

通讯信息约束下具有全局稳定性的分布式系统预测控制

本文针对一类由状态相互耦合的子系统组成的分布式系统, 提出了一种可以处理输入约束的保证稳定性的非 迭代协调分布式预测控制方法(distributed model predictive control, DMPC). 该方法中, 每个控制器在求解控制率时只与 其它控制器通信一次来满足系统对通信负荷限制; 同时, 通过优化全局性能指标来提高优化性能. 另外, 该方法在优化 问题中加入了一致性约束来限制关联子系统的估计状态与当前时刻更新的状态之间的偏差, 进而保证各子系统优化问 题初始可行时, 后续时刻相继可行. 在此基础上, 通过加入终端约束来保证闭环系统渐进稳定. 该方法能够在使用较少 的通信和计算负荷情况下, 提高系统优化性能. 即使对于强耦合系统同样能够保证优化问题的递推可行性和闭环系统的 渐进稳定性. 仿真结果验证了本文所提出方法的有效性.     

Fuzzy—PID复合控制

介绍自动控制理论的发展历程,阐述由模糊控制和PID控制构成新型智能控制对复杂系统进行效控制的途径,说明了模糊控制器的设计过程。