智能车辆路径跟踪的模糊预瞄控制方法研究

论文首先介绍了智能车辆的基本硬件组成,然后结合智能车辆路径跟过程中转向控制方面的特点,提出了一种将模糊与预瞄控制理论相结合的控制策略,介绍了模糊预瞄控制器的原理、结构及其设计过程.试验表明,论文提出的控制策略可以较好地跟踪既定轨迹,并且在道路弯曲度较大时能够实时调节预瞄点个数,从而提高车辆对弯道路径跟踪的预测性、智能性和鲁棒性.     

无人驾驶车路径跟踪控制研究

研究被控对象无人驾驶车,基于预瞄控制思想,设计一种无人驾驶车路径跟踪控制器,将控制器分为预瞄控制和补偿控制两部分,预瞄控制模拟驾驶员在驾驶车辆过程中对前方的道路环境信息进行预瞄,根据道路曲率程度决定方向盘转向,补偿控制是对车辆遇到干扰偏离原车道的纠正。仿真实验结果表明,该控制器能够保证无人驾驶车准确跟踪各种参考路径,且具有较好的鲁棒性。     

四轮移动机器人智能预瞄轨迹跟踪控制

针对后轮驱动四轮移动机器人存在非完整约束、模型复杂等特点,提出一种基于多预瞄点的轨迹跟踪混合控制算法。该算法设计从仿人驾车的角度出发,根据不同路况通过模糊控制在线调节机器人的速度、预瞄点个数和预瞄距离。采用免疫控制方法在线整定PID控制器的参数。从控制稳定性角度出发提出轨迹偏离度评价指标。仿真结果表明该控制器的有效性。     

基于分数阶PID控制器的智能车控制

针对智能车高速行驶下对目标轨迹的快速跟踪要求,结合预瞄跟随理论设计了分数阶PID控制器(FOPID).分数阶PID比传统PID控制器多两个参数自由度,所以在设计过程中有更大的灵活性.利用改进Oustaloup数字实现算法,框图化实现分数阶PID控制器,通过遗传算法对IAE性能指标寻优整定FOC参数并应用于智能车被控系统...     

基于预瞄模糊PID控制的嵌入式轮式机器人设计

采用ARM作为核心处理器件设计了一款自动寻迹的轮式机器人并完成寻迹实验.基于模仿人工驾驶思想将多点预瞄和模糊PID控制结合提出了多点预瞄模糊PID控制方法.经调试,轮式机器人能分别按照直线、虚线道路行走,并能完成自动寻找目标道路等行为.重点给出了控制器与硬件电路图设计.实验表明,机器人完全能满足性能要求,为新型轮式移动机器人的设计提供了方案.     

基于协同转向的铰接车辆轨迹跟随控制研究

针对铰接车辆后轴主动转向实现跟踪首轴轨迹的问题,本文提出一种基于多轴协同转向的补偿模糊PID控制方案.首先,根据各车轴具有同一转动中心的假设,利用扩展阿克曼转向原理确定了车轴的前馈控制转角;其次,依据首轴中心行驶轨迹,计算后轴的跟随偏差及变化率,并利用模糊PID控制理论,确定后轴的补偿控制转角,提高车辆的轨迹跟随控制性能;最后,在典型道路工况上,通过设置不同速度、道路附着系数及控制方案检验补偿模糊PID控制方案的轨迹跟随性能及鲁棒性.结果表明：在相同速度及道路附着系数下,相比于扩展阿克曼转向前馈控制及模糊PID控制方案,本文设计的补偿模糊PID控制进一步降低了轨迹跟随时各车体的横向偏差,并减小了车辆之间的横向铰接力;与PID控制相比,在不同速度及道路附着系数下,验证了补偿模糊PID控制具有一定的自适应性能.     

一种提高无人车在弯道时操纵稳定性的算法

针对车辆弯道的行驶控制中,由于车辆模型维数高、强耦合及非线性强等特点,常规控制算法稳定性差.在深入分析车辆动力学的基础上,简化并建立了其整车动力学及轮胎动力学模型,以行车轨迹与预瞄轨迹的偏差作为输入,提出了一种基于偏差的纵向减速与横向TS-PD相结合的控制算法,实现车辆的弯道自动变速跟随预瞄轨迹的控制目标.仿真结果表明:上述算法与常规控制算法相对比,系统跟踪误差由1m缩小至0.2m,车辆前轮输出更为平滑,具有较强的鲁棒性.     

基于Kalman滤波器的车道保持辅助系统研究

以非线性车辆动力学模型作为系统被控对象,利用Matlab/Simulink软件设计一种基于Kalman滤波算法的车道保持驾驶辅助系统。运用Kalman算法估计车辆行驶状态信息,并利用"预瞄—跟随"驾驶员模型—车辆模型—控制器所组成的驾驶员模型在回路仿真的方式对所设计系统进行验证。结果显示所设计的车道保持辅助系统能有效提高车辆路径跟踪能力。     

基于模糊PID控制技术的仪表智能控温方法

针对传统仪表智能控温方法控制精度低、控制时间长的问题,提出基于模糊PID控制技术的仪表智能控温方法.建立反馈校正传递模型,并在制定的模糊规则下,计算仪表温度控制模糊量,获取PID参数调整值,采用多模稳态PID控制器进行温度参量的稳态误差完全跟踪补偿,根据补偿结果构建温度参数自整定性控制的传递函数.仿真实验结果表明,所提...     

智能汽车换道控制算法的仿真研究

针对传统智能车辆跟随轨迹控制方法所存在的延迟反应问题,基于预瞄一跟随理论建立了智能车辆换道过中的轨迹跟随运动模型,提出了智能车辆换道过程中的控制算法.在PreScan和matlab/simulink的联合仿真环境下,实现了智能车辆换道过程中轨迹跟随控制,并进行了36km/h、72km/h和108km/h速度下的仿真验证.仿真结果表明,仿真轨迹与实测换道轨迹走势接近且重合度较高.     

基于无模型自适应控制的自动泊车方案

提出一种基于无模型自适应控制的自动泊车方案.首先,通过车载传感器采集车周环境信息用于规划期望路径;然后,将自动泊车跟踪问题转化为预瞄偏差角跟踪问题,通过设计相应的无模型自适应控制算法实现自动泊车.该方案设计的优点是仅使用自动泊车过程中生成的前轮转角输入数据和预瞄偏差角输出数据,没有使用任何被控车辆的信息,因此可适用于不同车型. Matlab仿真以及与PID控制方案和Fuzzy控制方案的对比仿真结果验证了所提出方案的可行性.     

多路径下航向预估的无人车路径跟踪算法研究

针对纵向车速的变化与直弯道路况的复杂多变问题,提出了多路径下基于航向预估量的模糊PID控制算法,提高无人车在复杂路况下的跟踪精度,保持变车速时跟踪的稳定性.以GPS采集的离散数据建立多路径下的预期道路模型.通过建立航向预估、附加航向等模型,计算航向预估量、横向位置偏差、附加航向,以此为航向反馈量,设计多路径下基于航向预估的模糊PID控制器.通过仿真和实车实验验证算法的有效性.实车实验表明,上述算法能够明显提高路径跟踪的精度,横向位置偏差减少至0.1m以内,在纵向车速变化下的控制器的稳定性也有所提高,车辆进入稳定状态的调整时间减少27.7％.     

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。     

基于模糊神经网络的智能车辆路径跟踪

在自主车辆路径优化控制的研究中,针对智能车辆传统的路径跟踪控制需要建立精确的数学模型且鲁棒性差的问题,提出了一种模糊神经网络的角速度控制器设计方案。首先建立了智能车辆运动学模型;然后以方向角误差和位置误差作为该控制器的输入,利用神经网络的学习能力来调整模糊参数得到性能优化的控制器,最后对直线和圆路径进行了路径跟踪仿真。仿真结果表明提出的模糊神经网络控制算法具有很高的控制精度和较好的鲁棒性,能够满足智能车辆实时精确路径跟踪的优化控制。     

混合模糊PID控制器在伺服控制系统中的应用

在分析了直流无刷电机伺服控制系统的基础上,提出了一种混合模糊PID跟踪控制器模型.该模糊PID控制器由3个并行的次模糊控制器组成,应用模糊算法在线自动整定PID参数;并利用Matlab/simulink建立仿真模型对模糊推理控制算法进行验证.仿真结果表明,混合模糊PID控制器的动静态特性优于传统单一的PID控制,对设计性能优良的伺服控制系统具有借鉴意义.     

适用全速域大曲率路径的自动驾驶跟踪算法

目的 路径跟踪是自动驾驶汽车根据感知、决策和规划结果正确沿道路行驶的关键部分。目前路径跟踪算法难以在全速域、复杂路径场景和高自由度动力学模型下取得优异的性能,并且未考虑与纵向控制的耦合特性,限制了控制算法的跟踪性能。针对以上问题,提出了一种基于速度自适应预瞄的无模型转向控制算法。方法根据车辆与跟踪路径的横向偏差与角度偏差,建立车辆方向盘输出控制量方程,该方法实现了在动力学高度复杂情况和跟踪路径可导情况下的低速稳定跟踪。同时根据车辆纵向速度自适应设置跟踪预瞄距离,并将速度耦合参数加入方程,实现了车辆全速域、全路径的稳定跟踪。结果 本文在PanoSim自动驾驶仿真系统和Simulink仿真软件进行仿真实验,在高自由度动力学模型下,本文算法实现在超高速（>220 km/h）直线及小曲率跟踪路径中横向偏差变化量Δd的模Δd<0.1 m、在高速（>150 km/h）大曲率弯道跟踪路径中Δd<0.3 m的性能。结论 本文提出的基于速度自适应预瞄的无模型转向控制算法可以实现全速域、大曲率的路径稳定跟踪。     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

室内环境中脑控轮椅的路径跟踪控制

为了实现室内环境中脑控轮椅的自主导航,提出了一种简单有效的路径跟踪控制方法;给定的路径通常被表示为一系列离散点,根据这一特点,提出了分段直线路径跟踪方法,即依次跟踪由前后两个路径点构成的直线路径到达目标点;基于预瞄点技术并结合模糊算法和传统的PID控制方法设计控制器,完成各分段直线路径的跟踪,并给出了有效的切换条件;实验结果表明,文章提出的路径跟踪控制方法能够使脑控轮椅在室内环境中精确地跟踪给定路径.     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

基于模糊系统的汽车智能巡航仿真研究

针对汽车巡航智能控制问题,基于模糊理论提出了节气门与刹车综合调控的智能控制策略.建立了安全跟随距离与相对速度的双输入单输出模糊控制器,结合某轿车实车数据,采用Simulink设计了巡航系统智能控制仿真模块,针对城市道路典型运行工况实施了仿真验证.结果表明:该策略具备自动起步与停车及智能跟随前车且保持安全车距等集成控制功能,可有效提高汽车行驶的主动安全性,其研究成果可为系统dSPACE原型搭建及开发提供必要的理论参考.