智能四轮独立驱动电动汽车差动转向与主动转向协同路径跟踪控制研究

智能驾驶技术是当前汽车工业的研究热点,四轮轮毂电动机驱动电动汽车为智能驾驶提供了绝佳的线控平台。充分利用左右车轮不对称转矩主动生成横摆力矩,能够在线控转向基础上更好地实现高精度路径跟踪控制。文中提出了一种基于模型预测控制(MPC)的差动转向与主动转向协同路径跟踪控制方法,建立了车辆三自由度动力学模型,设计了前轮转向角和整车直接横摆力矩的滚动优化控制律来追踪规划路径,有效解决了控制器设计面临的动力总成和转向角执行约束挑战。仿真结果表明,该控制方法能够很好地跟踪目标轨迹,并且与单一线控转向控制相比可以获得更好的结果。     

基于转向角变换的智能转运叉车运动规划研究

针对智能转运叉车在无人装车作业时的姿态调整问题,对其行驶过程的运动规划问题进行了研究。首先,研究了普通叉车装车作业时的运行轨迹特征,并结合叉车进行了运动学分析;在满足初始状态约束、目标状态约束、曲率连续有界约束、转向速度有界、转向加速度有界以及侧滑约束状态下,建立了基于转向角变换的9种运行状态组成的运动控制模型;然后,在该模型中输入了目标相对叉车位姿,运行、计算出了控制参数,并生成了最优运行轨迹与航向规划策略;最后,在MATLAB环境中输入目标位姿参数,生成了可行运动轨迹,揭示了叉车位姿对应的转向角、航向角、坐标偏移量变化与对应的运行轨迹的关系。仿真及研究结果表明:所建立的模型在前向位移5 m～8 m、侧向位移±2 m、航向角±10°范围内,能快速生成运动规划控制参数,平均运行时间约为0.012 3 s;该模型可以改进以往的路径规划算法,省去以往需通过优化路径曲线光滑度来实现最优路径规划的过程,减少叉车运行控制计算量,使运行时间减少约59%。     

自动驾驶车辆转向系统设计

自动驾驶车辆需具备独立完成转向操作的能力,传统的电动助力转向系统无法满足该要求。为了达到自动驾驶车辆自动转向的目的,设计可同时满足驾驶员驾驶和车辆自动驾驶两种工况的车辆转向系统,对转向系统关键零部件进行选型设计;根据不同驾驶工况建立转向系统数学模型,利用Matlab/Simulink进行系统仿真。仿真结果表明,该转向系统可以满足自动驾驶工况,且可以保证车辆的稳定性,但由于转向系统输出值与输入值存在误差,导致行驶轨迹存在一定的偏移。     

基于ADAMS铰接式车辆转向行驶轨迹分析

针对铰接式车辆的铰接式转向系统长时间工作导致零件之间配合宽松,而在行驶过程中存在着"振摆现象",对车辆转向行驶轨迹进行分析。对车辆转向行驶过程的轨迹进行数学建模,以行驶的速度为输入量,转向角度为变化量,得到其在不同工况下的行驶轨迹的数学方程,方程中加入了由差速器等对速度造成的影响。基于ADAMS对铰接式车辆的行驶轨迹进行虚拟样机模拟仿真分析,建立了模拟路面模型以及轮胎模型。通过分析可知:车辆的安全转向行驶速度范围在(3-6)m/s,在这个速度范围内,车辆转向行驶的安全性更高,稳定性良好;仿真轨迹曲线和实际工况下轨迹吻合度相对较高,仿真结果可以作为设计参考。     

融合TEB与Stanley的移动机器人路径规划控制算法

移动机器人根据TEB(timeelasticband)算法优化求解出轨迹点序列，然后通过时间差分计算移动机器人所需的控制量，这种方式在实际应用时由于速度与角速度的频繁跳变，导致对阿克曼底盘移动机器人的运行控制不佳、转向不平稳等问题。为了改善控制效果，将TEB下发的移动机器人控制量进行了改进，融合Stanley算法考虑机器人实际位姿与最优轨迹点之间的航向误差与横向误差，定义基于误差的非线性比例函数来求解移动机器人实时跟踪的控制率，以此设计移动机器人的运动控制器，并搭建基于ROS平台的路径规划控制模块进行仿真和实车测试，实验结果验证了所设计融合算法的有效性，可以实现阿克曼形式的底盘移动机器人可靠、平稳的路径规划和运动控制功能。     

基于模糊控制的自动驾驶汽车爆胎控制

针对自动驾驶汽车存在爆胎的问题,提出一种基于模糊控制的自动驾驶汽车爆胎控制方法。首先,建立线性二自由度车辆模型,分析自动驾驶汽车爆胎后轮胎参数发生剧烈变化导致失控问题。然后基于附着椭圆理论,提出采用点刹与微调前轮转向角的方式来设计模糊控制器。由模糊控制器确定补偿制动压力ΔP和前轮转向角δ之后,建立Carsim和simulink联合仿真模型,对车速、纵向位移、横向位移、横摆角速度、左右前轮制动压力进行了仿真分析。理论分析结果与仿真结果基本一致,研究结果表明:自动驾驶汽车爆胎后,无控制时横向最大位移达到6m,横摆角速度达到7.5deg/s;有控制时横向最大位移减小到2m,横摆角速度最大为2.5deg/s。因此提出的基于模糊控制的自动驾驶汽车爆胎控制方法能够有效控制爆胎,提高车辆安全性和稳定性。     

基于MPC的智能车轨迹跟踪算法

针对前轮转向的智能汽车,设计了一种轨迹跟踪控制算法。基于车辆运动学模型,建立了车辆轨迹跟踪状态空间方程,采用模型预测控制算法,以考虑乘坐舒适性下动态跟踪偏差最小为控制目标,同时考虑车辆实际情况对模型添加了控制约束和状态约束,通过滚动优化和反馈校正实现了带约束的智能车轨迹跟踪的最优控制。为了验证该算法的性能,将该算法在常用于自动驾驶仿真的PreScan上进行了硬件在环仿真试验,并与LQR算法作比较。结果表明,该算法能有效适用于约束条件下的智能车轨迹跟踪控制。     

基于Matlab的自动泊车系统

文章基于多传感器数据融合级数讨论泊车的路径规划及算法,通过车辆泊车的起始点坐标、转向角以及后轮轴中心的运动轨迹方程计算出泊车的终点坐标,即后轮轴中心点的坐标,然后建立GUI对象,编辑界面布局,最后编写相应的程序代码。经测试,系统实现了自动泊车路径规划的初始化即初始点位置、仿真、停止仿真和留下轨迹功能。仿真的结果可以表明本设计采用的算法能够有效地完成自动泊车,不过系统仍有进一步优化的可能性。     

基于虚拟控制律的智能车辆纵横向联合控制策略

综合考虑智能电动车辆动力学方程中轮胎纵、横向力之间的耦合,使得纵向和横向控制器耦合在一个相互联系的控制结构中。纵向控制器基于串级控制结构,用于速度跟踪和力矩控制。基于纵向滑动率和控制力矩的虚拟控制律跟踪时变的纵向速度,设定时变控制矩阵的时变项边界从而获得纵向控制稳定的条件;提出一种跟踪期望横摆角横向控制方法,在车辆当前行驶位置和道路预瞄点之间实时规划逼近目标路径的虚拟路径。采用基于上界的滑模变结构策略跟踪期望横摆角,使车辆实现自动驾驶,参考速度由给定跟踪路径获得。横向控制基于静状态反馈控制、期望横摆角度控制及期望横摆角控制通过Matlab/Simulink仿真对比,验证了联合控制策略的有效性。     

自动驾驶横向运动控制的改进LQR方法研究

针对自动驾驶横向运动控制问题,提出一种带有前馈控制的改进LQR横向运动控制方法.首先,利用二自由度车辆动力学模型构建了路径跟踪误差动力学模型,设计了自动驾驶LQR控制器以及前馈控制器.随后,针对LQR控制器参数进行分析,提出一种基于路径跟踪误差的参数计算方法和一种基于车-路位置关系的参数调整规则,以此实现LQR控制器的改进,提高控制器的适应性与控制精度.最后,通过Matlab/Carsim联合仿真测试设计的控制器.结果表明,不论是双移线工况还是连续换道工况,设计的控制器均能较好地跟踪目标路径,且能够将距离偏差和航向偏差控制在较小范围内.     

汽车移线轨迹的闭环最速控制模型及仿真

提出了汽车驾驶员移线控制的时间最小模型，该模型是考虑自动操纵汽车时常常采用的达到某一目标所需时间最小的原则，进一步采用闭环反馈开关控制进行轨迹拟合和优化控制，确定出最优轨迹和最优操纵时刻，称为最速控制。采用仿真方法验证了该模型及最速控制理论和方法的正确性，该理论和方法不仅可以作为智能汽车或汽车自动驾驶的控制方法，也可以作为一种驾驶员模型为汽车转向系统的合理设计提出方向。     

基于改进领航-虚拟跟随法的车辆队列控制

文中分析了车辆队列控制方法中传统的领航-虚拟跟随法存在模型误差的问题,提出一种考虑跟随车参考路径点连线与横轴的夹角作为参考航向角的改进领航-虚拟跟随方法,将队列控制问题转化为对特定位置的轨迹跟踪问题。然后基于车辆运动学模型实时规划跟随车的速度,运用误差修正的Stanley方法和PD控制分别进行车辆横向控制和车辆纵向油门/刹车控制。最后,通过CarSim/Simulink联合仿真,验证了改进领航-虚拟跟随方法在3车三角形队列圆周和正弦曲线工况下的效果。结果表明：改进领航-虚拟跟随方法较传统领航-虚拟跟随法,使1号和2号跟随车横向误差均值和最大值得到了降低。     

基于变预测时域MPC的自动驾驶汽车轨迹跟踪控制研究

为了保证自动驾驶汽车轨迹跟踪的精度及行驶过程中的稳定性,提出一种基于车辆横向稳定状态在线识别和模糊算法的变预测时域模型预测控制（MPC）方法。针对车辆稳定状态的在线识别,采用k-means聚类算法对车辆行驶状态参数进行聚类分析,得到聚类质心,通过在线对比当前车辆状态量与不同聚类质心之间的欧氏距离获取车辆的实时安全等级。同时计算出当前车辆的轨迹跟踪横向偏移量,以这二者为输入,通过模糊控制算法在线计算出预测时域的变化量并输出给MPC控制器实现预测时域的自适应调整,最后求解出自动驾驶车辆跟踪轨迹的最优的控制序列,以达到在保持车辆稳定的前提下实现高精度轨迹跟踪控制的目的。CarSim/Simulink联合仿真结果表明,改进后的变预测时域MPC算法在提高自动驾驶汽车轨迹跟踪精度及横向稳定性方面的表现优于传统MPC控制器。     

基于模糊控制的自动驾驶车辆轨迹跟踪控制研究

本文基于模糊控制算法对自动驾驶车辆的轨迹跟踪问题进行研究。首先建立了车辆的运动学模型,以车辆在坐标系里不同时刻的位置偏差和角度偏差作为输入,车辆的纵向速度和角速度作为输出,设计了模糊控制器,并在Matlab/simulink进行了建模仿真,结果表明,该模糊控制能较好的实现低速车辆的轨迹跟踪控制。     

基于“Pure Pursuit”自动驾驶汽车的路径跟踪控制

为了提高自动驾驶汽车路径跟踪控制中的可行性和稳定性,提出一种基于"Pure Pursuit"自动驾驶汽车的路径跟踪控制方法。借助某集团新能源汽车自动驾驶平台采集园区一条参考轨迹纬度值,并再将其转化为大地坐标值;建立自动驾驶汽车运动学模型,根据车速可利用Pure Pursuit算法确定前轮转角,基于前轮转角,通过Carsim与Simulink软件搭建路径跟踪控制联合仿真模型,分别对参考轨迹跟踪控制及跟踪误差进行了仿真分析;最后对所提出的控制方法进行了实车试验验证。研究结果表明:车速低于20 km/h,仿真轨迹和实车轨迹误差均小于0.4 m,最后试验结果与仿真结果基本一致;基于Pure Pursuit算法有效地实现了低速工况下自动驾驶汽车的路径跟踪。     

采用状态扩展MPC与转角补偿的无人车路径跟踪控制

采用传统模型预测控制（MPC）的无人车难以同时保证路径跟踪精度和实时性,针对此问题,本文设计了一种采用状态扩展MPC与转角补偿的路径跟踪控制器。建立了车辆三自由度动力学模型,设计了基于状态扩展的双反馈MPC控制器,并根据车速调整控制器参数;建立了车辆-道路跟踪模型,根据车辆横向和航向偏差设计了转角补偿模糊控制器;利用MATLAB/Simulink和Carsim软件对所设计的路径跟踪控制器进行联合仿真分析。结果表明：相比采用传统MPC控制器的车辆,在中、低车速下,状态扩展MPC控制器的控制增量求解时间平均值降低14%以上,路径跟踪控制器跟踪道路的横向和航向偏差最大值分别降低23%和17%以上,具有较好的路径跟踪性能。     

基于模型预测控制的智能车辆横纵向综合控制研究

汽车数量的急剧增长使得道路安全问题日益严峻，如何提高车辆的自动化水平来改善交通问题成为了目前的研究热点。在智能车辆自动驾驶领域，车辆控制算法是整个智能车辆自动驾驶系统中最为基础关键的部分之一，决定了智能车辆行驶时的安全性和舒适性。为实现智能车辆控制，现有研究常根据智能车辆的横向运动和纵向运动将车辆控制简单分为横向控制和纵向控制，但车辆本身是一个高度耦合的复杂控制系统，简化解耦控制不符合实际车辆动力学特性。为提高车辆的横纵向综合控制能力，本文基于模型预测控制的理论原理，提出了一种适用于智能车辆路径和速度跟踪的横纵向控制算法。该控制算法以前轮转角和轮胎纵向力为控制量，以车辆与参考道路中心的纵向位置差、横向位置差、横摆角误差以及与参考车速的横向和纵向速度误差为零为控制目标，基于搭建的三自由度动力学模型，进行智能车辆横纵向控制器设计。随后，基于Carsim/Simulink联合仿真平台，搭建Simulink模型对所设计的控制器性能进行验证，仿真结果表明，本文提出的基于MPC的横纵向控制算法，在对双移线工况进行跟踪时，能很好的跟踪参考速度和参考路径，误差范围均在合理范围内，能实现较好的控制效果。...     

基于单点预瞄最优曲率模型的单轨车辆驾驶员模型

单轨车辆动力学特性研究一般需要一个合适的驾驶员模型。基于郭孔辉的单点预瞄最优曲率模型,利用车辆转向时的Ackerman几何关系和稳态转向时横垂面内力的平衡分别确定目标转向角和目标侧倾角,建立适用于单轨车辆的驾驶员模型。模型重点考虑了驾驶员的预瞄、驾驶员对转向手把的转向力矩输入、驾驶员上半身在车座上绕通过髋部的纵向轴线转动的侧倾力矩输入以及驾驶员的动作滞后。为使实际转向角和侧倾角跟随目标转向角和目标侧倾角变化,转向力矩和侧倾力矩皆采用PD控制。采用ADAMS软件建立了驾驶员—车辆闭环动力学模型,并按双移线和蛇行两种典型行驶工况进行仿真。仿真结果表明车辆可以很好地跟随所设定的路径,验证了驾驶员模型的合理性。所建立的驾驶员模型适用于单轨车辆人—车闭环控制模型的动力学仿真研究。     

智能车辆的行为动力学运动规划方法研究

针对城市道路行驶的动态环境和智能车辆的典型驾驶行为,提出一种基于行为动力学的运动规划方法。根据智能车辆的导航控制要求,以航向角和线速度为行为控制变量,建立了基于行为动力学的运动规划模型。根据对智能车辆行驶环境和典型驾驶行为的分析,建立运动规划模型的坐标系;根据行为动力学原理,分别用吸引子和排斥子表达目标和障碍物,并建立趋向目标和避障的行为控制变量的吸引子和排斥子模型;通过吸引力和排斥力加权合成,建立了智能车辆行为动力学运动规划模型,实现了车辆在横向的航向角控制和纵向上的速度控制。仿真实验表明:所建立的行为动力学运动规划模型可实现车道保持、换道及超车等行为,并且能在车道内安全行驶。     

基于可变预测时域及速度的车辆路径跟踪控制

非线性模型预测控制(NMPC)在车辆路径跟踪控制中的应用日益广泛,但目前的研究成果中尚未深入考虑预测时域和速度对车辆路径跟踪控制性能的影响。为此,分析了预测时域、速度与车辆路径跟踪控制性能之间的关系;采用三次多项式拟合获得了能够保证车辆路径跟踪横向误差小于0.1 m的最佳预测时域和参考速度的控制律;改进了用于车辆路径跟踪控制的NMPC控制器,且改进后的NMPC控制器的性能通过仿真进行了验证。仿真结果表明:改进后的NMPC控制器的横向误差在0.092 8 m以内,航向误差在0.072 4 rad以内。相比传统NMPC控制器,改进后的NMPC控制器将最大横向误差减小了4.267 1 m以上,将最大航向误差减小了0.392 7 rad以上,路径跟踪控制性能得到了较大幅度的提高。