基于三步法的汽车主动四轮转向控制

为了提高线控主动四轮转向汽车的主动安全性、操纵稳定性,将三步法控制策略应用于线控主动四轮转向车辆控制问题中,以跟踪参考模型输出为控制目标设计了三步法控制器。该控制器由类稳态控制、考虑参考变化的前馈控制和状态相关的误差反馈控制3部分构成。通过对线控主动四轮转向汽车的前、后轮转角进行控制,保证实际的车辆质心侧偏角和横摆角速度对理想的质心侧偏角和横摆角速度的状态跟踪。采用非线性八自由度汽车模型对控制器的有效性进行验证。仿真结果表明:所设计的控制器能够跟踪上理想模型输出值,提高了线控主动四轮转向汽车的操纵稳定性。     

基于理想转向传动比的汽车线控转向控制算法

以29自由度汽车动力学模型为基础,提出了保证汽车转向增益不变的理想传动比稳态控制策略,使线控转向汽车转向特性不受车速和方向盘转角变化的影响;提出了基于状态反馈的动态校正稳定性控制算法。仿真和驾驶模拟器实验表明,基于理想转向传动比的稳态控制策略保证了汽车转向增益不变,减轻了驾驶员的负担,适合于更多的驾驶人群;基于状态反馈的动态校正稳定性控制算法有效提高了汽车的稳定性。     

汽车线控四轮转向控制策略

基于转向传动比随汽车速度和方向盘转角而变化,提出了前轮控制、侧滑率反馈控制和侧滑率及加速度反馈控制三种前轮线控转向的稳定性控制策略,并进行了驾驶模拟器试验评价。结合后轮主动转向研究了分别采用前馈控制方式和反馈控制方式的线控四轮转向系统的转向控制策略,并将其与前轮线控转向和传统四轮转向系统进行了比较。仿真和模拟器试验验证了线控四轮转向系统能有效提高汽车的操纵稳定性。     

线控驻车制动系统辨识方法研究

以定置试验台试验为基础,根据线控驻车制动系统的原理与特点,采用不同的辨识模型:ARX、ARMAX、NARMAX,应用最小二乘法和神经网络对线控驻车制动系统进行辨识,并对各种方法得到的辨识结果进行比较.结果表明:由于线控驻车制动系统中存在的非线性因素,采用神经网络模型能很好地表示线控驻车制动系统的动态特性,解决了线控驻车制动系统的非线性仿真问题.     

基于dSPACE的汽车自动变速器换挡规律优化硬件在回路仿真

为了验证所提出的基于动态规划的汽车自动变速器换挡规律优化方法的实时性,基于dSPACE软硬件,应用AMEsim和Matlab/Simulink联合系统建模方法,搭建了汽车自动变速器换挡规律设计的快速控制原型硬件实现平台;基于此平台,进行了换挡规律的快速控制原型实验,结果表明,所设计的换挡规律优化方法具有良好的实时性和控制效果。     

硬件在环汽车驾驶模拟器系统开发

为提高硬件在环仿真过程中实时监控的精度,本文基于xPC Target实时仿真实验平台,开发了硬件在环汽车驾驶模拟器系统。采用Matlab/Simulink软件,对车辆参数和道路环境等进行配置,搭建仿真模型,同时结合转向盘转角传感器、制动/油门踏板传感器和数据采集卡等硬件设备,实现外部硬件对虚拟车辆运动的控制,完成相关硬件在环仿真实验。以某型轿车为例,在平坦标准道路上的转向性能进行模拟,对驾驶模拟器系统的性能进行测试。实验结果表明,该系统的实时性和精度满足汽车动力学仿真实验的要求,为研究和开发驾驶辅助系统提供了实验平台,具有广阔的应用前景。     

汽车主动转向系统的特性研究

系统地分析了各种主动转向系统的性能特点,EPS能根据汽车行驶速度调节助力大小,在必要时能主动向驾驶员提出合理的转向建议或者直接进行转向干预,从而改善操作轻便性、提高汽车直线行驶性能和转向回正能力;AFS通过执行机构给转向轮叠加一个额外的转向角,实现转向系统的变传动比和对转向角的动态干预,从而改善汽车的驾驶舒适性、机动性和操纵稳定性;线控转向系统能够自动地进行转向干预,实现汽车动态偏行稳定性控制和自动道路轨迹跟踪,为最终实现汽车驾驶的全自动化提供了可能.     

基于CANoe-MATLAB的电动机仿真控制的研究

电动机控制是新能源汽车驱动系统的重要方面,研究基于网络的电动机控制快速开发方法有实际意义.试验提出了CANoe与MALAB联合开发仿真方法,通过对电动机正反控制、转速控制进行仿真建模,实现电动机的控制.实验结果验证了MATLAB与CANoe之间的联合控制的有效性、实时性与准确性,且具有较强的扩展性.     

自动驾驶汽车路径规划与轨迹跟踪研究综述

自动驾驶汽车路径规划与轨迹跟踪技术的发展对提升汽车技术与现代电子信息的深度融合具有十分重要的意义。文章围绕自动驾驶汽车路径规划与轨迹跟踪技术进行了阐述，介绍了基于环境建模和路径搜索策略的路径规划技术，分析了基于传统控制和先进控制方法的轨迹跟踪控制现状，并对未来自动驾驶汽车的发展方向进行了展望。     

汽车线控转向系统控制研究

为了提高汽车线控转向系统操纵稳定性 ,对其控制策略进行了研究 黄 首先 ,通过分析系统运动 学微分方程 ,采用 Matlab/simUlink 软件构建汽车线控转向系统的仿真模型 黄 设计基于车轮转角的改 进滑膜控制策略 ,在双移线变道工况和阶跃信号转向工况下进行多次联合仿真试验 黄 结果表明 ,改 进的滑膜控制具有良好的控制效果 ,此研究的线控转向系统可以提高车辆转向操纵的稳定性 黄 关键词 :线控转向系统；滑模控制；Carsim联合仿真。     

线控四轮独立驱动轮毂电机电动车集成控制

从提高车辆操纵稳定性的角度,基于模型预测控制理论对线控四轮独立驱动轮毂电机电动车进行主动转向(AFS)、直接横摆力矩(DYC)和主动悬架(AS)的集成控制研究。采用分层集成控制结构,设计了模型预测控制器。研究了驱动力矩控制分配规则和AS控制方法,实现了AFS/DYC的水平集成控制和AFS/DYC/AS的全局集成控制,并通过仿真实验对算法进行了验证。仿真结果表明:集成控制算法能够实现车辆有效跟踪期望值,提高车辆极限工况的稳定性和主动安全性。     

基于卷积神经网络的驾驶员不安全行为识别

提出了一种基于卷积神经网络的驾驶员违规行为识别方法。首先，利用特定卷积神经网络对驾驶员的实时图像提取特征，然后并行对多种行为分别进行二分类。建立了一个真实场景下的驾驶员违规数据集，在此数据集上的测试说明了该方法的高效和良好的泛化能力。实验结果表明，该方法在约10万张图像的数据集中对打电话、吸烟、不系安全带3种行为分别达到了99.85%、99.62%、98.68%的识别率，同时使用当前较先进的Inception-v3和Xception模型测试，也获得了类似的识别效果。     

道路交通标志标线视认性虚拟测试系统设计

针对道路交通标志标线视认性静态测试不足和动态测试过程工作繁重,设计由车辆、场景生成子系统、声响模拟子系统、驾驶行为测试子系统、虚拟仪表子系统,试验信息管理子系统等构成的基于半物理模型汽车模拟器的道路交通标志标线虚拟测试系统,探讨利用虚拟现实VR(VirtualReality)技术进行车辆运行时各种动态道路交通环境场景生成关键技术,提出了动态道路场景生成控制参数车辆运行速度和驾驶员视角的建模方法,论述了测试系统试验管理软件应具有的功能,展望了道路交通标志标线视认性主观评价方法和基于驾驶行为的道路交通标志标线视认性建模等内容。     

面向智能汽车空间的本体建模与映射研究

该文利用本体层次化上下文建模方法,建立了一个智能汽车空间本体。为了解决上下文本体模型与上下文推理方法之间的信息共享问题,提出了一种基于概念的本体映射方法,实现了一个识别智能汽车空间内司机状态的原型系统。实验结果表明,本体模型和推理方法能较有效地识别司机的不同状态。     

用于爆胎车辆仿真的驾驶员模型

分析了驾驶员模型在汽车爆胎仿真应用中存在的问题及爆胎后车辆响应特性的变化,指出爆胎后车辆响应特性发生改变是导致驾驶员模型不能控制爆胎后汽车回到原路径的根本原因。建立了考虑爆胎后车辆左、右转向特性不对称的驾驶员模型,并进行了仿真。最后在原驾驶员模型中加入状态参考器,并对不同车速下的状态参考器参数进行辨识。解决了驾驶员模型在汽车爆胎仿真中的应用问题,为进一步研究汽车爆胎后驾驶员的操作规律及爆胎后汽车的稳定性控制提供了参考。     

汽车模拟驾驶模型与仿真的研究

在主动型驾驶模拟训练系统中 ,模拟驾驶舱各个操纵机构存在着多输入、多耦合、非线性的控制作用 ,而驾驶模拟训练要求驾驶动力学模型适于快速实时仿真 .本文使用拟合多项式描述汽车发动机负荷特性 ,提出结构简化的汽车速度和方向控制模型 .对模拟驾驶的仿真结构和学员操作的逻辑判断进行了讨论 ,通过对操纵机构输入的线性化处理 ,得到汽车行驶的仿真模型并选择快速仿真算法实现了所建模型 .实验结果表明 ,本文提出的理论模型和仿真算法是正确可行的     

基于RBF神经网络调节的电动车驱动和再生制动滑模控制

针对电动车的驾驶模式多变和续驶里程短等主要问题,在建立控制系统主回路的基础上对电动车的驱动和再生制动过程进行了研究,设计了电动车用神经网络滑模控制器。该控制器包括两部分:一个RBF神经网络和一个滑模控制器,RBF神经网络对滑模控制器进行在线切换增益调节。实验结果表明,在车辆的驱动和再生制动过程中,神经网络滑模控制器与普通滑模控制器相比,其响应速度、稳态误差及鲁棒性明显改善,尤其在再生制动过程中,可以回收更多的能量,进一步延长了车辆的续驶里程,对节约能源很有意义。     

基于GRNN的车内噪声品质预测

以8辆不同类型轿车的4种不同车速匀速行驶时采集到的32个车内噪声样本为研究对象,以响度、尖锐度、粗糙度和抖动度4项心理声学客观参量作为输入,以主观评价团对车内噪声的舒适度打分作为输出,分别使用广义回归神经网络、BP神经网络和多元线性回归分析建立车内噪声品质预测模型并对声品质进行预测。三种方法的预测结果表明:广义回归神经网络相对于其他两种方法具有更高的准确度,相对预测误差为-7%～7%,较多元线性回归分析能更准确地描述客观评价参量与主观舒适度之间的非线性关系,并且较BP神经网络具有更高的准确度及稳定性。     

基于RBF神经网络的汽车稳定性滑模控制

针对汽车稳定性控制存在的非线性和参数时变不确定性问题,采用基于径向基函数(RBF)神经网络的方法设计汽车稳定性滑模控制器,能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能。仿真结果表明该控制算法可有效地控制汽车按照驾驶员期望的方向行驶,且保证汽车侧向控制系统具有较强的适应性和鲁棒性。