基于自适应模型预测的智能网联车辆主动避障研究

本文以智能网联车为研究对象,设计一种自适应模型,采用MPC控制算法对整车行车过程中的避障策略和相关行为进行精准智能调度。借助PSD三角测距方式,对道路中的相关障碍物位置信息尽心采集,基于AT89C52模块进行数据处理与控制,对车辆进行主动避障预测控制。经在不同工况下进行仿真实验表明,基于MPC自适应模型预测的智能网联车辆主动避障策略具有很好的应用价值,避障精准,验证了该方法的有效性与实用性。     

分段仿射模型在智能车辆混合控制的应用研究

针对智能车辆混合动力学控制问题,首先采用分段仿射模型（PWA）非线性逼近车辆主要部件的系统特性,将智能车辆纵向动力学转化为计算混合逻辑动力学（MLD）模型,在此基础上提出了混合模型预测控制（HMPC）策略。通过求解混合整数二次规划（MIQP）问题,设计了能够计算智能车辆纵向工作模式（二进制控制输入）,以及节气门开口度和制动压力（连续控制输入）在自动调速过程中切换顺序的控制器。最后通过仿真对比模拟分析,验证了所设计的混合控制器在典型工况下具有良好的纵向速度调节控制性能。     

基于模糊模型的车辆稳定性控制方法研究

采用系统辨识的方法建立车辆的模糊模型，从而将车辆非线性系统模型通过模糊化方法分解为若干线性子系统，系统的输出是这些线性子系统输出的加权和，提出了基于梯度下降法的模糊模型辨识算法。根据所建立的模糊模型推导了广义预测控制模型(CARIMA)，为车辆的稳定性控制问题的研究提供了新方法。运用该方法对车辆的制动转向工况进行了仿真研究，结果表明，基于模糊模型的广义预测控制能有效改善车辆的稳定性。     

压电智能板结构的振动模型预测控制研究

研究了压电智能板结构的振动预测控制问题,在导出其有限元运动微分方程后,对其进行解耦,在状态空间中利用最小实现和平衡降阶法对其进行降阶处理,据此降阶模型设计了模型预测控制器,将其应用于对原系统的振动控制,并讨论了预测步长和控制步长对控制性能的影响。以智能悬臂板结构为例,求出了相应的预测控制器,仿真结果表明它成功地实现了压电智能板结构对干扰的抑制。     

显式非线性车辆稳定性预测控制模型保真度分析

为了同时兼顾车辆运动控制与控制分配,并且考虑模型可信度的影响,提出了一种显式非线性车辆稳定性预测控制模型保真度分析方法.利用多参数非线性规划问题的多参数二次规划逼近算法生成显式解,基于最优控制问题,结合运动控制和控制分配方面,提出了一种显式非线性模型预测控制车辆稳定性控制方法.进一步通过驻留试验中的客观指标对不同预测模型的控制器进行评估.最后通过仿真实验可以得到模型保真度对显式非线性模型预测车辆稳定性控制器性能的影响.     

基于多智能体系统的车辆侧向和垂向动力学集成控制

目前底盘集成控制研究主要集中于不同的评价指标和控制策略。在针对不同评价指标的研究中,基于非线性叠加原则的综合性能并没有考虑在内。在针对控制策略的研究中,关于侧偏角、路面附着系数、垂直载荷和车速的轮胎模型存在不足。因此,基于BDI-agent模型框架,提出轮胎agent,电动助力转向agent和主动悬架系统agent。在系统agent中,采用协调机制来管理各agent子系统,以便提高整个控制系统的灵活性、适应性和鲁棒性。由于需要进行动态特性的仿真,在SIMPACK中建立车辆多体动力学模型,并通过联合仿真分析来评定多agent系统控制器性能。仿真结果表明,多agent系统在电动助力转向系统和主动悬架系统中表现良好。同时,在多变和复杂的驾驶状况下能给驾驶员提供更好的路感。最后,建立多agent系统快速控制原型进行实车试验。试验结果和仿真结果一致,证实了仿真的正确性。所提研究方法在保证了驾驶安全性的同时,改善了操纵稳定性和提高了车辆平顺性。     

基于滑模控制的车辆纵横向耦合控制

在车辆动力学分析的基础上，建立了以纵向速度、横向速度、横摆角速度为状态变量的车辆纵横向耦合的动力学模型。以发动机扭矩（或制动力矩）和前轮转角为控制目标，车辆与前导车的纵向距离误差以及相对预瞄路径的横向距离误差作为输入参数，采用滑模控制、动态表面控制方法来设计控制器，并通过仿真计算比较了耦合与解耦两种情况下的纵向、横向位置误差。结果表明，耦合控制取得了较好的效果。     

基于模型预测控制的智能网联汽车路径跟踪控制器设计

为解决智能车辆的自主转向问题,提高车辆在高速运动过程中的转向精度和稳定性,在智能网联汽车的背景下,从路径跟踪控制出发,提出一种变参数的智能网联汽车路径跟踪控制方法。该方法基于模型预测控制原理,设计了一种智能网联汽车的路径跟踪控制器。该方法先以3自由度模型的车辆模型为控制系统;对系统进行线性化后,确定系统的二次型目标函数,并依据函数形式确定矩阵形式;然后,在Carsim和Matlab/Simulink平台上进行离线仿真,确定各个典型工况下适用于该路径跟踪控制器的仿真参数;最后实现系统可根据由车联网获得车辆实际所处道路形状和实际车速选择合适的路径跟踪控制器的控制参数,完成智能网联汽车的自动转向。仿真结果表明该控制器相对于固定控制参数的控制器具有更好的控制效果,可控制车辆以较高车速行驶时达到较高跟踪精度和行驶稳定性。     

基于SVM模型的车辆侧翻预测方法

车辆侧翻预测需要高精度,本文提出了一种基于多观测变量的侧翻预测算法.该方法将不确定性概率法应用于重型车辆动态侧翻预测算法的设计,建立了基于多观测变量支持向量机(SVM)的重型车辆分类模型.     

模型预测控制的主动横向稳定杆研究

针对极限工况下汽车的操纵稳定性问题,建立八自由度整车模型以及小角度假设下的非线性动力学模型。通过MATLAB软件对理想侧倾角关于侧向加速度的分段函数进行拟合处理,得到理想侧倾角的连续目标函数。设计基于模型预测控制理论的主动横向稳定杆控制器,完成了CarSim和Simulink联合仿真平台搭建,并在双移线和弯道制动这两种典型操纵稳定性评价工况下进行仿真试验。从试验数据对比分析中可以得出,在两种典型试验工况下车辆的性能评价参数值均得到较为理想的改善,进而提高了对车辆的稳定性控制。     

基于线性时变模型预测控制的自主车辆轨迹跟踪控制器设计与验证

随着自动驾驶技术的快速发展,精确的轨迹跟踪已经成为汽车工业和学术领域公认的实现自主车辆运动控制的核心技术之一。为提高自主车辆轨迹跟踪的实时性与准确性,提出一种应用于自主车辆的线性时变模型预测跟踪控制器（Linear time-varying model predictive controller,LTV-MPC）设计方法。根据运动学原理建立某自主无人小车的二自由度运动学模型,其次,基于该模型构建车辆轨迹跟踪系统的误差模型并利用线性参数化理论对其进行离散化,在模型预测控制框架内将该轨迹跟踪控制器的设计转化为一个线性二次规划最优问题。在一个实际搭建的自主车辆试验平台上对所提出控制器的有效性进行不同预设参考路径轨迹下的实车验证,结果表明,该自主车辆能够对所预设的实际参考道路轨迹进行快速、准确的轨迹跟踪控制,且具有较好的行驶稳定性能。     

多前车影响的智能网联车辆纵向控制模型分析

为了可以更好的对智能网联车辆跟驰特征进行分析和研究,本文建立起了纵向控制模型,并且在V2V环境下,多辆牵扯速度以及加速度不同的时候,进行影响因素的分析和讨论,能够很好的进行稳定性的分析,进而能够帮助相关领域的工作人员,获得可靠的数据,从而达到对现阶段的智能网联车辆进行优化和改进的目的.     

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。     

车辆队列预测巡航控制研究综述

车辆队列巡航控制主要依据范围有限的交通环境信息,但环境的高度不确定性会影响车辆建模精度与控制效果。预测巡航控制作为巡航控制的一种演进,已成为当前的研究热点。为全面分析车辆队列预测巡航控制的研究进展,从交通环境信息预测、队列运动行为决策、队内车辆轨迹规划、车辆轨迹跟踪控制等4个方面进行概述。首先,介绍车辆队列对交通环境信息的预测研究进展,包括采用车路协同获取前方道路地理、交通等信息,以及通过车载传感器预测周边环境车辆运动状态,重点介绍基于深度学习的轨迹预测方法研究现状及发展趋势;其次,介绍车辆队列协同行为决策问题的研究进展,详细阐述博弈论与机器学习在协同行为决策领域的重要作用,指出模型与数据混合优化的行为决策发展趋势;再次,针对车辆协同轨迹规划问题,从模型驱动与数据驱动2个角度,分别对当前研究进行梳理,并说明强化学习在协同轨迹规划方面具备的优势;然后,从预测巡航控制、车辆跟踪控制等2个方面,分别阐述车辆轨迹跟踪控制问题,并指出基于数据和模型联合驱动的车辆跟踪控制方法具有较大应用潜力;最后,总结车辆队列预测巡航控制的研究现状与不足,并对该领域的未来发展趋势进行展望,为其后续应用提供新思路。     

基于优化动力学模型的路径跟踪控制研究

针对一般路径跟踪模型预测控制器在高速大曲率工况下适应性差的问题,提出了一种基于优化动力学模型的自适应预测时域控制策略。首先,为解决经典动力学模型在较高侧向加速度工况下精度不足的问题,建立了包含侧倾转向和变形转向特性的优化模型,实现了车辆状态的较高精度预测;其次,为解决高速大曲率工况下固定预测时域控制效果不佳的问题,提出了基于二维高斯函数的自适应预测时域策略,以低算法复杂度实现了预瞄距离的实时调整;最后,通过CarSim/Simulink联合仿真实验验证了控制器在双移线道路上的控制效果,结果表明,横向位置峰值误差降低45.1%,横摆角峰值误差降低72.4%,设计的控制器对极限工况有更好的适应性。     

列车车辆垂向主动悬挂的最优预见控制研究

以四轴客车为研究对象,建立了四轴客车车辆的6自由度垂向动力学模型,并通过设计最优预见控制器来抑制车辆系统的垂向振动,研究结果表明采用最优预见控制策略能够降低车辆的垂向振动响应,获得较快的系统响应速度,达到满意的隔振效果。     

长圆形囊式气囊隔振器横纵向刚度特性研究

气囊隔振器作为一种高效的减振元件,其横向稳定性与横向刚度密切相关.为了在理论上了解和掌握长圆形囊式气囊隔振器的横、纵向刚度特性,分别根据气囊隔振器横、纵向受力特点,从气囊隔振器囊体受力和导向法兰受力两个方面对其横、纵向刚度进行了讨论,提出了一种长圆形囊式气囊隔振器横、纵向刚度理论计算式.同时试制相应气囊隔振器样机,并开...     

基于行为的智能车辆导航控制体系结构

在分析典型智能车辆导航控制体系结构优、缺点的基础上,提出一种基于行为的智能车辆导航控制体系结构。该体系结构使用黑板来协调各模块之间的交互,并把智能车辆的行为划分为反射行为和目的行为。反射行为由数据信息驱动,目的行为由黑板选取;通过不断被选取的行为组成的行为序列完成导航任务。在理论分析的基础上进行仿真计算,结果显示智能车辆能有效地完成路面标志线跟踪、障碍躲避、墙面跟踪和路径信息导航各行为,并最终顺利到达目标点。最后,对智能车辆的标志线导航进行实车试验,得到较好的效果。