分布式驱动智能汽车轨迹跟踪的协同控制

针对车辆在轨迹跟踪过程中，尤其是高速转向等极限工况下，易出现车辆跟踪精度差和失稳的问题，以分布式驱动智能汽车为研究对象，提出一种考虑横向稳定性的轨迹跟踪协同控制策略。首先，建立车辆纵向、横向以及横摆运动的三自由度动力学模型，设计了基于模型预测控制的主动转向控制器，通过优化求解得到跟踪期望轨迹的最佳前轮转角。然后，采用滑模控制设计横摆力矩控制器，将横摆角速度和质心侧偏角作为联合变量，利用积分二自由度控制模型，计算车辆稳定的等效附加横摆力矩。最后，采用二次规划算法设计最优力矩分配控制器，以满足总的驱动力矩和附加横摆力矩的控制需求。仿真试验结果表明，控制系统在极限高速工况下，能够使车辆精确、稳定的跟踪期望轨迹。     

无人车辆横向跟踪控制研究

使用传统模型预测控制对车辆轨迹进行跟踪时,模型中的路面附着系数往往为特定工况下的经验数值。当车辆在未知路面行驶时,现有控制算法难以对路面附着系数进行及时修正,并调整预测控制模型内的约束,进而导致车辆横向失稳。针对此种情况,提出一种考虑实时路面附着系数估计的横向跟踪控制策略,用于实现车辆横向轨迹跟踪。该算法针对路面附着系数未知的工况,利用车辆当前横纵向加速度、横摆角速度、前轮转角等状态量,通过扩展卡尔曼滤波预测路面附着系数后,再对控制模型中的侧偏角约束量进行实时调整,以保证车辆在未知路面工况下的行驶安全,使车辆跟随预期轨迹行驶。实验表明,将扩展卡尔曼滤波法与模型预测控制结合的控制算法具有可行性,且有效提高了车辆在不同附着系数路面行驶时横向轨迹跟踪的稳定性及鲁棒性。     

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。     

商用车横向稳定性优化控制联合仿真分析

提出一种基于粒子群优化与径向基(Radical basis function,RBF)神经网络优化算法的商用车横向稳定性优化控制策略,采用上、下双层控制模式,上层控制器以横摆角速度与质心侧偏角为控制目标,依据车辆行驶工况的反馈信息,利用粒子群优化(Particle swarm optimization,PSO)算法对模糊控制器中的比例因子参数实施动态优化,实现对前轮附加转角和横摆力矩的控制。下层控制器采用RBF神经网络优化制动力分配,通过对横摆角速度偏差的自适应学习,结合滑移率控制器实时优化分配左、右前轮的制动器制动力并修正前轮转角。基于搭建的Truck Sim与Matlab/Simulink联合仿真环境,选取典型试验工况进行车辆横向稳定性仿真分析。研究结果表明,与传统的电子稳定控制系统(Electronic stability control,ESC)控制策略相比较,优化控制后车辆的横摆角速度、质心侧偏角以及侧向加速度等动态响应指标均满足控制要求,并且实际行驶轨迹与目标规划路径之间具有良好的跟随性,有效改善了低附着路面行驶条件下商用车的横向稳定性。     

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。...     

基于转角补偿的智能车辆循迹控制系统

文中提出了一种转角补偿智能车辆循迹控制系统。系统由纯追踪控制器和转角补偿控制器组成。PP控制器直接控制车辆跟踪路径;转角补偿控制器基于PI控制理论,综合考虑行驶偏差及道路曲率进行转向角补偿,其参数采用模糊控制理论实现自适应调节,进一步改善系统跟踪性能。仿真和试验结果表明:较于传统PP循迹系统,该系统在不同车速下横向偏差峰值降低了50%以上,方向偏差峰值降低了20%以上,路径跟踪性能显著提升。     

基于模糊PID控制的车辆横向预瞄驾驶员模型

为了提高车辆的行驶轨迹精度和车辆稳定性,提出一种基于模糊P ID控制的补偿式驾驶员控制模型.以车辆横向位移偏差和理想与实际横摆角速度之差为输入,建立输出为方向盘转角的补偿式模糊P ID控制模型.联合CarSim和Simulink进行仿真,结果显示:在低、中速时补偿式模糊PID控制模型最大侧向偏差分别为0.036 m、0...     

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。     

智能汽车的路面附着极限横向轨迹跟踪控制

在极限轮胎-路面条件下,智能汽车的横向操纵性能急剧恶化,增加了自动驾驶系统的控制难度。现有研究主要聚焦智能汽车轨迹跟踪的性能,但是难以解决低附着路面、紧急避障等极限工况下的智能汽车轨迹跟踪时的安全性和稳定性。利用模型预测控制方法实现了智能汽车的轨迹跟踪,同时保证智能汽车行驶稳定性和安全性,仿真试验同样表明该控制器具有较好的鲁棒性。结合二次型代价函数和安全约束构建了轨迹跟踪的开环最优预测控制问题,通过约束车辆的前后轮侧偏角,保持极限工况下智能汽车的行驶稳定性。研究方法与结果可为智能汽车设计提供参考。     

考虑横摆稳定性的无人车轨迹跟踪控制优化研究

横摆稳定性和轨迹跟踪性能对无人车至关重要。为此,提出一种基于模型预测控制的轨迹跟踪控制器,将考虑瞬时极限性能的稳定性判据添加到控制器约束中,并且利用性能驱动的方式对控制器的参数进行优化。首先根据车辆3自由度动力学模型建立横摆角速度-质心侧偏角相平面,分析前轮转角对相平面平衡点的影响,通过建立相平面的等倾几何曲线,分析车辆的稳定性特征,设计出基于包络线的横摆稳定性判据。然后将模型预测控制器的代价函数参数化,根据性能目标设计特定场景的全局代价作为评价函数,利用贝叶斯优化进行预测时域和代价函数权重两类参数的优化,实现目标任务全局性能最优。仿真和实车试验表明,所提算法在保证车辆稳定的前提下,发挥了车辆的动力学极限,采用的贝叶斯优化方法对轨迹跟踪模型预测控制器的参数进行了优化,实现了轨迹跟踪性能的提高。