基于可拓博弈的智能汽车轨迹跟踪协调控制方法研究

针对智能汽车在高速过弯工况下,轨迹跟踪误差大、横向稳定性无法保障的问题,提出一种可拓博弈轨迹跟踪协调控制方法,通过可拓划区域切换控制和博弈协调相结合,突破单一控制策略的工况适应性和多策略切换的抖动问题。所提方法基于分层控制体系,将轨迹跟踪控制分解为上层测度模式识别层和下层博弈协调层。上层基于可拓理论,提出并联可拓测度模式识别策略,将车-路系统实时状态映射至对应的可拓控制架构中经典域、可拓域和非域三种测度模式。下层针对不同测度模式对应设计三种控制策略,根据上层测度模式识别结果进行实时策略切换,引入博弈协调方法对并联可拓权重进行协调控制,有效避免了模式切换带来的抖动问题。通过Simulink/Carsim建立联合仿真模型,在双移线和“8字”形时变曲率高速工况开展算法对比验证,所提方法相较于比例-积分-微分(Proportion-integral-derivative,PID)控制方法,平均跟踪误差精度提升45.08%,尤其在大曲率突变的恶劣工况下,车辆稳定性提升44%。最后利用智能汽车试验平台进行了对比验证,对设计智能汽车高速轨迹跟踪控制策略具有极强的指导意义和参考价值。     

融合稳定性的分布式驱动电动汽车路径跟踪控制策略研究

提出了一种融合车辆稳定性的路径跟踪控制策略,以提高分布式驱动电动汽车在高速、低附着等危险行驶工况下的路径跟踪精度和车辆稳定性,该控制策略包括路径跟踪控制层、稳定性控制器决策层、驱动轮转矩分配层。针对LQR路径跟踪控制器在高速大曲率工况下跟踪精度不足的问题,采用闭环PID矫正驾驶员模型补偿车辆前轮转角,并设计稳定性控制器用以跟踪车辆理想参考模型,基于模型预测控制算法决策出附加横摆力矩,同时以轮胎负荷率最小为目标优化车轮驱动转矩分配。利用自主开发的分布式驱动电动试验车分别在高速高附着和高速低附着双移线工况进行试验。结果表明：相对于只运用闭环PID矫正的LQR路径跟踪控制器进行路径跟踪,车辆在干燥的混凝土路面以90 km/h速度行驶时,融合车辆稳定性的路径跟踪精度的横向均方根误差降低了29.7%;车辆在潮湿沥青路面以70 km/h速度行驶时,均方根误差降低了10.3%。所提控制策略能够提高车辆的路径跟踪精度,满足车辆在危险行驶工况下的横摆稳定性。     

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。     

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。     

六轮无人差动转向车辆控制策略设计

分析了差速转向无人车辆的控制系统框架,将控制系统分为规划决策层、整车控制层和执行器控制层。基于混杂系统理论设计整车控制策略:划分车辆工作模式,设计了各个工作模式之间的切换路径、切换逻辑以及车辆动力学学控制算法。实车试验结果表明,各个工作模式能够按照期望路径切换,动力学控制算法能够准确的跟踪车速需求和转向需求指令。     

车辆后轮转向系统控制策略研究与测试

后轮转向系统通过主动改变车辆后轮转角,改变车辆的转弯半径,提升车辆低速行驶工况下的敏捷性以及高速行驶工况下稳定性。针对主动后轮转向系统控制策略展开研究,分析了不同工况下车辆对后轮转向的控制需求,以提升驾驶体验为目标,提出采用模型控制与逻辑门限控制相结合的后轮转向控制策略。最后通过实车对比测试,验证车辆在起步制动工况,低速蛇形工况以及高速紧急避障三种典型工况下,后轮转向系统对整车性能提升。     

重型半挂汽车列车主动转向控制策略研究

为了提高重型半挂汽车列车的高速操纵稳定性,基于模糊控制和PID理论,提出了一种牵引车加挂车主动转向控制策略。首先,在MATLAB/Simulink软件中建立三轴重型半挂汽车列车的三自由度线性模型,并对模型有效性进行验证;其次,以三自由度线性模型与TruckSim非线性模型的牵引车横摆角速度偏差及偏差变化率为输入,设计了牵引车后轮主动转向模糊控制器,同时,以挂车横摆角速度偏差设计了挂车车轮主动转向PID控制器;最后,利用MATLAB/Simulink与TruckSim进行联合仿真,分别对牵引车加挂车主动转向控制、牵引车主动转向控制和传统无控制车辆进行双移线工况及重型铰接式车辆后部放大(Rearward Amplification, RWA)性能测试。结果表明,所设计的牵引车加挂车主动转向控制策略相比传统无控制车辆优势明显,有效减小了车辆横摆角速度、质心侧偏角和铰接角等值,牵引车与挂车最大横向位移偏差分别降低了13.75%和29.17%,且RWA比率降低了13.32%,显著提高了重型半挂汽车列车的高速路径跟踪性能及操纵稳定性能。     

主动悬架与主动横向稳定杆的集成控制

为改善汽车的平顺性和操纵稳定性,建立了包含主动悬架与主动横向稳定杆的整车动力学模型,并根据主动悬架与主动横向稳定杆两个系统间的耦合关系,分别设计了主动悬架与主动横向稳定杆的子控制器,将PID与线性控制相结合,设计了PID集成控制策略。在MATLAB/Simulink中对汽车的转向工况进行了仿真。仿真结果表明,PID集成控制策略有效,可提高车辆的操纵稳定性和平顺性。     

电动式主动横向稳定器模型预测控制策略开发

为进一步提升高速行驶车辆侧倾稳定性,本文以永磁同步电机式主动横向稳定器为被控对象,设计该电动式主动横向稳定器模型预测控制器及其电子控制单元,并完成相关离线仿真和硬件在环性能试验.首先利用MATLAB/Simulink搭建九自由度整车动力学模型,并利用模型预测控制方法,构建电动式主动横向稳定器控制策略模型,然后设计基于英飞凌32位TC275主控芯片的电动式主动横向稳定器电子控制单元,利用自行开发的电动式主动横向稳定器性能试验台,分别在转向盘角阶跃工况和鱼钩工况下验证了电动式主动横向稳定器模型预测控制策略有效性.相关仿真和台架试验结果表明,电动式主动横向稳定器模型预测控制策略可有效提高车辆抗侧倾能力.     

汽车稳定性多控制工况设计及其切换机制研究

从人、车与路闭环系统快速实现驾驶员操纵意图角度出发,在现有汽车稳定性控制系统多采用车辆2自由度参考模型的基础上引入驾驶员施加的转向盘转动角速度参数,更为全面地描述驾驶员转向的急迫程度和车辆转向运动趋势,进而考虑当前时刻及前一状态车辆不足或过度转向趋势,针对车辆不足转向、过度转向和反向转向等典型行驶工况设计出16种单轮优选控制工况和16种多轮优选控制工况及其切换机制,实施冬夏季的实车场地试验测试。场地试验表明,提出的多控制工况及切换机制在保障车辆稳定性的前提下,提高了汽车稳定性控制系统对驾驶员行驶意图改变时车辆的快速响应性能。     

基于干扰观测器和改进模糊PID的农用车辆路径跟踪控制策略

为减少外界干扰对农用车辆路径跟踪精度的影响,提高路径跟踪系统的鲁棒性,提出了一种基于干扰观测器和改进模糊PID算法的农用车辆路径跟踪控制策略。在建立农用车辆四轮转向运动学模型的基础上,建立路径跟踪数学模型,通过对模糊PID算法的比例、积分部分进行改进和加入基于干扰主动控制的干扰观测器提高控制策略的抗干扰能力;在MATLAB软件的Simulink仿真平台对所设计的控制策略进行有效性验证。仿真结果表明,与传统PID控制方法相比,所设计的控制策略可以成功消除外界干扰,能有效地加快响应速度,提高自适应能力,有利于农用车辆路径跟踪精度的提高。     

基于最优控制的汽车操纵逆动力学的研究

提出了一种基于最优控制理论的汽车操纵逆动力学研究方法，用于识别不同汽车跟踪同一期望路径的方向盘转角输入。以驾驶员对汽车施加的方向盘转角输入为控制变量，以精确跟踪期望路径为控制目标，将汽车操纵逆动力学问题转化为最优控制问题。利用直接配置方法将最优控制问题转化为非线性规划问题，运用序列二次规划方法求解。仿真结果表明：该方法能够使汽车很好地跟踪所期望的路径，且可以比较跟踪同一路径的不同汽车的操纵性能。     

基于云控系统高精度地图驱动的深度强化学习型混合动力汽车集成控制

在智能化、网联化与新能源化的发展背景下,汽车工业将联合计算机、信息通信、人工智能等领域实现融合性发展。基于新一代信息与通信技术——智能网联汽车云控系统,通过网联数据驱动的形式实现新能源汽车的云控级自动驾驶,将为车辆行驶与动力系统提供革新的规划与控制思路。首先,基于云控系统的资源平台获取目标路段的经纬度、海拔、气象信息,建立包含坡度、曲率、转角等数据在内的高精度模型。其次,提出了一种基于高精地图驱动的深度强化学习型混合动力汽车集成控制方法,通过利用两种深度强化学习算法对整车层的速度与转向以及动力系统层的发动机与变速器进行控制,实现了四种控制策略的同步学习。最后,采用高性能边缘计算设备NVIDIA Jetson AGX Xavier进行了处理器在环测试。结果表明,当变量空间涉及14种状态与4种动作时,深度强化学习型集成控制策略在全程172 km的高速工况下实现了在整车层对速度与转向的精准控制,同时取得了5.53 L/100 km的燃油经济性,并且在嵌入式处理器在环测试中仅消耗104.14 s的计算时间,有效验证了学习型多目标集成控制策略的优化性与实时性。     

基于T-S模糊变权重MPC的智能车轨迹跟踪控制

为了协调智能驾驶车辆的轨迹跟踪精确性和稳定性,提高控制算法对不同工况的自适应能力,提出基于Takagi-Sugeno模糊变权重模型预测控制(Takagi-Sugeno fuzzy model predictive control,T-S FMPC)的轨迹跟踪控制策略。以前轮转角为控制变量建立MPC控制,并以实时横向位移误差和横摆角误差为模糊输入,通过T-S模糊控制在线优化MPC目标函数权重,协调权重矩阵对轨迹跟踪精确性和稳定性的影响。基于Carsim建立分布式驱动电动汽车的整车动力学模型,基于Simulink建立控制策略,通过双移线工况仿真及实车试验,验证了所提控制策略的有效性。仿真结果表明,相比于传统MPC控制,所提出的T-S模糊变权重MPC控制可降低横向位移误差达62.24%,有效提高轨迹跟踪精度;并且可使前轮转角波动减小37.46%、横摆角误差减小84.19%,显著增强轨迹跟踪稳定性;试验结果表明,在20 km/h、沥青路面双移线工况下,横向位移误差在0.12 m以内,横摆角误差在1°以内,且前轮转角控制曲线平滑,说明所提算法具有良好的控制效果和实用性。     

电液耦合转向系统应急转向控制方法研究

针对重载商用车应急转向难题,提出一种采用新型电动化的商用车电液耦合转向系统(Integratedelectric-hydraulic steeringsystem,IEHS)实现应急转向的新方法,针对电液耦合转向系统应急转向切换控制平顺性和时效性关键问题,研究一种基于混杂理论的电液耦合转向系统应急转向控制方法,以满足最新应急转向法规对重载商用车转向系统的新强制要求。其中,上层根据混杂切换逻辑进行正常转向与应急转向模式的切换控制,下层采用模糊PID控制对目标电流的精准跟随。在MATLAB/Simulink环境下进行正常转向和应急转向之间切换控制的仿真验证,同时在硬件在环试验台架上进行对应急转向功能的试验验证。仿真和试验结果表明,所提出的应急转向控制方法能够在电液耦合转向系统液压部分失效的情况下较好地实现应急转向功能,并保证混杂切换的时效性和平顺性,满足应急转向法规的要求。     

基于模糊控制的汽车路径跟踪研究

汽车是一个非常复杂的非线性动力学系统,难以建立精确的数学模型,而模糊控制方法适用于难以建立精确数学模型的对象。将模糊控制理论引入汽车操纵逆动力学中,以汽车三自由度模型为研究对象,根据侧向偏差和偏差变化率设计了车辆的路径跟踪模糊控制器。对某车型跟踪给定双移线和蛇形路径行驶情况进行了仿真。结果表明,模糊控制方法可保证汽车准确地跟踪给定参考路径,可以作为车辆路径跟踪控制的一种有效控制方法。     

基于模糊PID算法的双侧电传动履带车辆转向控制策略研究

为了提高电传动履带车辆的转向控制性能,首先进行了履带车辆转向动力学分析,研究了履带车辆转向特性,进而针对履带车辆转向轨迹可控性差、动态响应慢等缺点,提出一种基于模糊PID算法的双侧电传动履带车辆转向控制策略,将驾驶员转向意图解释为内侧电机制动力矩,并通过模糊算法对外侧电机力矩进行跟随控制,实现稳定的转向轨迹并提高转向响应速度。转向过程中的纵向车速由PID算法进行控制,通过模糊因子来实现模糊控制算法与PID算法之间的融合。仿真结果表明,所提出的控制算法可以实现稳定可控的转向轨迹,具有良好的鲁棒性,与传统转向力矩分配策略相比,该控制算法的动态响应时间缩短约0.7s。     

Low speed hybrid generalized predictive control of a gasoline-propelled car

Low-speed driving in traffic jams causes significant pollution and wasted time for commuters. Additionally, from the passengers׳ standpoint, this is an uncomfortable, stressful and tedious scene that is suitable to be automated. The highly nonlinear dynamics of car engines at low-speed turn its automation in a complex problem that still remains as unsolved. Considering the hybrid nature of the vehicle longitudinal control at low-speed, constantly switching between throttle and brake pedal actions, hybrid control is a good candidate to solve this problem.This work presents the analytical formulation of a hybrid predictive controller for automated low-speed driving. It takes advantage of valuable characteristics supplied by predictive control strategies both for compensating un-modeled dynamics and for keeping passengers security and comfort analytically by means of the treatment of constraints. The proposed controller was implemented in a gas-propelled vehicle to experimentally validate the adopted solution. To this end, different scenarios were analyzed varying road layouts and vehicle speeds within a private test track. The production vehicle is a commercial Citroën C3 Pluriel which has been modified to automatically act over its throttle and brake pedals.     

汽车S-AKF估计与PID控制的闭环系统仿真

基于Carsim和Simulink设计了基于PID的横摆角速度控制策略,并对控制策略的效果进行了验证;建立了二自由度汽车动力学模型,提出将S-自适应卡尔曼滤波（S-AKF）算法用于汽车横摆角速度和质心侧偏角的估计;将S-AKF估计器与PID控制器相结合,构成完整的估计-控制闭环系统。通过Carsim中的操稳试验对整个系统的性能进行了仿真验证,结果显示,提出的估计-控制体系可在必要工况下实现对汽车的主动干预,提高汽车的路径跟踪能力和稳定性能。     

无人驾驶车辆路径跟踪控制预瞄距离自适应优化

基于道路信息,使用驾驶员预瞄模型产生执行器输入是无人驾驶车辆在路径跟踪中使用的主要方法之一,但对于车速较高与转弯半径小等工况,模型误差会导致较差的驾驶舒适性,车辆甚至失去稳定性。为提高无人驾驶车辆路径的跟踪精度,同时兼顾转向频度和车辆稳定性,提出基于粒子群多目标优化（Particle swarm optimization,PSO）算法的预瞄距离自适应驾驶员模型,并将之应用于路径跟踪控制。首先,基于单点预瞄偏差模型,采用滑模变结构设计转向控制器;其次,以路径跟踪精度、转向频度和车辆稳定性为综合性能指标,设计了PSO优化算法,实现了驾驶员模型预瞄距离的自适应寻优。最后,在搭建的CarSim-Simulink联合仿真平台与台架试验上,对所提出的预瞄距离自适应驾驶员预瞄模型进行了仿真和硬件在环试验验证。结果表明,经优化后的预瞄距离能够适应不同车速和道路曲率,驾驶员预瞄模型能兼顾路径跟踪精度、转向频度和车辆稳定性等需求。预瞄距离自适应驾驶员模型结合道路与车速信息,增大对路况与车况适应性,为无人驾驶车辆路径跟踪控制提供可靠的输入。