基于自适应预瞄路径的自动驾驶车辆寻迹和避障控制

寻迹控制作为自动驾驶车辆横向控制中最基本环节,其稳定性和跟踪精度通常与车速、转弯曲率等相关,直接影响车辆在复杂行驶工况中的安全性。为提高自动驾驶车辆在复杂工况下的稳定性和跟踪精度,结合路径规划、寻迹控制并考虑车辆稳定性提出基于自适应预瞄路径的自动驾驶车辆寻迹和避障控制方法。首先,基于车辆二自由度模型设计出预瞄距离自适应算法,其根据车辆动力学状态和路面附着调节预瞄距离;其次,通过三次多项式拟合方法给出给定预瞄距离下的预瞄路径;最后,基于避障能力、跟踪精度、车辆稳定性指标设计出粒子群优化算法(PSO),实现了算法参数的寻优。通过硬件在环试验和实车试验验证了算法在寻迹、换道和避障工况下效果,结果表明算法以小运算量实现了跟踪时的预瞄路径自适应调节,兼顾跟踪精度和车辆稳定性。     

预瞄时间自适应的最优预瞄驾驶员模型

驾驶员模型是汽车动力学仿真和控制算法开发中的重要环节.在极限工况下汽车动力学稳定性仿真与控制中,为模拟驾驶员在人-车-路复杂系统中对汽车的操纵特征,要求驾驶员模型能够在复杂道路与整车稳定性约束条件下完成驾驶操作,而不是单纯的路径预瞄跟踪.在最优预瞄驾驶员模型的基础上,提出一种预瞄时间自适应算法.该算法根据不同的预瞄时间,预测将来一段时间内车辆运行情况,并根据所设计的优化函数,选取合适的预瞄时间使得车辆稳定通过测试路径.对所开发的驾驶员模型进行仿真测试,结果表明,预瞄时间自适应的最优预瞄驾驶员模型能够在复杂道路、极限工况、有边界约束条件下完成驾驶操作.     

视觉导航智能车辆横向运动的自适应预瞄控制

车道保持系统中车辆横向运动控制应模拟驾驶员的横向操纵行为,驾驶员根据前方道路曲率及车辆速度适时调节预瞄距离,以获得理想的路径跟踪性能。首先,以车辆二自由度动力学模型及车辆道路几何位置关系为基础,建立车-路横向动力学模型。其次,基于单点预瞄最优曲率模型设计侧向加速度PD跟踪控制器,联立车-路横向动力学模型构建横向控制闭环系统,分析预瞄距离、车速、道路曲率的变化对系统响应的影响。最后,设计模糊控制器对预瞄距离进行模糊选择以提高车辆横向控制精度和减小侧向加速度,采用遗传算法对模糊规则进行优化以使横向控制系统性能达到最优。试验表明,相对固定预瞄控制方法,自适应预瞄减小了车辆侧向加速度,且道路跟踪的方向偏差和距离偏差均得到减小。     

双预瞄点智能车大曲率路径的横纵向模糊控制

针对智能车在大曲率弯道中转向机构过早响应以及驶入弯道车速过高的问题,提出了一种基于动态双点预瞄策略的横纵向模糊控制方法。建立了车辆的动力学模型和视觉预瞄模型,给出了弯道安全车速的确定方法以及双点预瞄动态调节流程,介绍了横纵向模糊控制器的设计方法。所设计的控制系统能根据道路曲率和实时车速调节预瞄距离,既确保了车辆的转向角以较高精度实时跟踪大曲率路径,又保证了驶入弯道前以及在弯道中的车速始终处于安全范围内。     

基于改进预瞄跟随算法的电动车智能转向控制

提出一种基于改进的预瞄跟随驾驶员模型的电动汽车智能转向控制策略。借鉴驾驶员预瞄跟随模型提出转向控制方法,并对预瞄跟随算法进行改进,提出一种新的预瞄点搜索算法,确保预瞄点落在预期路径上,避免由于路径转弯曲率过大导致电动汽车脱离路径。结合考虑稳态响应的影响,提高转向控制策略精度。利用多领域建模软件Dymola,结合电动汽车动力模型、路径模型,对该转向控制策略进行仿真。仿真结果表明应用该策略的电动汽车具有良好的路径目标跟随精度。     

基于加速度反馈的任意道路和车速跟随控制驾驶员模型

建立一个高效的能够适应复杂汽车行驶工况的驾驶员模型是进行"人—车—路"闭环仿真的关键。利用离散的数表方式对驾驶员跟随的任意道路路径和车速进行描述。以此为基础,提出任意路径下的预瞄点搜索算法,使"预瞄—跟随"驾驶员建模理论可应用于任意道路路径和车速的跟随控制。根据车速变化不断更新侧向加速度增益,实现驾驶员模型方向控制和速度控制的解耦。通过引入加速度反馈,建立一个简单而有效的跟随任意道路路径和车速的方向与速度综合控制驾驶员模型。仿真表明该驾驶员模型具有良好的路径与车速跟随精度。     

自适应神经模糊推理的方向驾驶员模型研究

以方向驾驶员模型为研究对象,讲解了自适应神经模糊推理系统的原理和结构,并基于自适应神经模糊推理系统建立了一种两输入单输出的方向驾驶员模型.输入变量是道路参考线到预瞄点的横向偏差和道路参考线与车辆X轴之间面积偏差,输出是车辆方向盘转角.首先,通过车辆动力学仿真软件Carsim获取车辆的仿真数据.其次,自适应神经模糊推理系...     

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。     

基于预瞄最优曲率模型的大曲率转向控制方法

针对自主车辆的大曲率转向控制问题,研究拟人转向控制模型。模仿驾驶员对预瞄点运动状态的判断,采用2个并联的模糊控制器,分别估计预瞄偏差角和偏差距离对转向意愿的判断。以道路曲率半径作为约束,利用杠杆原理对并联控制器的输出进行决策,获得期望的方向盘转角。双移线和直角弯2种道路仿真结果表明:基于预瞄最优曲率模型的大曲率转向控制方法能有效地控制车辆轨迹,运动过程平稳,适用于大曲率转向控制。     

智能汽车车道保持控制策略研究

针对线性二次型调节器（LQR）在车道保持辅助（lane keeping assist,LKA）控制系统中参数固定不变的局限性,提出了基于粒子群优化（PSO）算法改进LQR参数的前轮转向控制策略。首先,建立车道保持模型,根据车路误差模型设计基于LQR反馈前馈的LKA控制器,计算车辆所需的补偿角;然后,利用PSO算法优化控制器中矩阵Q的参数以减小误差提高精度,满足控制系统对车速的自适应要求;最后,采取Matlab/Simulink与Carsim联合的仿真计算验证控制器的有效性。结果显示：在中高速基于PSO改进LQR参数的控制器控制下,车辆能稳定地跟踪车道中心线,跟踪精度高,横下位置偏差、横摆角偏差和前轮转角保持较小值,可明显提高车辆中高速的横向稳定性和行驶安全性。     

基于期望横摆角速度的视觉导航智能车辆横向控制

针对采用传统位置偏差控制方法的车道保持系统横向控制精度不高以及鲁棒性差等问题,提出一种跟踪期望横摆角速度的车辆横向控制方法。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,同时分析当前时刻车辆以无偏差形式沿此虚拟路径行驶时决定车辆行驶位置的横摆角速度及速度之间的关系。结合车辆道路相对位置及车身状态信息,设计期望横摆角速度生成器。基于7自由度非线性车辆动力学模型,设计滑模控制器跟踪期望横摆角速度,使得车辆稳定地跟踪目标路径。根据车道线宽度和边缘点数量统计进行边缘检测,能有效识别模糊车道边缘和抑制噪声,并通过对消失点的检测来有效去除非车道线的干扰。仿真及试验结果表明,与传统的位置偏差控制方法相比,期望横摆角速度法不仅能提高车辆横向控制的精确性且跟随偏差随车辆速度及道路曲率的变化波动范围小,具有很好的鲁棒性和自适应性。     

Optimal Predictive Control for Path Following of a Full Drive-by-Wire Vehicle at Varying Speeds

The current research of the global chassis control problem for the full drive-by-wire vehicle focuses on the control allocation(CA) of the four-wheel-distributed traction/braking/steering systems. However, the path following performance and the handling stability of the vehicle can be enhanced a step further by automatically adjusting the vehicle speed to the optimal value. The optimal solution for the combined longitudinal and lateral motion control(MC)problem is given. First, a new variable step-size spatial transformation method is proposed and utilized in the prediction model to derive the dynamics of the vehicle with respect to the road, such that the tracking errors can be explicitly obtained over the prediction horizon at varying speeds. Second, a nonlinear model predictive control(NMPC) algorithm is introduced to handle the nonlinear coupling between any two directions of the vehicular planar motion and computes the sequence of the optimal motion states for following the desired path. Third, a hierarchical control structure is proposed to separate the motion controller into a NMPC based path planner and a terminal sliding mode control(TSMC) based path follower. As revealed through off-line simulations, the hierarchical methodology brings nearly 1700% improvement in computational efficiency without loss of control performance. Finally, the control algorithm is verified through a hardware in-the-loop simulation system. Double-lanechange(DLC) test results show that by using the optimal predictive controller, the root-mean-square(RMS) values of the lateral deviations and the orientation errors can be reduced by 41% and 30%, respectively, comparing to those by the optimal preview acceleration(OPA) driver model with the non-preview speed-tracking method. Additionally,the average vehicle speed is increased by 0.26 km/h with the peak sideslip angle suppressed to 1.9°. This research proposes a novel motion controller, which provides the full drive-by-wire vehicle with better lane-keeping and collision-avoidance capabilities during autonomous driving.     

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。     

Lane departure avoidance by man-machine cooperative control based on EPS and ESP systems

The ability to avoid lane departure has become an important feature for development of driving assistance technology, and the design of lane departure avoidance system (LDAS) which can achieve cooperative control with human driver is still a challenge. This paper presented a new lane departure decision algorithm along with main parameters of the electric power steering (EPS) and electronic stability program (ESP) system’s sensor. During normal situations, steering control based on EPS system was involved to avoid lane departure. However, when the vehicle reached the handling limits, both steering and braking control collaborated together to avoid lane departure based on EPS and ESP systems. Due to the time varying vehicle speed and the uncertainty of tire cornering stiffness, a gain scheduling brake controller was designed based on the energy-to-peak performance indicator, and an upper monitor was designed for activation the braking controller to ensure comfortable ride. Because the relationship between the lane departure degree with a lateral offset in the single- point preview and the driver torque could not be accurately described, a man-machine cooperative control fuzzy observer for the LDAS was designed. In order to accomplish smooth switching for driving mode to ensure ride comfort, a switching criterion was proposed. The proposed method was evaluated via numerical simulation by CarSim/Simulink. A hardware-in-the-loop test platform was set up, and the effectiveness of the proposed control strategy was compared via the driver-in-the-loop experiment. The obtained results show that the proposed man-machine cooperative control strategy not only can return the vehicle to the normal lane effectively, but also realize smooth switching from man-machine cooperative control to driver control.

     

智能汽车路径跟踪混合控制策略研究

针对传统单一控制算法无法有效协调智能汽车不同转向工况下横向控制性能要求的问题,根据智能汽车在高速和低速转向工况下呈现出的系统特性差异,设计了一种基于PID控制和模型预测控制的智能汽车路径跟踪混合控制策略。该控制策略在低速模式下采用PID控制,在高速模式下则采用模型预测控制,通过车辆速度确定路径跟踪控制模式,进而设计带稳定监督的控制模式切换机制,实现了横向控制系统的平滑切换。基于Carsim和MATLAB/Simulink仿真平台对所设计的智能汽车路径跟踪混合控制策略进行了仿真验证,在此基础上,进一步完成了实车试验。仿真和实车试验结果表明,所设计的混合控制策略能够保证智能汽车不同速度下的路径跟踪性能,具有较好的跟踪精度、实时性和车辆行驶稳定性。     

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。