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.     

典型路面的车辆悬架预瞄控制系统研究

针对车辆通过典型路面时悬架控制系统的延迟问题,通过系统建模和机器视觉的方法研究了一种采用完全预瞄的悬架控制系统.该系统首先基于OpenCV对前方典型路面进行检测,通过对典型路面特征的识别、跟踪和测距完成预瞄操作,并融合车辆实时信息对悬架进行理想化控制.通过试验结果表明,基于视觉处理的预瞄方法可以准确检测典型路面的特征信息,采用预瞄后的悬架控制系统可以使悬架发挥更优的减振性能.在特定情况下解决了悬架控制系统的响应时间延迟问题.     

基于AHP-NSGA-Ⅲ的车辆悬架预瞄最优控制研究

针对车辆主动悬架线性二次最优控制存在的权值系数确定问题,提出了一种结合主客观性能评价的权值系数选择方法---层次分析-三代遗传算法。利用层次分析法确定变量范围,以6个主动控制悬架性能指标为目标函数,利用三代遗传算法进行多目标优化并以控制力作为限制条件筛选出最优解。以半车模型为例,结合前轮预瞄信息与卡尔曼估计器估计的状态变量,设计预瞄最优控制器,并采用虚拟激励法直接在频域范围内进行求解。仿真结果表明,所提出的控制策略可改善车辆的乘坐舒适性。     

电控空气悬架系统刚度调节预瞄算法研究

架变刚度控制可以很大程度改善客车乘坐舒适性。本文以电控空气悬架系统(ECAS)为基础,前悬架采用反馈控制方法,后悬架采用预瞄前馈与反馈相结合的控制方法,通过对空气弹簧充放气从而实现悬架刚度调节。在AMESim和Simulink中分别搭建ECAS模型和控制算法,在TruckSim中搭建整车模型,利用三者联合仿真对控制算法进行验证。为了提升高度跟踪精度,采用柔性PID取代传统PID控制策略,结果显示:该控制方法能够准确跟踪目标高度值,并且很好地抑制了"过冲"与"过放"问题。通过对平顺性指标进行测量发现,与无控制车辆相比,车身垂向加速度减小约60%,表明舒适性得到很大改善。     

预瞄优化神经网络驾驶员模型

根据预瞄跟随理论并结合真实驾驶员的学习目标、生理限制与不断优化的行为特性,建立了预瞄优化神经网络驾驶员模型。利用2自由度车辆模型进行了汽车在方向控制下的仿真计算。仿真结果表明,预瞄优化神经网络驾驶员模型与实际合格驾驶员行为非常相似,按照该理论建立的驾驶员模型可以应用于驾驶员-汽车闭环系统的研究和自动驾驶等智能车辆的控制。     

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。     

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。     

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。     

轴距预瞄的车辆主动悬架多目标控制与仿真

当前,车辆行驶过程中容易受到障碍物干扰,产生振动较大,从而影响乘坐的舒适性.对此,采取轴距预瞄系统控制车辆行驶产生的波动幅度.构造了4自由度1/2车辆模型简图,采用静态输出反馈设计轴距预瞄控制器,定义了H_∞范数和广义H_2范数,引用了迭代线性矩阵不等式和锥补线性化算法,说明闭环控制系统的稳定性.设置车辆轴距预瞄系统多目标控制的仿真参数,在Matlab/Simulink环境下进行仿真,与无轴距预瞄控制系统的仿真结果进行对比.仿真结果显示,与无轴距预瞄系统相比,有轴距预瞄控制系统的加速度和角加速度峰值分别降低了48.6%和59.3%,而且车辆整体振动幅度明显降低.采用轴距预瞄控制汽车主动悬架系统,可以提高车辆乘坐的舒适性.     

考虑系统约束的预瞄Stanley车辆路径跟踪控制

近年来研究者们发现前轮转角速度约束等系统约束对路径跟踪控制的性能存在较大的影响,而常用于解决系统约束影响的模型预测控制存在实时性较差的问题。为此基于计算成本较低的Stanley控制,考虑前轮转角速度约束等系统约束的影响,提出了一种考虑系统约束的预瞄Stanley车辆(无人驾驶)路径跟踪控制算法,并通过MATLAB与Carsim联合仿真对该算法进行了仿真测试。在被控对象有系统约束的情况下,提出的控制方法仍具有较高的精确性和实时性,其中横向误差绝对值不超过0.273 4 m,航向误差绝对值不超过0.113 5 rad,每个控制周期内的计算时间不超过2 ms。仿真结果还表明,该控制方法在精确性方面优于经典Stanley控制、已有的未考虑系统约束的预瞄Stanley控制,在实时性方面优于模型预测控制。     

基于面积误差评价的轨迹跟踪数字式最优预见控制

研究在数字最优预见控制中以面积误差作为评价函数的轨迹跟踪最优预见控制方法。首先 ,分析了轨迹跟踪控制的特点和一些问题 ,依次建立了基于面积误差的轨迹跟踪性能评价函数 ,从而获得轨迹跟踪的最优预见控制算法 ;然后对一个简易工作平台系统的轨迹跟踪问题进行了仿真验证。结果表明基于面积误差评价的最优预见控制方法是能够提高路径控制精度的一种有效方法。     

基于预见控制的伺服控制系统设计

针对数控进给伺服系统跟踪轨迹事先已知的特点,在常规反馈控制结构基础上引入预见前馈补偿控制,并运用偏微分最优化法求解预见前馈补偿控制系数。应用Simulink仿真工具进行预见控制仿真研究。仿真结果表明,应用预见控制可达到快速、准确的目的。     

空间太阳电池阵自动装配机器人控制系统研究

研究了一种基于网版印刷法的空间太阳电池阵自动装配机器人的控制系统,提出了适合该机器人的专家模型预测算法和自适应数字PID算法,并将这两种算法运用到机器人的位置精度控制中。在实际的生产环境中,专家模型预测算法能使电池串在最大3600mm的行程中将位置尺寸误差控制在0．01mm以内,和自适应PID算法相比精度更高,稳定性也更好。     

Design of a Preview Controller for Articulated Heavy Vehicles

The paper presents a preview controller design for ATS （active trailer steering） systems to improve high-speed stability of AHVs （articulated heavy vehicles）. An AHV consists of a towing unit, namely tractor or truck, and one or more towed units which called trailers. Individual units are connected to one another at articulated joints by mechanical couplings. Due to the multi-unit configurations, AHVs exhibit unique unstable motion modes, including jack-knifing, trailer swing and rollover. These unstable motion modes are the leading cause of highway accidents. To prevent these unstable motion modes, the preview controller, namely the LPDP （lateral position deviation preview） controller, is proposed. For a truck/full-trailer combination, the LPDP controller is designed to control the steering of the front and rear axle wheels of the trailing unit. The calculation of the corrective steering angle of the trailer front axle wheels is based on the preview information of the lateral position deviation of the trajectory of the axle center from that of the truck front axle center. Similarly, the steering angle of the trailer rear axle wheels is calculated by using the lateral position deviation of the trajectory of the axle center from that of the truck front axle. To perform closed-loop dynamic simulations and evaluate the vehicle performance measure, a driver model is introduced and it ＇derives＇ the AHV model based on well-defined testing specifications. The proposed preview control scheme in the continuous time domain is developed by using the LQR （linear quadratic regular） technique. The closed-loop simulation results indicate that the performance of the AHV with the LPDP controller is improved by decreasing rearward amplification ratio from the baseline value of 1.28 to 0.98 and reducing transient off-tracking by 95.03%. The proposed LPDP control algorithm provides an alternative method for the design optimization of AHVs with ATS systems.     

WHEELBASE PREVIEW OPTIMAL CONTROL FOR ACTIVE VEHICLE SUSPENSIONS

ＷＨＥＥＬＢＡＳＥＰＲＥＶＩＥＷＯＰＴＩＭＡＬＣＯＮＴＲＯＬＦＯＲＡＣＴＩＶＥＶＥＨＩＣＬＥＳＵＳＰＥＮＳＩＯＮＳＹｕＦａｎＮａｔｉｏｎａｌＡｕｔｏｍｏｂｉｌｅＤｙｎａｍｉｃＳｉｍｕｌａｔｉｏｎＬａｂＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏ...     

考虑时变输入时滞及频段约束的车辆主动悬架预瞄控制

针对预瞄控制中存在的输入时滞现象,提出一种时滞相关的有限频域线性变参数控制器设计方法,用于解决存在输入时滞及时变速度的汽车主动悬架预瞄控制问题。在控制器设计中,应用Padé方法将控制方程扩维为含路面预瞄信息的状态空间形式。用有限顶点的多胞形结构处理速度的时变性。以线性不等式的形式给出了控制器设计准则。区别于传统的全频域时滞相关的H∞控制,以车身加速度的有限频域H∞范数为优化性能指标,使其在关心频段内取得最小的能量增益值,同时保证相关的时域约束条件。通过数值算例及试验表明,在存在输入时滞的情况下,该方法能取得比无预瞄控制保守性更小的结果,舒适性得到了显著的提高。     

基于协调误差的目标轨迹预见跟踪控制的研究

针对系统已知的空间目标轨迹，提出了一种基于协调误差的空间目标轨迹最优预见跟踪控制的方法，其核心是将轨迹的协调跟踪误差和轨迹的位置跟踪误差考虑成系统的状态变量，并实施最优反馈控制。仿真分析表明，该轨迹跟踪控制方法能够有效提高系统的轨迹跟踪控制精度。     

驾驶员确定汽车预期轨迹的网格式优化模型

分析了驾驶员的操纵行为特性和轨迹决策模型的基本原理，指出了由于加速度增量式划分所带来的收敛性问题和评价指标隶属函数的非严格单调所带来的稳定性问题。在介绍优化方法基本原理的基础上，利用网格优化方法建立了汽车预期轨迹决策模型，并利用严格单调Sigmoid函数建立各个评价指标的隶属函数，消除了原有模型的不稳定和不收敛特性，为智能汽车方向决策控制的研究提供了一个更加合理的模型。