无人驾驶车辆在复杂路况下的路径跟踪控制

研究了无人驾驶车辆在复杂路况下的路径跟踪控制问题.相对于单一路况而言,路面坡度、侧倾度、路面摩擦系数都在变化的复杂路况更为实际,然而其带来的控制问题也更为复杂.针对可变路况,提出了适应范围较广的车辆建模方法,用一个侧向恒值干扰项来表示路面侧倾、侧风等的干扰.提出了路径跟踪性能指标,针对该指标设计了切换控制算法,用于处理侧向恒值干扰带来的影响.仿真结果表明:该控制算法能有效地抑制无人驾驶车辆在行驶过程中受到的各种侧向干扰,在实现对目标路径跟踪控制的同时提高了驾驶安全性.     

基于径向基函数神经网络PID与模型预测控制的车辆轨迹跟踪控制

为提高无人驾驶车辆的稳定性和鲁棒性,提出一种基于径向基函数神经网络自适应比例积分微分（RBFNN-PID）算法和模型预测控制（MPC）算法相结合的车辆轨迹跟踪控制方法.基于自适应RBFNN-PID算法、MPC算法以及车辆动力学模型,建立智能车辆纵向速度控制和横向控制的仿真模型并将其结合起来.在此基础上,以横向MPC控制和LQR-PID控制算法为基准,验证所提出的控制方法在轨迹跟踪方面的优越性.仿真结果表明,新方法比对照组具有更高的精度.最后,对新控制方法的硬件在环验证表明,该轨迹跟踪控制算法在轨迹跟踪精度和稳定性方面具有一定的有效性和先进性.     

智能车辆弯道速度与转向自适应耦合控制

针对车辆在弯道高速行驶时的轨迹跟踪精度低和转向稳定性差的问题,提出了一套基于车辆运动学模型的横纵向耦合控制算法.采用不同于纯跟踪的预瞄式期望前轮转角计算方法,并利用横向加速度约束进行纵向控制,同时设计了高速条件下的预瞄二级减速控制算法,实现转向与速度联合控制.为了提高算法的工况适应性,采用麻雀搜索算法根据道路曲率和车速优化预瞄时间,并基于Simulink和Prescan联合仿真,验证算法在不同曲率弯道下的控制效果.结果表明：采用基于麻雀搜索算法寻优的预瞄式横纵向耦合控制算法能够较好地改善轨迹跟踪精度和转向的平顺性,且算法对不同曲率道路场景的适应性很强.将仿真结果和驾驶模拟数据对比,结果显示,该算法和自然人驾驶方式吻合度较高.     

跟随式车辆队列高效协同弦稳定预测控制

针对前后跟随式通信拓扑的约束车辆队列弦稳定协同控制问题,提出一种分布式参数化模型预测队列控制算法。首先,建立车辆队列的纵向动力学模型,通过反馈线性化将其转化为线性状态空间模型。然后,利用邻域内车辆的预测轨迹信息构造局部优化问题,建立车辆队列局部控制器。为降低求解该局部最优控制问题的计算量,将预测时域内的控制输入增量参数化为阶梯式结构。在此基础上,设计模型预测队列控制器迭代计算算法,满足系统输入输出约束和弦稳定约束条件。进一步,应用Lyapunov稳定性定理和Moore-Penrose广义逆矩阵,获得车辆队列渐近稳定性充分条件,并分析系统跟踪性能。最后,通过与常规队列控制算法的仿真对比实验,验证所提出控制策略的高效性。     

基于风险评估的自主车辆主动避障预测控制

针对自主车辆的主动避障问题,提出一种基于模型预测控制的车辆轨迹规划与跟踪控制方法.为了评估道路结构及不同障碍物对自主车辆的影响,分析不同障碍物的特性并引入风险评估函数.首先,将风险评估函数加入模型预测控制的优化目标函数中,同时考虑车辆动力学特性、车辆物理约束、燃油经济性及舒适性要求;其次,定义自主车辆紧急避障最小转向点...     

基于车间通信的车辆编队控制方法设计

传统的跟随领航者编队控制器在实际情况中难以准确获得领航车辆运动状态,并且其内部参数可能受到外部干扰的影响而具有不确定性。对此本文设计了基于自适应控制理论中变量估计方法的反馈线性控制器,提出了基于车间通信技术的控制器改进方法。首先,通过变量估计方法提高了控制器参数中的相对距离的精确度;然后,通过车间通信技术保证了接收到的领航车辆运动信息的准确性;最后,在VS2010和Simulink环境下进行了联合仿真实验,验证了算法的有效性。结果表明:基于车间通信技术和自适应原理的跟随领航者编队控制方法能有效完成编队任务,误差较小且收敛,为智能网联汽车的发展提供了一定应用价值。     

基于速度观测器的移动机器人轨迹跟踪控制

提出了一种无需纵向速度测量的新的移动机器人轨迹跟踪控制方法,可以采用速度观测器替代纵向测量装置来确定移动机器人的运动速度.设计了一种基于速度观测器的轨迹跟踪控制器.控制器设计是以轮式及履带式移动机器人模型及其所采用的驱动电机数学模型为基础,具有两种实用性能：（1）控制器不需要很精确的移动机器人模型参数和驱动电机参数,就可以很好地在一个闭环控制系统中减小跟踪误差;（2）在理论上仅需要通过一个设计参数的设置就能够有效地控制跟踪误差范围.     

基于非线性模型预测的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机轨迹跟踪控制器跟踪性能不稳定的问题,提出一种基于非线性模型预测控制(nolinear model predict control, NMPC)的轨迹跟踪算法。首先,建立四旋翼无人机的动力学模型,定义四旋翼无人机的位置和姿态为状态量,螺旋桨转速为控制输入量,建立非线性状态空间方程作为控制算法的预测模型。其次,定义最优化函数和四旋翼无人机控制约束,将轨迹跟踪控制问题转换为非线性最优化求解问题。最后,通过多重打靶法求解得到的最优控制量作为四旋翼无人机的输入信号。为验证NMPC算法的跟踪性能,在Matlab中搭建仿真平台进行对比实验,结果表明,与PID和串级模型预测控制(model predict control, MPC)及改进MPC方法相比,NMPC算法能够在满足约束的情况下完成轨迹跟踪任务,误差小、精度高,并具有抗干扰能力。     

基于CLF的移动舞台机器人轨迹跟踪预测控制

针对移动舞台机器人的轨迹跟踪和区域受限控制问题,提出一种参数化模型预测控制算法.该算法的主要思想是离线构造移动舞台机器人误差系统的一个控制Lyapunov函数(CLF),再根据CLF主动控制方法设计可调预测控制器,并通过在线滚动优化给定性能指标计算控制器的可调参数,在保证控制器自适应性的同时降低了MPC计算量,保证了优化问题的递推可行性和闭环系统的稳定性.最后,以"圆"为参考轨迹做仿真验证,仿真结果表明:该算法具有快速、精确和全局稳定的良好特性.     

基于MPC的自动驾驶车辆横向路径跟踪控制

由于驾驶技能、生理极限等原因,人工驾驶员在转向操作中存在响应迟滞、动作超调等问题,控制性能优良的自动驾驶车辆可以改善上述问题。设计了一种基于模型预测控制(MPC)的自动驾驶车辆横向路径跟踪控制器。基于预瞄跟随理论建立了最优侧向加速度的驾驶员转向模型,以分析驾驶员方向盘操作中预瞄时间和车速对车辆跟踪参考路径的影响。基于模型预测控制算法设计了车辆横向路径跟踪控制器,利用反馈校正机制改进车辆预测模型,以处理参数不完全确定和外部干扰对模型精度带来的影响;采用松弛因子对目标函数进行处理,以保证目标函数具有可行解;进一步地,将所设计的模型预测控制器每一步的优化求解转化为带约束的二次规划问题,利用模型预测控制滚动优化的特点,求解跟踪参考路径所需的方向盘转角,作用于自动驾驶车辆。实验结果表明:预瞄时间和车速对驾驶员操控车辆跟踪参考轨迹的影响较大,MPC控制器下的车辆实际行驶轨迹与参考轨迹之间的最大横向偏差为0.085 m,小于熟练驾驶员操控的车辆,同时,MPC控制器下的车辆转向起始时刻相对于熟练驾驶员操控的车辆提前0.89 s。     

改进模型预测控制的农机轨迹跟踪算法研究

针对无人驾驶农机进行轨迹跟踪时精度与稳定性较差的问题,提出了一种基于模型预测控制(MPC)的轨迹跟踪方法。首先,建立农机车辆的运动学模型,利用粒子滤波对农机状态量进行估计来提高农机的定位精度;其次,在设计MPC控制器时引入了梯度投影算法,该算法相比于传统有效集算法减少了迭代步数,具有更快的收敛速度,提高了农机进行跟踪控制时的计算效率;最后,在淄博市某无人农场进行了农机轨迹跟踪试验。结果表明：该方法可以实现良好的跟踪控制精度,符合精准农业的作业要求。     

低附着路况条件下人车共享转向系统稳定控制

针对冰雪天气车辆更容易失稳的情况,研究了低附着、不对称路面情况下车辆对参考路径的稳定跟踪问题,同时考虑了驾驶员与智能控制器的协同共享,讨论了共享方式和驾驶权分配,以提高车辆在冰雪路面复杂路况下的跟踪精度和转向稳定性,保证驾驶员的驾驶体验。此外,建立了左右轮不对称的适用于冰雪路面的车辆模型,并确定了将冰雪路面下车辆转向稳定性约束作为后续模型预测控制求解的一部分,在人车共享结构下,基于模糊推理权重分配策略设计了共享转向模型预测控制器。Simulink/CarSim联合仿真验证了本文控制系统能有效提高车辆跟踪精度和行驶稳定性。     

复杂场景智能车辆车道与速度一体化滚动优化决策

针对智能车在复杂场景下的行车环境理解和行为决策问题,提出了一种智能车辆车道与速度一体化滚动优化决策方法。在复杂场景下建立了车路空间重构模型,得到以不同车道中心线为参考的车辆位置。建立了以非整数的纵向车速和整数的车道序号为控制量的车道与车速一体化模型。对本车与多方向来车的未来轨迹进行安全性分析,将复杂场景下智能车辆车道与速度一体化决策描述为混合整数非线性规划问题。为了验证本文决策方法的有效性,在无保护路口场景下进行汽车动力学仿真软件veDYNA和Simulink的联合仿真,结果表明：本文决策方法面对行驶缓慢、突然切入的周车,能及时做出换道决策;当智能车和周车同时行驶至路口区域时,能够做出减速让行决策,以实现安全行驶。     

量测噪声环境下反应堆功率模型预测控制研究

在核电反应堆功率闭环控制系统中,功率监测存在量测噪声的问题,应用无噪声的预测模型对反应堆的功率进行预测控制.从反应堆功率模型的状态空间出发,搭建了模型预测控制算法与目标函数,遵循模型预测控制的预测模型、滚动优化和反馈校正的三步控制方法,实现对有量测噪声的反应堆功率系统的控制.通过MATLAB仿真实验,比对了模型预测控制算法与输出反馈的PID控制方法.实验结果表明,应用于有量测噪声的反应堆功率系统的模型预测控制算法在轨迹跟踪、状态量动态变化及控制信号能量上均优于PID控制算法.     

基于改变控制时域时间步长的智能车轨迹跟踪控制

为了解决模型预测控制设计智能车轨迹跟踪控制器存在求解计算时间长、在线实时性低的问题,借助于矩阵分块化策略,提出了一种基于控制时域变步长的模型预测轨迹跟踪控制方法。通过矩阵分块化改变控制时域步长,并融入到二次规划的求解过程中,重构目标函数形式和系统约束条件,以减少求解过程中最优控制序列中待求解变量的数量,降低求解计算时间。在Simulink与Carsim联合仿真平台中,将本文方法与传统模型预测控制方法进行仿真对比分析。结果表明,相比于传统模型预测控制方法,本文方法在保证轨迹跟踪精度的前提下,平均求解计算时间降低了24.39%,最大单次计算时间降低了45.05%,采用“前密后疏”的分块矩阵,其控制器性能优于“平均化”的分块矩阵。     

交流速度伺服驱动的动态模型及控制研究

本文在矢量变换的基础上对交流电机速度伺服系统的动态模型进行了分析，给出了实用的简化传递函数，讨论了针对这种速度伺服的模型参考自适应控制器的设计，通过仿真实验得到了满意的结果。     

基于模型预测的车辆稳定控制

利用三自由度车辆模型设计了模型预测控制器,发动机力矩PI控制器和制动力矩模糊控制器。并针对制动单移线转向行驶典型工况进行了仿真验证,结果表明,所设计的车辆稳定性控制器具有良好的控制效果,能够明显的改善车辆操纵稳定性;开发的制动力矩算法能够充分利用各个车轮的制动力,使得在发动机力矩改变和主动制动压力等输入都较小的情况下,获得较好车辆操纵稳定性。     

自适应LOS制导结合MPC控制的车辆循迹优化

为提升无人驾驶车辆循迹过程的动态响应能力,确保车辆能快速且稳定地跟踪参考路线,首先基于模糊控制的思想,在传统视线(line-of-sight, LOS)制导策略中引入了时变前视距离,提出了改进后的自适应LOS制导策略,把目标轨迹的跟踪简化为目标点航向的跟踪。其次,建立车辆三自由度动力学模型,并结合自适应LOS状态方程设计路径跟踪系统的线性数学模型。最后,基于模型预测原理,使用多步预测、滚动实时优化、反馈校正等控制方式,求解出最优反馈的方向盘控制指令。本文为验证上述所提及跟踪策略的有效性,在Simulink仿真环境中分别以直线路径和曲线路径作为参考轨迹进行追踪仿真实验,结果表明:所提自适应LOS制导策略能使循迹车辆的轨迹横向误差和航向误差迅速地收敛到零,从而验证了改进LOS制导算法可以提高无人车路径跟踪的响应速度和平稳性。