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。     

采用状态反馈的无人车路径跟踪横向控制

针对采用传统模型预测控制器的车辆在弯道内跟踪精度难以保证的问题,本文提出了一种基于状态反馈的路径跟踪横向控制策略。基于车辆动力学模型,建立考虑轮胎滑移包络线约束条件的路径跟踪模型预测控制器,并根据车速选择合适的控制器时域参数;以车辆质心位置为控制点建立车辆跟踪误差模型,结合车辆当前位置横摆角偏差建立状态反馈调节器,通过LQR最优控制方法对无人车姿态进行校正。利用MATLAB/Simulink和Carsim软件对改进的状态反馈控制策略进行了仿真验证,典型双移线道路仿真试验表明:中低车速下车辆路径跟踪横向偏差降低了16%以上,横摆角偏差降低了33%以上,所设计控制器能够有效提高车辆路径跟踪精度,可保证车辆对变曲率弯道具有适应性和行驶稳定性。     

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。     

智能汽车换道避障路径规划与跟踪控制研究

为了提高智能汽车行驶安全性,研究了智能汽车换道避障路径规划与跟踪控制问题。在路径规划方面,给出了换道避障决策过程,提出了等速偏移函数与正弦函数加权叠加的路径规划方法,经验证此路径满足曲率约束条件;建立了车辆运动学和动力学模型,使用位姿误差方程求解了期望横摆角速度;在路径跟踪方面,将RBF神经网络与滑膜控制结合,提出了神经滑膜控制器;经仿真验证,相比于传统滑膜控制器,神经滑膜控制器不仅减弱了抖振现象,而且对路径跟踪的纵向偏差降低了200%,方向偏差降低了300%,且神经滑膜控制器鲁棒性很好。     

基于可变预测时域及速度的车辆路径跟踪控制

非线性模型预测控制(NMPC)在车辆路径跟踪控制中的应用日益广泛,但目前的研究成果中尚未深入考虑预测时域和速度对车辆路径跟踪控制性能的影响。为此,分析了预测时域、速度与车辆路径跟踪控制性能之间的关系;采用三次多项式拟合获得了能够保证车辆路径跟踪横向误差小于0.1 m的最佳预测时域和参考速度的控制律;改进了用于车辆路径跟踪控制的NMPC控制器,且改进后的NMPC控制器的性能通过仿真进行了验证。仿真结果表明:改进后的NMPC控制器的横向误差在0.092 8 m以内,航向误差在0.072 4 rad以内。相比传统NMPC控制器,改进后的NMPC控制器将最大横向误差减小了4.267 1 m以上,将最大航向误差减小了0.392 7 rad以上,路径跟踪控制性能得到了较大幅度的提高。     

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。     

汽车主动前轮转向的自抗扰控制器设计

传统转向系统对驾驶员误操作不能予以纠正,在驾驶过程中驾驶员需不断修正方向以消除外界或内部对车辆的扰动;主动前轮转向系统产生独立于驾驶员的附加前轮转角,改变车辆的横向受力状态克服传统转向系统不足。提出采用自抗扰技术的汽车主动前轮转向系统,根据系统的输入和输出动态跟踪理想参考横摆角速度,使车辆在横摆角速度安全裕度内运行。在MATLAB中实现了自抗扰控制器算法,控制CarSim车辆模型进行直线行驶抗扰试验和双移线试验,研究了自抗扰控制转向系统的抗扰动性能、路径跟踪性能以及对参数变化的鲁棒性,并与PID控制试验结果进行对比。试验结果表明,自抗扰控制的主动前轮转向系统改善了车辆操纵稳定性,具有抗干扰能力强、路径跟踪性能良好和鲁棒性强等优点,且各项性能优于PID控制器。     

基于模糊PID的智能车辆路径跟踪控制技术研究

在智能车辆路径跟踪控制研究中,提出了一种位置误差控制器,由期望横摆角速度生成器和模糊PID控制器组成。建立车辆的运动学及位置误差模型,在当前车辆质心与目标路径预瞄点间实时规划虚拟行驶路径。分析车辆沿虚拟路径行驶时期望横摆角速度的变化率的计算,代入车辆行驶状态及目标跟踪路径信息得到期望横摆角速度生成器。将期望横摆角速度生成器与模糊PID控制器结合,以双移线道路为目标跟踪路径进行联合跟踪仿真。仿真结果表明跟踪偏差主要发生在曲线道路与直线道路连接处,且车辆在低速下跟踪精度较高,稳定性好,中高速时跟踪精度及稳定性都降低。     

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。     

基于多模态控制的智能车辆路径跟踪

为了使智能车辆的路径跟踪精度更加准确,设计了一种基于MPC控制和LQR控制相结合的多模态控制器,通过对跟踪路径曲率的判断,控制器选择相对应的控制模式,并解析车辆当前状态量和跟踪路径上相对应参考点状态量的偏差,输出控制集,最终完成路径跟踪。MATLAB仿真结果表明,这种多模态控制算法能精确快速的跟踪上参考路径,并保持良好的稳定性。     

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。     

智能电动车横向控制策略研究

针对智能电动车自动横向控制,建立了车辆横向动力学模型,设计了电动车转向控制器的模型预测(MPC)算法。将前轮转角作为控制输入变量,与期望轨迹的横向距离偏差、横摆角偏差及两者的变化率作为状态变量,控制器对车辆未来的状态变量进行预测,输出最优前轮转角,实现智能横向控制。在控制过程中,同时引入期望状态参数和系统松弛因子,优化车辆行驶状态。利用软件进行联合仿真,并进行实车试验。研究结果表明:控制器均能迅速响应,消除偏差,使车辆快速回到期望轨迹,保证车辆稳定平顺地行驶。     

基于死区和抗饱和补偿的线控制动系统非线性压力控制研究

线控制动系统通过机电执行器将所需的制动扭矩施加到车轮上,对车辆的电气化和轻量化有着重要意义。由于系统存在非线性死区效应以及输入饱和问题,导致闭环系统性能降低。针对线控制动系统的控制问题,本文采用基于死区和抗饱和补偿的PID控制器实现线控制动系统的有效控制,并对控制效果进行仿真验证;优化控制模型,建立了线控制动系统数学模型;在传统PID控制器的基础上,添加了死区和抗饱和补偿;采用数学软件Matlab对线控制动系统进行仿真,同时与传统PID控制器的计算结果进行对比和分析。仿真结果显示:采用添加了死区和抗饱和补偿的PID控制器响应延迟减少约50%,无过冲,跟踪性能明显提高,同时大大减小了获得所需压力的控制量,制动效果显著提高。     

小曲率路面车辆差动转向与横摆稳定性集成控制研究

为减小车辆在前轮转向系统失效的负面影响,保证转向系统的瞬态控制性能,本文提出差动转向控制与横向稳定性控制相结合的控制方法,通过调节左右轮毂电机转矩形成横摆力矩,实现对系统完全失效车辆的转向控制与横向稳定性控制。首先设计基于LQR差动转向控制器跟踪参考前轮转角与参考横摆角速度,保证车辆轨迹跟踪能力,然后设计基于模糊PID横向稳定性控制器跟踪参考质心侧偏角,保证车辆横摆稳定性,两者构成双闭环控制系统将控制量最终转化为横摆力矩,实现车辆的集成控制。最后通过Simulink-Carsim联合仿真验证,仿真结果表明差动转向系统能够在前轮转向系统失效情况下实现车辆转向控制,并在横向稳定性控制系统的作用下有效地提高了车辆瞬态控制性能。     

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。     

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Ackermann转向原理的循迹控制研究

为了对虚拟轨道车辆的控制方法进行研究,本文针对三编组虚拟轨道列车,建立了车辆多体动力学模型,并从车辆动力学角度出发提出了基于Ackermann转向原理的多编组列车循迹控制方法,结合模糊控制理论与PID控制理论利用Simulink构建了车辆模糊循迹控制模型.通过联合仿真证明基于Ackermann的单轴协调控制虽然从运动学角度上不能实现完美的各车轮"纯滚"过弯,但可以对首尾车进行较好的约束,从而达到较好的一个控制精度,且各轴的转向控制设计时考虑到整车动力学性能,前后轴转角采用同一基线(动车的车铰侧垂线),保证了车铰处瞬时速度与动车各轴耦合,一定程度上改善了整车动力学性能;控制模型符合虚拟轨道车的循迹控制要求.     

电动助力转向系统的鲁棒H∞控制研究

电动助力转向系统（Electric Power Steering,EPS）中,机械摩擦、传感器噪声和路面干扰等不确定因素将降低EPS的助力跟踪性能、转向轻便性和鲁棒稳定性。针对该问题,以电动助力转向的助力跟踪性能、转向路感和车辆操纵稳定性为控制目标,基于电压补偿控制,设计了鲁棒H∞控制器。利用MATLAB/SIMULINK搭建了EPS控制模型、二自由度整车模型、轮胎模型,在单位阶跃操纵力矩作用下,仿真对比了电压补偿控制和基于电压补偿的鲁棒H∞控制的仿真响应情况,结果表明基于电压补偿的鲁棒H∞控制具有更好的助力跟踪性能、转向路感和鲁棒稳定性。     

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统通过仿真数据能够自动获取模糊控制规则并建立方向驾驶员模糊控制器。最后,将基于自适应神经模糊推理系统建立的方向驾驶员模型和Carsim中的车辆动力学模型进行联合仿真。仿真结果表明:基于自适应神经模糊推理系统所建立的方向驾驶员模型能够对路径进行良好的跟踪。     

线控转向系统的前轮转角跟踪策略研究

研究通过对线控转向系统进行主动控制,可靠并准确地得到期望的前轮转角。基于建立的线控转向系统数学模型,使用非线性自回归模型确定其系统参数,设计内模控制器跟踪车辆的期望运动状态。通过开环和闭环试验,对控制器在典型的驾驶工况下的有效性进行了验证。通过与PID控制器的结果对比,证明所设计的内模控制器能提供更好的控制性能。为减少驾驶员的操纵负担并确保车辆在不同行驶条件下的稳定性,根据不同工况下的测试结果提出基于增益不变的变角传动比控制策略,并设计了滑模控制器跟踪期望横摆角以实现主动转向。通过对内模和滑模控制器的联合仿真结果表明,所设计的控制器可实现期望横摆角度的精确跟踪,显著提高车辆的操纵灵活性和稳定性。