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。     

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。     

基于虚拟控制律的智能车辆纵横向联合控制策略

综合考虑智能电动车辆动力学方程中轮胎纵、横向力之间的耦合,使得纵向和横向控制器耦合在一个相互联系的控制结构中。纵向控制器基于串级控制结构,用于速度跟踪和力矩控制。基于纵向滑动率和控制力矩的虚拟控制律跟踪时变的纵向速度,设定时变控制矩阵的时变项边界从而获得纵向控制稳定的条件;提出一种跟踪期望横摆角横向控制方法,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。采用基于上界的滑模变结构策略跟踪期望横摆角,使车辆实现自动驾驶,参考速度由给定跟踪路径获得。横向控制基于静状态反馈控制、期望横摆角度控制及期望横摆角控制通过Matlab/Simulink仿真对比,验证了联合控制策略的有效性。     

移动机器人模糊控制方法研究

移动机器人的智能控制技术是基于机器视觉的移动机器人与智能车辆自主导航的关键技术之一。首先介绍了移动机器人的基本硬件组成，然后模仿人工预瞄驾驶行为，提出了移动机器人运动控制的模糊控制方法，并详细介绍了该控制器的结构组成和设计过程。实验表明：提出的模糊控制方法可保证移动机器人快速、准确地沿各种参考路径行走，且具有良好的鲁棒性。该控制方法也可用于智能车辆的自动导航控制。     

基于遗传优化的无人车横向模糊控制

以视觉导航式无人车DLUIV-1为控制对象,对其进行横向运动控制研究。建立视觉导航式无人车横向运动控制系统模型,对无人车的横向运动行为进行描述。在此基础上,分析预瞄距离对横向控制系统动态性能的影响,并建立考虑速度因素的预瞄距离计算公式。针对无人车具有非完整运动约束、高度非线性动态特性以及参数的不确定性等特点,提出基于遗传算法的无人车横向模糊控制策略,通过遗传算法对横向模糊控制器的隶属度函数参数和控制规则的自动优化,从而有效地确定出横向模糊控制器的隶属度函数和控制规则。最后通过仿真和实车试验对该横向模糊控制器进行验证和评价,仿真和试验结果表明,该横向控制器可保证无人车稳定准确地跟踪参考路径,且具有较强的鲁棒性。     

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。     

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.     

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。     

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。     

红外光电管智能车的设计与实现

以MC9S12DG128为控制器,设计了一种智能车系统。该系统由路面检测模块、测速模块、电机驱动模块、电源模块组成,是一个集环境感知、规划决策、自动驾驶等多种功能于一体的综合系统。在控制算法上采用了PID控制算法,它可以自动调节PWM波的占空比,从而控制小车的速度。     

分布式驱动智能汽车对开坡道起步双重转向控制

匹配多套分布式驱动系统可以提升智能汽车的动力学控制能力,但该车在对开坡道起步时仍会存在动力性与方向稳定性难以兼顾问题。提出并验证一种结合主动转向与差动转向的分布式驱动智能汽车双重转向控制方法。根据各驱动轮独立可控的特点,分析对开坡道起步时施加双重转向控制的必要性;根据左右轮驱动力不等导致车辆产生差动转向而偏离直行路线的现象,基于模型预测控制设计出前轮主动转向控制器;结合设计的主动转向控制器与已有的分布式驱动汽车转矩自适应驱动防滑控制器,完成双重转向控制器设计;通过仿真分析和实车道路试验,验证了所设计控制器的控制效果。研究表明：施加双重转向控制,可以使分布式驱动智能汽车尽可能充分利用其自身驱动力和路面可提供的最大附着力;同时,能够根据实时的车身姿态参量和所在位置信息计算出相应的附加转向盘转角,通过主动转向使横向偏移量大幅降低。所提出的基于差动转向与主动转向相结合的双重转向控制,可以全面改善车辆的通过性和方向稳定性。     

Comparative Study of Trajectory Tracking Control for Automated Vehicles via Model Predictive Control and Robust H-infinity State Feedback Control

A comparative study of model predictive control(MPC) schemes and robust H_∞ state feedback control(RSC) method for trajectory tracking is proposed in this paper. The main objective of this paper is to compare MPC and RSC controllers' performance in tracking predefined trajectory under different scenarios. MPC controller is designed based on the simple longitudinal-yaw-lateral motions of a single-track vehicle with a linear tire, which is an approximation of the more realistic model of a vehicle with double-track motion with a non-linear tire mode. RSC is designed on the basis of the same method as adopted for the MPC controller to achieve a fair comparison. Then, three test cases are built in CarSim-Simulink joint platform. Specifically, the verification test is used to test the tracking accuracy of MPC and RSC controller under well road conditions. Besides, the double lane change test with low road adhesion is designed to find the maximum velocity that both controllers can carry out while guaranteeing stability. Furthermore, an extreme curve test is built where the road adhesion changes suddenly, in order to test the performance of both controllers under extreme conditions. Finally, the advantages and disadvantages of MPC and RSC under different scenarios are also discussed.     

Observer-based wheelbase preview control of active vehicle suspensions

Optimal observer-based wheelbase preview regulator problem is investigated for active vehicle suspension systems. It is shown that the problem reduces to the classical linear quadratic Gaussian problem, whose solution is well defined, by augmenting dynamics of system and road inputs. The resulting optimal controller is in the form of augmented state feedback controller and this augmented state is estimated by Kalman-Bucy filter using dynamics of the augmented system. Numerical examples of a half car model are given to verify the performance improvement achievable with the proposed controller.     

基于磁流变减振器的汽车悬架振动控制

分析了磁流变减振器特性,为了抑制汽车磁流变悬架的振动,提出了一种含有控制级和协调级的分级模糊控制。在控制级,把天棚、地棚混合控制策略与模糊智能控制策略相结合,设计了1/4车辆垂直振动的半主动模糊智能控制器;在协调级,设计了整车控制的协调器,根据反馈变量对整车4个独立模糊智能控制器输出参数进行调整。把某微型汽车的4只被动减振器改装成磁流变减振器,搭建了磁流变悬架全车测控系统,运用设计的分级模糊控制器,进行了平顺性随机输入实车道路试验。试验结果表明对汽车磁流变悬架的垂直振动进行分级模糊控制是可行的,能有效提高汽车的乘坐舒适性和操纵稳定性。     

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...     

汽车驾驶员自适应模糊PID控制模型

汽车动力学控制系统具有强非线性特性,在人-车-路闭环系统中采用基于传递函数的传统方法难以建立精确的驾驶员模型.在"预瞄最优曲率模型"的基础上,对驾驶员校正环节采用模糊PID控制,对包括"魔术公式"轮胎模型在内的汽车模型,建立加速度反馈自适应模糊PID控制驾驶员模型.该模型通过模糊控制器在线实时调整PID的3个参数.仿真结果表明,所建立的自适应模糊PID控制驾驶员模型很好地描述了驾驶员的方向控制行为,为人-车-路闭环系统的进一步研究和智能车辆自动驾驶控制提供了可行的途径.