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。     

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.     

基于模糊PID控制的车辆横向预瞄驾驶员模型

为了提高车辆的行驶轨迹精度和车辆稳定性,提出一种基于模糊P ID控制的补偿式驾驶员控制模型.以车辆横向位移偏差和理想与实际横摆角速度之差为输入,建立输出为方向盘转角的补偿式模糊P ID控制模型.联合CarSim和Simulink进行仿真,结果显示:在低、中速时补偿式模糊PID控制模型最大侧向偏差分别为0.036 m、0...     

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。     

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。     

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。     

车辆驾驶员辅助系统中基于运动模型的前车最优跟随控制

为解决驾驶员辅助系统在前车跟随控制中车距与车速误差不易同步收敛的问题,建立考虑主车对期望加速度动态响应的主车与前车运动模型,以对前车跟随控制提供模型参考。基于主车实际运动与理想前车跟随行驶间的偏差建立前车跟随误差模型,并用线性二次型调节器求解最优期望加速度控制序列,以作为前车跟随控制中主车运动参数控制的输出。为考虑在实车控制中车辆及环境参数发生变化的可能,在前车跟随误差模型中引入车距与车速误差累积项以使线性二次型调节器具有积分控制功能,以在实际车辆与理想模型发生偏差时仍可进行有效控制。仿真对比及实车试验证明,基于运动模型的前车跟随控制可使主车车距与车速误差同步收敛并有效减少主车达到稳态前车跟随行驶的时间,同时易于在实车控制中展开应用。     

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。     

基于模糊模型的车辆稳定性控制方法研究

采用系统辨识的方法建立车辆的模糊模型，从而将车辆非线性系统模型通过模糊化方法分解为若干线性子系统，系统的输出是这些线性子系统输出的加权和，提出了基于梯度下降法的模糊模型辨识算法。根据所建立的模糊模型推导了广义预测控制模型(CARIMA)，为车辆的稳定性控制问题的研究提供了新方法。运用该方法对车辆的制动转向工况进行了仿真研究，结果表明，基于模糊模型的广义预测控制能有效改善车辆的稳定性。     

基于模糊产生式规则的智能管理模型及其应用

提出基于模糊产生式规则的智能管理模型,即根据管理者经验进行综合,得到基于管理要素论域标准模糊划分的规则模型。给出对于多要素空间、多目标管理问题智能管理模型在制造业中的应用方案。     

基于最优预瞄的智能车变道控制

针对智能车主动变道过程中的轨迹跟踪控制问题,基于“预瞄-跟随”控制理论及“车辆-道路”模型提出了最优预瞄轨迹跟踪控制模型,并依据线性二次型调节器(LQR)理论设计了轨迹跟踪控制器,获得了最优转向盘转角输入,以实现智能车变道轨迹跟踪。在MATLAB/Simulink和CarSim的联合仿真环境下构建了智能车的变道决策模块、变道参考轨迹模块和跟踪控制模块,实现了智能车在30 km/h、50 km/h和70 km/h速度下的仿真验证。结合实车测试结果验证了所设计控制器的精确度和稳定性。     

虚拟环境下基于非水平路面的智能自主汽车运动研究

在虚拟驾驶模拟系统中,智能自主汽车在非水平路面上的驾驶水平对于整个虚拟驾驶仿真系统的逼真性以及测试的可信性起着决定作用.在利用数据库技术存储非水平交通环境中道路信息的基础上,采用Creator软件搭建了适合实时仿真的非水平道路模型.分析了智能自主汽车的位姿变换,并利用碰撞检测原理阐述了智能自主汽车视觉信息的获取及其在非...     

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。     

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。     

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.     

智能车大角度弯道转向曲率连续的轨迹规划方法

为了使智能车能够顺利地在大角度弯道上行驶,提出一种新的曲率连续的无碰轨迹规划方法。该轨迹规划方法基于β样条曲线,利用β样条曲线的凸多边形属性,考虑避碰约束、曲率约束、转向速度约束以及状态约束等非完整约束条件对运动轨迹规划的影响,生成一条曲率连续的无碰行驶轨迹。实车试验结果表明,提出的方法比传统方法更加有效可行,规划的轨迹曲率连续,且能够使得车辆顺畅地进行循迹行驶。