仿驾驶员多目标决策自适应巡航鲁棒控制

针对目前市场上自适应巡航(adaptive cruise control,ACC)用户使用率低与驾乘人员接受度差的问题,发展了一种多目标自适应巡航控制算法,基于模型预测控制(model predictive control,MPC)理论,综合协调动态追踪性、燃油经济性、驾乘舒适性以及跟车安全性四项存在着一定冲突的控制目标,采用二次型性能指标以及线性不等式约束的形式,将纵向期望加速度决策问题转化成带约束的在线二次规划问题.引入误差修正项,建立闭环反馈校正机制,以补偿模型失配带来的预测误差,同时采用松弛向量法扩展求解可行域,规避了硬约束下二次规划非可行解问题.进一步,各工况下所强化的性能指标与约束空间不同,采用性能指标权重微校与约束空间边界松弛的策略,设计出3种工作模式ACC,以适应熟练驾驶群体的跟驰习惯.仿真结果表明,前车组合工况下,多模式多目标ACC控制能够实现各工作模式之间的无缝切换,并实现良好的期望跟车目的,从而增强ACC系统对复杂道路交通环境的适应性.     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

永磁同步电机控制策略比较研究

针对永磁同步电机,研究了矢量控制(Vector Control,VC)、反推控制(Back Stepping Control,BSC)、直接转矩控制(Direct Torque Control,DTC)以及模型预测控制(Model Predictive Control,MPC)四种控制策略.VC算法简单,但是其整定参数多,不利于工程实现,为了克服VC的缺点,本文基于Lyapunov稳定性理论设计了BSC;DTC结构简单,但是转矩、磁链脉动比较大,本文基于最优原理设计了MPC,与DTC相比,MPC算法简单、具有更好的动态响应特性.永磁同步电机系统四种控制策略的仿真研究表明:BSC具有较好的控制效果,而且能克服VC的缺陷;与DTC相比,MPC具有转矩和磁链脉动小、系统响应快的优点.     

神经网络工况识别的混合动力电动汽车模糊控制策略

采用模糊控制可以改进混合动力电动汽车(HEV)的燃油经济性和排放性,但是对模糊控制器进行优化时通常只针对某一典型工况.不同的城市的行驶工况有一定差别,影响了模糊控制改善混合动力电动汽车性能的效果.研究中以广州和上海市主干道行驶工况为例,首先建立了一个模糊控制策略,并采用遗传算法,以汽车燃油经济性和排放性为优化目标,分别针对广州和上海主干道行驶工况对模糊控制器中隶属度函数进行优化.然后建立了一个基于模糊神经网络的行驶工况识别方法,通过识别广州和上海的主干道行驶工况,对控制策略中模糊控制器的隶属度参数进行相应调整,结果证明采用模糊神经网络识别行驶工况的HEV模糊控制策略可以进一步提高汽车的燃油经济性和排放性能.     

约束非线性车辆队列分布式多目标模型预测控制

针对具有状态和控制约束的非线性车辆队列系统多目标控制问题,提出一种分布式多目标模型预测控制(model predictive control, MPC)策略.首先,基于前车-后车单向通信拓扑,建立网联车辆队列非线性纵向巡航模型,应用字典序算法描述分布式多目标MPC问题;然后,通过设计弦稳定与收缩约束,并结合MPC三要素条件,保证车辆队列在经济性能与协同性能最优条件下的稳定性和弦稳定性结果;最后,通过典型工况的仿真结果验证所提出策略的有效性.     

基于横纵向联合控制的多目标优化车辆跟驰研究

为解决车辆在拥堵环境中因车速波动较大所带来的跟驰平稳性较差、跟踪无效或不安全等问题,提出了基于车辆模型和深度强化学习的多目标优化跟驰方案。首先基于车辆横纵向动力学建立车辆跟驰模型,然后根据车间距误差、速度误差、横向偏差及相对偏航角等,利用深度确定性策略梯度算法得到跟驰车的加速度和转向角,以更平稳安全地控制跟驰车辆。经NGSIM公开驾驶数据集进行测试与验证,该方案可有效地提升跟驰车辆的稳定、舒适与安全性,对保证交通安全和提升道路通行能力具有重要意义。     

基于模糊神经网络的车辆跟驰决策的研究

为了减少高速公路车辆跟驰行驶过程中引发的追尾碰撞事故,并保证行车效率,对高速公路车辆跟驰行为进行了分析.本文基于模糊控制和神经网络等理论知识,建立了一种正则化模糊神经网络跟驰控制决策模型.实验仿真表明,该模型系统较好的反应了一定道路条件下的车辆跟驰行为,且系统响应速度快,控制精度高,保证了车辆跟驰行驶的安全性和行车效率.     

级联触发策略下非结构化道路的自主卡车队列控制

本文针对非结构化道路上自主卡车队列系统的控制问题进行研究, 设计一种基于级联触发的控制器,有效提高复杂工况下的卡车队列系统性能. 首先, 建立不依赖于道路结构的纵–横耦合卡车队列系统模型, 该模型涉及复杂环境下车辆存在故障(包括执行器、传感器的失效故障以及随机网络故障)影响. 其次, 为降低燃油消耗, 设计了基于自触发和事件触发的级联触发控制器, 并利用李雅普诺夫方法证明了系统的闭环稳定性. 此外, 通过对系统Zeno行为的分析量化, 得到了触发时间间隔的下界值, 保证了算法的实际应用性. 本文为了实现卡车系统队列稳定性控制目标, 进一步给出了控制器设计限制条件. 最后, 仿真结果表明, 所提出的控制方法不但能保证单车渐近稳定以及队列稳定, 还能有效减少执行器更新频率, 提高燃油经济性.     

基于滚动优化和能量回收的V2I电动汽车决策

通过对标准新欧洲汽车法规循环(NEDC)工况的分析,提取出NEDC工况中的实时交通信息,分析不同驾驶状态对于车辆能耗的影响,提出一种新的基于实时交通信息的适用于V2I车辆的测试工况;结合电动汽车能量回收的优点,考虑电池-电机-制动特性约束,设计多源信息融合框架下的制动力分配策略;结合模型预测控制(MPC)的滚动优化思想提出MPC软约束框架下的电动汽车V2I最优控制策略;在AMESim & Simulink联合仿真平台上进行高精度纯电动车整车建模和MPC最优控制器的设计;对优化后车辆和未优化的车辆进行仿真对比验证,结果表明:结合道路交通信息进行最优决策的V2I纯电动车辆可有效降低车辆运行中的启停频率,减少整车能耗、车辆加速度和冲击度幅度,并显著提高整车经济性和舒适性.     

基于随机模型预测控制的插电式混合动力汽车 多目标能量管理策略

为了改善插电式混合动力汽车的燃油消耗和排放, 开展多目标随机模型预测控制策略的研究. 首先, 建立适用于模型预测的多元线性回归的发动机和电池模型, 建立融合燃油消耗和排放的多目标价值函数的模型预测控制, 随后, 基于随机驾驶员模型未来时刻的车速, 结合交通信息并利用动态规划(DP)算法进行参考电荷状态(SOC)优化, 进而建立多目标随机模型预测控制策略. 最后, 通过与DP, MPC等策略进行对比验证, 及给出两组不同权值进行多目标控制效果分析. 结果表明, 该策略的燃油消耗和排放最接近DP的控制效果, 且设置不同权重值可获得相应的控制目标, 说明该策略对提升燃油消耗和排放的多目标性能的有效性.