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...     

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。     

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。     

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.     

基于速度-加速度时滞反馈的振动主动控制

在振动主动控制中,基于加速度测量信号,并考虑滤波器群时延引入的时滞,研究了一种时滞控制器设计方法。采用等维方法和状态导数反馈思想,提出一种速度-加速度时滞反馈控制器的设计方法。该控制器不含位移信号,可省去两次数值积分和去直流分量、趋势项这两个过程,并可避免由两次数值积分带来的累积误差。以粘帖有压电陶瓷和加速度传感器的智能梁为控制对象,采用该控制器控制其自由振动,并与速度-加速度反馈控制效果进行比较。仿真结果表明,当采用速度-加速度反馈直接控制时滞系统时,若时滞超出其稳定区间,该方法失效,而速度-加速度时滞反馈控制方法则具有良好的控制效果。     

振动主动控制中加速度信号的积分方法

在采用速度反馈的振动主动控制系统中,利用DSP系统对加速度信号进行时域积分获得速度信号。速度反馈振动主动控制系统采用的速度信号相位必须准确,为获取正确的速度信号,提出了积分初值的确定方法,在不采用滤波的情况下,将积分结果减去其均值实现了直流量和趋势项的去除。在DSP系统中验证了该方法的有效性,积分得到的速度信号的幅度和相位与实际值保持一致。     

大模型不确定性下的汽车纵向加速度控制

针对汽车纵向动力学模型存在较大不确定性的问题，提出了一种基于鲁棒控制理论的多模型分层切换控制方法。在分析汽车纵向动力学特性基础上，用4个乘性不确定模型描述对象，并应用鲁棒控制理论设计控制器集合。考虑鲁棒控制理论特点，设计了一种基于不确定性估计的切换指标函数，实现了汽车纵向加速度多模型分层切换控制。理论分析和实验表明，提出的方法在模型具有大不确定性时可以对加速度进行有效控制，系统具有良好的跟踪性能，稳态误差小于0．1m／s^2。     

基于加速度反馈的挠性智能结构振动主动控制

空间柔性机器人和航天器挠性附件在转动调姿时或者外部扰动带来的振动问题,尤其是在平衡点小幅值的模态频率上的振动很难控制,这将影响系统的稳定性和指向精度.为解决该问题,提出一种基于加速度传感器信号反馈的非线性控制算法,在理论上分析其稳定性和优越性.由于加速度传感器和压电驱动器或电动机的异位配置带来的相位滞后导致控制系统为非最小相位系统,在提出的加速度反馈控制算法中通过移相技术进行补偿相位滞后,并结合低通滤波器和正位反馈控制以及非线性逻辑积分阻尼器对系统的振动进行快速抑制,尤其抑制平衡点附近小幅值振动.设计并建立压电挠性智能结构试验平台,利用加速度传感器、压电片和交流伺服电动机驱动器抑制挠性结构振动,对提出的控制方法进行试验比较研究.试验结果表明,采用提出控制方法能够快速地抑制系统的振动,尤其能够快速抑制平衡点小幅值的振动.     

考虑驾驶员特性的智能车辆纵向车速跟随控制策略

为了在满足乘坐舒适性的前提下提高智能车辆纵向车速跟随控制的精度,提出了一种具有自适应控制系统特性符合驾驶意图以及驾驶员行为特性的纵向控制策略.首先,设计油门和制动切换策略,依据期望车速计算期望加/减速度,并以此获得驾驶意图完成油门和制动的切换控制;其次,提出了一种基于模糊控制的制动控制策略;除此之外,设计了一种比例增益可调的PI油门控制策略.最后,将本文所设计的控制策略与目前普遍研究的PID车速跟踪控制策略分别进行NI实时系统仿真测试.结果表明:本文提出的基于驾驶员特性的车速跟踪控制器有效提高了对参考车速的跟踪精度以及乘坐舒适性.     

汽车驾驶机器人车速跟踪神经网络控制方法

为了实现汽车驾驶机器人对给定车速的准确跟踪,提出了一种驾驶机器人车速跟踪神经网络控制方法。网络模型输入层变量为驾驶机器人油门和制动器、离合器机械腿、换挡机械手的位移;中间层为隐层,节点数为5,神经元传递函数为正切传递函数;输出层变量为试验车辆车速,神经元传递函数为线性传递函数。结果表明,该方法的收敛速度明显高于梯度下降法的收敛速度,且达到的控制精度更高,车速跟踪误差满足国家汽车试验标准的要求。     

基于IVI模型的VXI总线任意函数发生器驱动程序的设计

VXI总线硬件平台是仪器总线和自动测试系统的优秀平台.本文介绍了基于VXI总线的虚拟仪器驱动程序的IVI模型,给出了其结构和工作原理,应用IVI模型设计了VXI总线虚拟任意函数发生器的驱动程序.该虚拟仪器驱动程序能够实现VXI总线任意函数发生器的驱动.     

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。     

基于驾驶员模型的4WS车辆操纵稳定性研究

建立了四轮转向车辆(4WS)的动力学模型,基于单点预瞄的驾驶员数学模型,编写了四轮转向车辆在S型道路和复杂赛车跑道行驶的闭环运动仿真程序,对比例控制策略的四轮转向车辆进行运动学和动力学进行高速动态仿真。仿真结果表明:在高速行驶下的四轮转向车辆操纵稳定性优于前轮转向车辆,系统具有良好的动态特性,更能有效地提高车辆瞬态操纵稳定性和安全性。     

个性化驾驶员模型及其在车辆测试中应用

为了在车辆测试中融入不同的驾驶风格而使测试结果更接近于真实,提出一种基于汽车测试数据和神经网络的驾驶员建模方法。考虑到实际数据的高度离散性和局部突变性,以局部性神经网络的典型代表小脑模型关节控制器(Cerebellar model articulation controller,CMAC)网络为基础,采用学习控制的直接逆模型法来建立驾驶员模型,用此模型代替驾驶员或常规的PID模型进行联邦测试循环(Federal test procedure,FTP)标准工况的实验室测试。另一方面,为方便起见,建立并采用基于神经网络和汽车测试数据(Vehicle test data,VTD)的汽车模型来代替真实汽车进行模拟测试。以VTD以及FTP标准为背景的测试结果验证了所提方法的有效性。同时,采用个性化驾驶员模型能够在体现驾驶风格情况下完成标准工况测试,减轻劳动强度,并使实验室测试更接近于真实。