线控四轮独立驱动轮毂电机电动车集成控制

从提高车辆操纵稳定性的角度,基于模型预测控制理论对线控四轮独立驱动轮毂电机电动车进行主动转向(AFS)、直接横摆力矩(DYC)和主动悬架(AS)的集成控制研究。采用分层集成控制结构,设计了模型预测控制器。研究了驱动力矩控制分配规则和AS控制方法,实现了AFS/DYC的水平集成控制和AFS/DYC/AS的全局集成控制,并通过仿真实验对算法进行了验证。仿真结果表明:集成控制算法能够实现车辆有效跟踪期望值,提高车辆极限工况的稳定性和主动安全性。     

主动前轮转向和直接横摆力矩集成控制

针对车辆操稳性控制中功能耦合的主动前轮转向（AFS）与直接横摆力矩控制（DYC）的任务协调问题,提出优化相平面法进行稳定区域划分.基于所提方法建立轮胎侧向力特性协调准则,实现纵横向动力学系统操稳性集成控制.以前、后轮侧偏角及两者之差作为车辆横向稳定的表征量,结合轮胎侧向力特性划分车辆横向状态为稳定、临界稳定和失稳状态区间.建立AFS与DYC的协调准则.考虑控制算法面向实际应用时状态量的获取问题,建立基于超螺旋算法的状态观测器估计车辆前后轮侧偏角.分别设计基于自适应超螺旋高阶滑模算法的AFS和DYC控制器,在消除控制器抖振和避免频繁切换的基础上完成稳定性控制.试验结果表明,所提协调准则和控制算法对协调AFS和DYC有积极作用,且操稳性控制效果良好.     

基于模糊与PID的车辆底盘集成控制系统

建立了车辆七自由度动力模型,基于模糊和PID设计了车辆底盘集成控制器的顶层控制器,在底层,用PI方法来控制线控转向系统;用二次规划法对主动横摆力矩进行了分配,并针对单移线转向行驶工况进行了仿真验证,结果表明,所设计的底盘集成控制器具有良好的控制效果,能够明显的改善车辆的操纵稳定性;开发的分层控制算法能够充分利用各个执行机构,使得在主动转向角和主动制动压力等输入都较小的情况下,获得较好车辆操纵稳定性。     

主动前轮转向与直接横摆力矩集成控制算法

针对汽车主动前轮转向(AFS)与直接横摆力矩(DYC)协调控制问题,提出了一种基于模型预测控制的集成控制算法。该算法采用分层集成控制结构,设计了模型预测控制器,研究了二次规划轮胎力分配法,并通过仿真实验对算法进行验证。结果表明:控制算法能够提高车辆的稳定性,具有可行性;采用二次规划轮胎力分配法相对于单轮制动轮胎力分配法可扩大稳定性控制范围。     

无人驾驶车辆在复杂路况下的路径跟踪控制

研究了无人驾驶车辆在复杂路况下的路径跟踪控制问题.相对于单一路况而言,路面坡度、侧倾度、路面摩擦系数都在变化的复杂路况更为实际,然而其带来的控制问题也更为复杂.针对可变路况,提出了适应范围较广的车辆建模方法,用一个侧向恒值干扰项来表示路面侧倾、侧风等的干扰.提出了路径跟踪性能指标,针对该指标设计了切换控制算法,用于处理侧向恒值干扰带来的影响.仿真结果表明:该控制算法能有效地抑制无人驾驶车辆在行驶过程中受到的各种侧向干扰,在实现对目标路径跟踪控制的同时提高了驾驶安全性.     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.     

基于稳定状态预测的汽车侧向稳定性控制

为提高汽车行驶的侧向稳定性,设计了一种考虑车辆稳定状态趋势的新型线性时变模型预测控制(LTV-MPC)方法.该方法利用模型预测控制的转角优化序列对汽车稳定状态趋势进行预测,并基于预测的车辆稳定状态调整轮胎侧偏刚度,实现汽车的侧向稳定性控制.仿真结果表明,该方法能够提高主动前轮转向汽车的侧向稳定性,降低控制器的计算负担.     

四轮转向车辆操纵稳定性的最优控制策略研究

为提高四轮转向汽车的操纵稳定性,提出一种联合后轮转向和横摆力矩的最优控制方法.从7自由度四轮转向整车模型出发,建立车辆转向的线性化简化模型和理想模型,并基于二次型最优控制理论推导出前馈控制器和反馈控制器.仿真结果表明:在低速和高速行驶工况下,相比传统的前馈控制,基于最优设计的前馈控制器能改善车辆的行驶姿态,而实施前馈加反馈的最优控制方法可获得更优的理想模型跟踪控制性能,实现了零侧偏角控制目标,同时横摆角速度的控制误差也很小,使得汽车具有更好的行驶轨迹、速度保持能力和稳定状态,进一步提高了车辆的操纵稳定性.     

车辆电子稳定性程序神经网络PID控制算法

设计了面向车辆操纵稳定性控制的车轮制动神经网络PID控制器参数自调整算法,介绍了自行研制的车辆ESP硬件在环试验平台,采用该平台进行了控制算法的台架试验。结果表明:ESP神经网络PID控制算法能有效防止极限工况下车辆丧失操纵稳定性,显著改善车辆的主动安全性。     

Multi-objective optimization of active steering system with force and displacement coupled control

A novel active steering system with force and displacement coupled control (the novel AFS system) was introduced, which has functions of both the active steering and electric power steering. Based on the model of the novel AFS system and the vehicle three-degree of freedom system, the concept and quantitative formulas of the novel AFS system steering performance were proposed. The steering road feel and steering portability were set as the optimizing targets with the steering stability and steering portability as the constraint conditions. According to the features of constrained optimization of multi-variable function, a multi-variable genetic algorithm for the system parameter optimization was designed. The simulation results show that based on parametric optimization of the multi-objective genetic algorithm, the novel AFS system can improve the steering road feel, steering portability and steering stability, thus the optimization method can provide a theoretical basis for the design and optimization of the novel AFS system.     

基于模型预测的车辆稳定控制

利用三自由度车辆模型设计了模型预测控制器,发动机力矩PI控制器和制动力矩模糊控制器。并针对制动单移线转向行驶典型工况进行了仿真验证,结果表明,所设计的车辆稳定性控制器具有良好的控制效果,能够明显的改善车辆操纵稳定性;开发的制动力矩算法能够充分利用各个车轮的制动力,使得在发动机力矩改变和主动制动压力等输入都较小的情况下,获得较好车辆操纵稳定性。     

基于主动横摆力矩优化分配的车辆底盘集成控制

基于二自由度车辆模型设计了车辆底盘集成控制器,开发了基于二次规划法的主动横摆力矩优化分配算法。针对阶跃转向和单移线转向行驶两种典型工况进行了仿真试验。结果表明,所设计的底盘集成控制器具有良好的控制效果,能够明显地改善车辆的操纵稳定性;开发的主动横摆力矩优化分配算法能够充分利用各个执行机构,使得在主动转向角和主动制动压力等输入都较小的情况下,能获得较好的车辆操纵稳定性。     

汽车液压式主动稳定杆设计及控制算法

针对车辆主动侧倾控制问题,基于车辆侧倾与横摆响应特性分析,提出一种液压式主动稳定杆(active stabilizer bar, ASB)系统的设计方案。设计滑模控制算法,以提高车辆的侧倾稳定性。对前、后轴主动式稳定杆的反侧倾力矩进行动态分配,以改善车辆的转向特性。基于MATLAB/Simulink,建立了14自由度整车动力学模型、液压系统模型、路面输入模型等,在典型工况下分别对PID+前馈控制和滑模控制系统进行仿真研究。仿真结果表明:与传统的PID+前馈控制相比,采用滑模控制算法的液压式ASB系统在鲁棒性和适应性方面具有明显优势,有效地改善车辆的侧倾与横摆响应,进一步提高了车辆的侧倾稳定性、行驶平顺性与操纵稳定性。     

Observer-based hybrid control algorithm for semi-active suspension systems

In order to improve ride comfort and handling performance of the vehicle, an adaptive hybrid control algorithm is proposed for semi-active suspension systems. The virtues of sky-hook is combined with ground-hook control strategies and a more suitable compromise for the suspension systems is chosen. The hybrid coefficient is tuned according to the longitudinal and lateral acceleration so as to improve the vehicle stability especially in high speed conditions. Damping continuous adjustable absorber is used to continuously control the damping force so as to eliminate the damping force jerk instead of traditional on-off control policy. Based on suspension stroke measured by sensors, unscented Kalman filter is designed to estimate the suspension states in real-time for the realization of hybrid control, which improves the robustness of the control strategy and is adaptive to different types of road profiles. Finally, the proposed control algorithm is validated under the following two typical road profiles: half-sine speed bump road and the random road. The simulation results indicate that the hybrid control algorithm could offer a good coordination between ride comfort and handling of the vehicle.     

Control allocation algorithm for over-actuated electric vehicles

A control allocation algorithm based on pseudo-inverse method was proposed for the over-actuated system of four in-wheel motors independently driving and four-wheel steering-by-wire electric vehicles in order to improve the vehicle stability. The control algorithm was developed using a two-degree-of-freedom(DOF) vehicle model. A pseudo control vector was calculated by a sliding mode controller to minimize the difference between the desired and actual vehicle motions. A pseudo-inverse controller then allocated the control inputs which included driving torques and steering angles of the four wheels according to the pseudo control vector. If one or more actuators were saturated or in a failure state, the control inputs are re-allocated by the algorithm. The algorithm was evaluated in Matlab/Simulink by using an 8-DOF nonlinear vehicle model. Simulations of sinusoidal input maneuver and double lane change maneuver were executed and the results were compared with those for a sliding mode control. The simulation results show that the vehicle controlled by the control allocation algorithm has better stability and trajectory-tracking performance than the vehicle controlled by the sliding mode control. The vehicle controlled by the control allocation algorithm still has good handling and stability when one or more actuators are saturated or in a failure situation.     

车辆路面附着条件自辨识模型研究

车辆的主动安全性问题和操纵稳定性问题受到广泛的关注,自主辨识道路附着条件可有效提高车辆在行驶过程中的安全稳定性.实时识别道路的状况,有利于车辆稳定性控制系统、防滑控制系统充分利用极限驱动力或制动力,保证车辆行驶安全性.以冰雪及湿滑等路面的附着条件辨识为重点研究内容,通过采集相关参数,利用模糊控制器对车辆动、稳态操控输入条件下车辆的响应辨识路面附着条件.