基于Eclipse平台的车辆自适应巡航控制仿真

自适应巡航控制是一种先进的汽车辅助驾驶系统,可以减轻驾驶员的工作量并且可以提高驾驶的便利性和安全性。目前一般都是通过MatLab仿真曲线来检验车辆自适应巡航控制算法的控制效果,但该方式不够直观形象。基于Eclipse平台,用JAVA语言搭建一个具有动态效果的车辆巡航控制仿真平台。该平台可以模拟多种典型驾驶工况,直观有效地展现车辆自适应巡航控制算法的结果。最后,在该仿真平台上设计最优PD控制算法和智能驱动驾驶（IDM）控制算法验证车辆自适应巡航控制结果。结果表明,该Eclipse仿真平台能够有效地模拟多种驾驶工况,且能够直观有效地验证多种车辆自适应巡航控制算法的结果。     

协同自适应巡航控制车队仿真

如何评估道路环境等外部条件变化对协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）车队行驶安全性的影响,对于保障道路交通安全尤为重要。为此,结合Matlab/Simulink和CarSim搭建车辆-环境仿真平台研究道路环境对车队行驶安全性的影响。利用美国NGSIM车辆轨迹数据对平台采用的校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型的控制器进行验证;利用平台开展红灯状态、隧道行驶和匝道行驶三种道路环境对车队行驶状态影响的仿真实验。仿真结果表明：车队可以顺利通过路口红绿灯;在安全车速范围内车队进出隧道口时方向控制良好;匝道坡度主要影响车辆加速度和车间距,坡度分别为3%和5%时,车队均保持稳定车间距安全行驶。     

车辆自适应巡航控制策略研究与仿真

为了保证车辆自适应巡航控制(ACC)系统的安全性、跟踪效果和稳定性,基于车辆安全距离模型建立了车辆自适应巡航控制模型,在Trucksim中搭建CACC跟驰控制系统;通过Simulink与Trucksim联合仿真,验证系统的可行性.仿真结果表明,在车辆编队的行驶过程中,前后车的车距始终在设定的安全距离范围内波动,具有良好...     

通信中断时的网联车辆协作自适应巡航控制

针对自主巡航车队发生通信中断的情况,提出一种由协作式自适应巡航控制(CACC)模式切换至自适应巡航控制(ACC)模式的方法.当通信中断时,将车辆按照通信能力分组优化处理,并将通信中断车辆由CACC模式切换到ACC模式,且保持原CACC模式下的时间间距不变;为了保证车队安全,结合避碰理论和拉格朗日中值定理,提出一种基于最小安全距离的时间间距切换策略;为了保证两次切换后混合巡航车队(车队中既有CACC车辆也有ACC车辆)的稳定性,结合终值定理和频域分析法设计了混合巡航模式下的CACC-ACC控制器.最后通过仿真与现有方法对比,验证了所提出方法的有效性.     

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.     

时延MPC自主车辆协同控制算法与仿真

协同自适应巡航控制（CACC）系统中车辆纵向运动的上下位分层控制器结构,上位控制器采用状态空间模型预测控制算法,利用期望距离以及车辆与环境的实时信息决策出被控车辆运动的期望加速度。下位控制器根据期望加速度,求解发动机节气门开度或制动压力。车辆的执行器时延会对系统的稳定性产生很大的影响。根据动态矩阵控制算法对纯滞后对象的补偿作用,提出一种改进的模型预测控制算法,并与PID控制算法（下位控制器）相结合形成自主车辆纵向运动的上下位分层控制器,以补偿车辆的执行器时延带来的影响。通过SIMULINK/CARSIM联合仿真平台对所设计的算法进行了仿真研究,仿真结果表明所设计算法减小了CACC系统车辆在跟随过程中的速度跟踪误差以及间距误差,提高了系统的稳定性法。     

多工况以及多目标优化的自适应巡航系统

为提高自适应巡航系统(Adaptive Cruise Control,ACC)的综合性能,通过对跟驰性能、安全性、燃油经济性以及乘客舒适性进行分析,作为系统的控制约束,并引入了基于驾驶数据的车头时距.采用了分层控制的架构,并基于模型预测控制理论(Model Predictive Control,MPC)设计了上层控制器...     

联合通信资源分配的网联车协同自适应巡航 时滞反馈控制

考虑网联车辆队列在路段通信资源受限下的协同自适应巡航控制(CACC)问题,提出一种联合通信资源分配的网联车辆协同自适应巡航时滞反馈控制方法.首先,在头车-前车跟随的通信拓扑结构下,通过网联车辆队列中各车辆间的通信链路数量、该路段可使用的通信资源和当前时刻车辆间的间距误差建立二分图,根据车辆间的间距误差来调度有限的通信资源,将通信资源合理分配给有较大间距误差的跟随车辆;其次,利用非对称PD控制协议和网联车辆队列时滞纵向模型,应用线性矩阵不等式技术计算网联车CACC控制器,进一步得到车辆队列弦稳定性的充分条件;最后,通过Matlab/CarSim联合仿真验证该方法的有效性.     

基于Informer算法的网联车辆运动轨迹预测模型

自动驾驶汽车可以根据轨迹预测算法计算周边车辆的运动轨迹,并作出反应以降低行车风险,而传统的轨迹预测模型在长时间序列预测的情况下会产生较大的误差。为解决这一问题,提出了一种以Informer算法为基础的轨迹预测模型,并根据公开数据集NGSIM进行实验分析。首先通过对称指数移动平均法(sEMA)对原始数据进行滤波处理,并在原有的Informer编码器中加入了联合归一化层对不同车辆进行特征提取处理,减少了不同车辆之间的运动误差,通过考虑车辆的本身速度信息与周围环境的车辆运动信息,提高了预测精度,最后经过解码器得到未来时刻的车辆轨迹分布。结果表明,模型对车辆的轨迹预测误差在0.5 m以内;通过对轨迹预测的MAE与MSE结果分析可知,预测时间超过0.3 s以后,Informer模型的轨迹预测效果明显优于其他算法,验证了模型和算法的有效性。     

一类对偶自适应预测函数控制算法

针对未知参数系统的自适应预测函数控制,模型尚未辨识完成或外界干扰造成的模型不准确,会严重影响控制效果,并产生较大的超调和波动.由此,提出一类对偶自适应预测函数控制(Dtml Adaptive Predictive Function Control,DAPFC)算法.在模型辨识的过程中,通过辨识误差的大小,利用对偶控制方法来调整原有自适应控制律,尽可能地获取未知参数信息并抑制由于模型失配造成的控制量的波动.改善了系统在模型失配时的控制效果,并具有较强的鲁棒性.仿真结果表明,该算法具有良好的控制品质.     

A Progressive Deployment Strategy for Cooperative Adaptive Cruise Control to Improve Trafc Dynamics

Cooperative adaptive cruise control(CACC)vehicles are intelligent vehicles that use vehicular ad hoc networks(VANETs)to share trafc information in real time.Previous studies have shown that CACC could have an impact on increasing highway capacities at high market penetration.Since reaching a high CACC market penetration level is not occurring in the near future,this study presents a progressive deployment approach that demonstrates to have a great potential of reducing trafc congestions at low CACC penetration levels.Using a previously developed microscopic trafc simulation model of a freeway with an on-ramp—created to induce perturbations and trigger stop-and-go trafc,the CACC system s efect on the trafc performance is studied.The results show signifcance and indicate the potential of CACC systems to improve trafc characteristics which can be used to reduce trafc congestion.The study shows that the impact of CACC is positive and not only limited to a high market penetration.By giving CACC vehicles priority access to high-occupancy vehicle(HOV)lanes,the highway capacity could be signifcantly improved with a CACC penetration as low as 20%.     

非线性自适应拥塞控制算法研究

研究丢弃概率的变化率与队列长度稳定性间的关系,分析ARED算法及REM算法的丢弃概率计算函数,采用非线性化函数计算丢弃概率,提出一种非线性自适应拥塞控制算法(NLACCA),根据队列长度与目标队列长度中值的偏离程度动态地调整丢弃概率的变化率,从而减小队列长度波动,提高算法稳定性。在NS-2上进行的大量实验结果表明,该算法具有队列长度抖动性小、平均时延低、丢包数少等特点。     

自适应密集预测的模型算法控制

本文中提出了一种新的预测控制策略:在一个模型采样周期内(本文中定义)进行数次预测控制。     

多优先级自适应片上网络路由算法设计

提出一种适用于二维网格结构的片上网络(NoC)路由算法,该算法具有自适应性与最短路径的特点.采用多种优先级对数据进行裁决并传输,能提高系统的吞吐量,降低网络延迟.通过采用NIRGAM仿真平台对算法进行仿真,在4×4网格结构下,与其他NoC路由算法进行性能对比,结果显示该算法在热点模式下具有优势.     

液压釜温度自适应预测控制

详细介绍了液压釜温度系统自适应控制方案、误差分析及实际应用调试情况.应用全系数自适应控制理论及模型预测控制原理设计了一种新的自适应预测控制方案,并给出了控制算法的稳定性证明及闭环系统稳态误差和动态特性分析.实际应用表明,该方法对建模误差、系统延时及测量噪声具有较好的鲁棒性.     

基于Carsim和Simulink仿真的车辆模糊巡航控制器

设计一种基于模糊控制思想的四输入变量的汽车巡航控制器,将巡航控制分为速度控制和距离控制2部分,介绍所用到的汽车纵向动力学模型、模糊控制器的设计思想及模糊规则设计。通过Carsim与Simulink的联合仿真验证算法的高效性及对车辆控制的准确性。     

改善系统抗干扰性能的自适应双重控制算法

针对系统发生较大扰动时常规的控制算法难以取得理想控制效果的问题,提出了一种基于自适应双重控制理论的解决办法。该算法充分利用了自适应双重控制能够快速跟踪参考轨迹,并且在系统模型失配的情况下不产生大的超调和波动的特点,并将控制算法加以改进,解决了系统对象剧烈变化的问题,改善了系统的抗干扰能力。仿真结果表明,该算法可以有效克服系统剧烈变化引起的大幅度波动,表现出良好的控制品质。     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制(MPC)的轨迹跟踪控制算法.针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器.仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有...     

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。