四轮线控转向系统的转向控制策略研究

为了控制汽车的质心侧偏角,同时保持汽车的转向增益不变,研究了四轮线控转向系统的后轮转向控制策略和前轮转向控制策略.首先建立了四轮转向整车二自由度模型,然后基于稳态质心侧偏角为零得到两种后轮转向控制策略:与前轮转角成比例型和横摆角速度反馈型,前者不改变系统极点,后者改变系统极点.基于转向增益不随车速改变得到二者的前轮转向控制策略.仿真表明,提出的前轮转向控制策略可以保持固定转向增益,降低驾驶员负担;后轮转向控制策略可以实现零质心侧偏角稳态值,控制车辆姿态,改善操纵稳定性.     

虚拟轨道列车全轮主动转向控制研究

针对多铰接式虚拟轨道列车的转向问题,基于后车跟随首车行驶轨迹运行的思路,提出了一种全轮主动转向控制方法.首先,利用移位寄存器储存首车的行驶轨迹作为目标路径;其次,根据车体后轴实际路径和目标路径间的横向偏差量,基于PID控制器和Stanley算法确定车体后轮转角,进一步利用阿克曼转向几何原理计算后车前轮的转角;最后,搭建TruckSim与Matlab/Simulink联合仿真平台,结合典型工况进行仿真分析.仿真结果表明,本文设计的控制方法有效提高了拖车模块对牵引车模块的跟随性能,减小了车间铰接处的作用力、车体的质心侧偏角和轮胎侧向力,从而提高了列车在转弯时的稳定性.     

基于矢量空间纯电动车三自由度建模与验证

建立电动车运动坐标系,利用矢量空间数学工具和刚体力学原理,建立四轮独立转向、四轮独立驱动的电动车运动学数学模型,模型包含了纵向、侧向、横摆3个自由度。同时根据直流无刷轮毂电机的电气特性建立了轮毂电机的数学模型。模型使用了课题组试验车的参数,在相同的油门输入与方向盘输入的情况下,分别做了实车实验与模型仿真实验,采集两组实验输出的速度、横摆角速度、质心侧偏角数据。通过比较试验车与仿真模型输出的数据验证了数学模型的准确性。利用已经建立的数学模型,研究高速状态下后轮转角对电动车的横摆角速度和质心侧偏角的影响,从实验结果可以看出,实施对后轮转角的控制可以有效改变电动车的横摆特性和质心侧偏角特性。此外,论文对模型的局限性进行了分析,明确该数学模型适用的场合以及使用该模型时应注意的事项。     

4WS整车虚拟样机建模与动力学仿真

为了改善汽车在高速行驶转弯时的操纵稳定性,运用动力学仿真软件ADAMS,在其专业汽车模块ADAMS/CAR下研究了4WS汽车建模及其瞬态和稳态操纵动力学特性。以质心侧偏角和横摆角速度响应为评价指标,在角阶跃输入下高速转弯时,对前后轮转角成比例关系的4WS汽车和FWS汽车分别做了动力学仿真研究。对比分析了两者的质心侧偏角和横摆角速度响应特性,从分析结果得出,后轮主动参与转向,总体上有助于改善汽车在高速行驶转弯时的动力学响应特性,但是不同的因素也会对操纵稳定性产生不利的影响。     

主动前轮独立转向系统分析与研究

为了提高车辆的操稳性,提出了新型主动前轮独立转向系统,介绍了主动前轮独立转向的工作原理和结构形式,建立了系统数学模型;提出了主动前轮独立转向的控制策略,上层控制器采用PI控制,由横摆角速度偏差得出总控制转角,下层控制器负责内外侧转向轮的判断以及计算内外侧转向轮具体的转角;在仿真软件MATLAB/Simulink里进行了控制策略有效性仿真,仿真结果说明对于不足转向车辆,主动前轮独立转向系统能比传统的主动前轮转向系统更有效地提高车辆操纵稳定性。     

自动驾驶4WS车辆路径跟踪最优控制算法仿真

针对自动驾驶车辆高速主动转向工况下传统的控制算法的控制效果容易出现较多的超调量和较长调节时间的问题,提出了基于车辆动力学模型的轨迹预测跟踪主动转向控制算法,并基于轮胎侧偏刚度非线性的特性设计了权系数线性最优二次型(LQR)后轮转角控制算法,通过联合仿真对控制算法效果进行了验证。仿真结果表明:自动驾驶四轮转向车辆在低、高速工况下进行自主换道行驶时,算法控制效果满足汽车操纵稳定性要求,且权系数LQR后轮转向算法比定侧偏刚度的LQR线性控制算法有更优越的操控性能。     

非同轴两轮机器人自平衡与转向闭环控制

针对车速、车身侧倾角和前轮转角变化较大工况下的非同轴两轮机器人在基于前轮转角的自平衡控制中,因动力学模型准确性对自平衡控制带来的影响,设计了基于RBF神经网络模糊滑模控制的自平衡控制器,利用RBF神经网络的逼近特性,对动力学模型中非线性时变的不确定部分进行自适应逼近,从而提高动力学模型的准确性,并借助模糊规则削弱滑模控制中产生的系统抖振;以及因前轮转角用于自平衡控制中难以实现转向闭环控制,建立了基于纯跟踪法的轨迹跟踪控制器,并设计利用车身平衡时车身侧倾角与前轮转角的耦合关系,将转向闭环控制中的目标前轮转角替换为目标车身侧倾角,从而将自平衡控制器与轨迹跟踪控制器相结合,在保证车身平衡行驶的前提下,实现带有轨迹跟踪的转向闭环控制。实验结果表明,凭借动力学模型的较高准确性,RBF神经网络模糊滑模自平衡控制器具有鲁棒性好、超调量低和响应迅速的优点,并且利用车身平衡后车身侧倾角与前轮转角耦合关系,实现转向闭环控制是可行的,具有良好的轨迹跟踪效果。     

铁水包车多轴转向机构运动学分析与优化

多轴转向车辆转向机构必须协调各转向轮转角,以满足阿克曼转向原理,才能减少轮胎磨损,提高转向性能.建立了液压平板铁水包车多轴转向机构的运动学分析模型,对转向机构进行了运动学分析,分析结果表明该转向机构与阿克曼原理偏差较大.根据阿克曼转向原理和梯形转向机构特点,提出了改进的多轴转向机构方案,新的转向机构优化仿真结果表明,方案能够更好的协调转向轮转角,降低轮胎磨损,改进的转向机构比原转向机构方案能够更好的满足转向原理,结构更加简单.     

线控转向系统的主动转向控制策略研究

线控转向系统取消了转向盘和转向轮之间的机械连接,可以对前轮进行主动转向控制以增强操纵稳定性和主动安全性.通过使前轮线控转向系统的期望横摆角速度跟踪稳态质心侧偏角为0的四轮转向车辆的横摆角速度,设计线控转向系统的变传动比,主动控制前轮转角.通过时域响应、转向增益、开环总方差等指标对其进行了性能分析.结果表明:采用提出的主动转向控制策略时稳态质心侧偏角大大降低,开环总方差大大降低,从而提高了汽车的操纵稳定性.     

基于自适应RBF 网络补偿的智能车辆循迹控制

针对智能车辆这一复杂非线性时变系统的循迹控制问题,提出一种基于Lyapunov函数方法的RBF神经网络自适应补偿控制策略.首先建立了车辆循迹控制的动力学名义模型;然后利用RBF神经网络对车辆循迹控制名义模型的不精确部分进行自适应补偿;最后应用Lyapunov稳定性理论推导出RBF网络权值的训练规则并证明了控制系统的稳定性.仿真结果表明,该方法提高了循迹控制的精度,具有较高的可行性和实用性.     

Integrated vehicle dynamics management for distributed‐drive electric vehicles with active front steering using adaptive neural approaches against unknown nonlinearity

This paper proposes a new integrated vehicle dynamics management for enhancing the yaw stability and wheel slip regulation of the distributed‐drive electric vehicle with active front steering. To cope with the unknown nonlinear tire dynamics with uncertain disturbances in integrated control problem of vehicle dynamics, a neuro‐adaptive predictive control is therefore proposed for multiobjective coordination of constrained systems with unknown nonlinearity. Unknown nonlinearity with unmodeled dynamics is modeled using a random projection neural network via adaptive machine learning, where a new adaptation law is designed in premise of Lyapunov stability. Given the computational efficiency, a neurodynamic method is extended to solve the constrained programming problem with unknown nonlinearity. To test the performance of the proposed control method, simulations were conducted using a validated vehicle model. Simulation results show that the proposed neuro‐adaptive predictive controller outperforms the classical model predictive controller in tracking nominal wheel slip ratio, desired vehicle yaw rate and sideslip angle, showing its significance in vehicle yaw stability enhancement and wheels slip regulation.     

高速转向工况下的无人驾驶车辆路径跟踪

为提高无人驾驶车辆在高速转向工况下的路径跟踪精度与行驶稳定性,基于三自由度单轨车辆模型与模型预测控制理论,分析前轮转角约束对车辆跟踪精度与行驶稳定性的影响,提出一种自适应于侧向附着力的路径跟踪控制方法.以Pacejka'89魔术公式轮胎模型为基础,分析轮胎纵向受力,以此推算轮胎的侧向附着力,从而建立前轮转角约束随车辆状...     

Integrated stability control of AFS and DYC for electric vehicle based on non-smooth control

A controller which ensures the driving stability of a four-wheel-independent-drive electric vehicle (4WID-EV) is designed in this paper. The controller is structurally hierarchically designed. In order to keep the 4WID-EV running steadily, an upper-level controller integrating the active front-wheel steering control method (AFS) and direct yaw moment control method (DYC) is designed to keep the sideslip angle and yaw rate tracking the ideal values. A non-smooth control method is used to improve the closed-loop system's convergence and anti-disturbance performance. The additional yaw moment generated by the upper-level controller is distributed to four driving wheels by the lower-level controller. An optimal control algorithm is used in the lower-level controller to achieve the minimum sum of tire utilisation, and ensure the power performance and driving stability of the 4WID-EV. In order to verify the effectiveness of the designed controller, a simulation model of the stability control system is established based on Carsim-Matlab/Simulink. And the simulation is performed under double lane change road considering the disturbances. The results of the simulation show that the 4WID-EV with the designed controller achieves smaller sideslip angle than sliding-mode control and the actuator chatter is slight. Then the stability and safety of the 4WID-EV are greatly improved.     

汽车操纵稳定性的自适应控制策略研究

针对汽车系统的非线性和参数不确定性,设计了一种“前馈+反馈”自适应神经模糊控制器,通过ESP和AFS的协调控制来提高汽车操纵稳定性.ESP反馈控制器采用模糊控制策略,以横摆角速度和质心侧偏角为控制目标;AFS前馈控制器采用径向基神经网络控制,以反馈控制器的输出作为误差进行学习,从而实现自适应控制.仿真结果表明,上述控制策略是可行和有效的,能显著改善汽车在高速或湿滑路面上的操纵稳定性.     

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效提高。在此基础上,又提出了一种自适应的轨迹跟踪控制策略,能够根据车辆速度的变化,实时产生预测时域[(Hp)],分别设计自适应的MPC控制器与4组定值[Hp]的MPC控制器。仿真结果表明,基于自适应模型预测控制的轨迹跟踪控制算法在提高低附着且变速条件下智能车辆轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

基于RBF辨识的神经元PID直线伺服控制

针对永磁直线同步电动机(PMLSM)直接驱动的伺服系统,提出了一种基于RBF神经网络辨识的单神经元PID模型参考自适应的优化跟踪控制策略,解决了系统快速精确地跟踪与抗扰性能之间的矛盾.利用RBF神经网络作为辨识器,实现对被控对象Jacobian信息精确辨识,以基于二次型性能指标学习算法的单神经元自适应PID作为控制器,从而保证系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统快速跟踪性能的同时,对系统参数变化和负载扰动具有很强的鲁棒性.     

3RPS/UPS并联机器人神经网络观测器反演控制

为了增强4D互动立体游戏仿真模拟平台的刚度和运动性能，将带冗余结构的3RPS/UPS并联机器人应用其中。首先对其结构进行介绍及逆运动学分析，然后针对传统PID控制在控制精度方面的不足，提出了一种基于神经网络观测器的反演控制方法。最后利用MATLAB对其进行建模以及系统仿真实验，并与传统PID控制以及一般的RBF神经网络自适应控制进行对比。由仿真结果可以看出，根据RBF神经网络观测器估计系统状态值，并应用反演控制理论设计控制器，能实现很好的状态观测，从而实现无需速度信号的位置跟踪。该方法也能够在一定程度上提高精度，且其整体控制效果优于传统PID控制器，相比于一般的RBF神经网络自适应控制也有了一定的改进。