智能四轮转向车辆稳定车道线保持串级控制

为实现四轮前后轮转向车辆的稳定车道线保持控制,提出集成直接横摆力矩和车道线保持的串级控制策略.主控制器实现车道线保持前轮转角控制.副控制器实现车辆稳定性控制.主控制器基于MPC(model predictive control)算法控制车辆前轮转角,通过调整前轮转角使得横向位置偏差和航向角偏差最小.主控制器的车辆前轮转角作为副控制器的输入,计算期望滑移角和期望横摆率.车辆后轮转角和横摆力矩作为副控制器控制输入,基于LQ(linear quadratic)算法计算补偿车辆后轮转角和横摆力矩,实际车辆滑移角和实际横摆率跟踪期望滑移角和期望横摆率.车辆的前轮转角、后轮转角和横摆力矩作为控制输入,在副控制器实现车辆稳定性控制基础上,主控制器实现准确地车道线保持控制,保证智能车辆在车道内自主安全行驶.仿真结果表明,该串级控制策略的有效性,提高了智能车辆车道线跟踪的准确性,也提高车辆的稳定性和操纵性.     

基于状态反馈的线控转向系统控制策略研究

研究汽车转向稳定性控制问题.针对线控转向系统的可变转向特性对汽车操纵稳定性的影响,为保证行驶安全,建立基于车辆横摆角速度与稳态横摆角速度之差(反馈系数F1)以及车辆侧向加速度与理想侧向加速度之差(反馈系数F2)反馈的驾驶员模型.结合整车模型和综合评价指标函数,分别对反馈系数F1(F2=0)、F2(F1 =0)和F1、F2进行优化,对线控转向系统的行驶状态进行仿真并与无反馈控制的驾驶员模型进行了比较.仿真试验结果表明:基于侧向加速度与横摆角速度共同反馈的方法,对前轮转角进行补偿,可较好的控制车辆的侧向位移、侧向加速度、横摆角速度和质心侧偏角,提高车道跟踪性能、方向稳定性能、降低驾驶员的转向负担,提高汽车的操纵稳定性.     

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。     

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。     

车辆稳定控制中的合力计算与分配

控制地面作用于车辆的纵侧向合力与横摆转矩并将其分配到4个车轮,是车辆平面运动稳定控制的方法之一.路面的附着极限决定了合力与横摆转矩的可行域,是该方法的约束条件.本文分析了轮胎的受力特点,在摩擦椭圆理论的基础上,给出了简化的纵侧向力耦合关系.利用非线性规划方法和大量的数值计算,解决纵向合力与横摆转矩可行域的实时估计问题.构造了一种控制结构,外环控制器计算可行的纵向合力与横摆转矩;内环控制器首先将纵向合力优化分配到4个车轮,然后通过调节前轮转角使横摆转矩跟踪期望值.仿真结果表明,采用本文提出的方法对车辆进行控制,能够实现横摆角速度的快速准确跟踪,并使车辆具有良好的操纵稳定性.     

山区道路车辆动力学模型与行车安全分析

针对道路的几何线形,特别是纵坡坡度与弯道半径对车辆行驶状态的影响,建立了车路耦合的8自由度山区道路行驶的车辆动力学模型以及Dugoff轮胎力模型.结合车载GPS/IMU的测量信息,解算了不同车轮的滑移率以及垂直载荷,并通过横向载荷转移率(LLTR)对车辆的行驶稳定性进行分析.结果表明:车辆行驶过程中的侧向加速度与道路纵坡坡度以及车辆重心高度与宽度的比率h/T有关,坡度越陡,h/T越大,侧向加速度越大,车辆的行驶稳定性越差,降低车辆的行驶速度与侧向加速度可提高车辆的行驶稳定性.     

考虑侧倾的无人车NMPC轨迹跟踪控制

针对高速行驶工况下,无人车转弯时的侧倾易导致车辆模型非线性程度增加,引起轨迹跟踪精度下降和状态失稳的问题,设计一种考虑车辆侧倾因素,基于非线性模型预测控制(NMPC)的无人车轨迹跟踪控制器.根据拉格朗日分析力学和车辆运动学,考虑车辆侧倾几何学和载荷转移效应,建立考虑侧倾因素的非线性车辆模型,包括车体动力学模型和修正的“Magic Formula”轮胎模型;基于此车辆模型,构建非线性模型预测控制器(NMPC)的预测模型,并设定控制器的线性、非线性约束,以保证车辆的运动状态处于稳定区域内.在Carsim和Simulink联合仿真平台上,验证车辆高速蛇形工况和双移线工况下的轨迹跟踪控制效果,仿真结果显示,所设计的控制器可有效改善高速弯道工况下的跟踪精度和车辆状态稳定性.     

横摆力矩和主动前轮转向结合的车辆横向稳定性模糊控制仿真

提出一种基于横摆力矩和主动前轮转向相结合的车辆横向稳定性控制方法,以横摆角速度和侧偏角为控制目标,利用前馈补偿和模糊控制产生横摆力矩和附加的前轮转角,通过控制制动力的分配以及对转向角的修正,使车辆转向行驶时的横摆角速度和侧偏角很好地跟踪参考模型.对转向轮阶跃输入和正弦输入两种工况分别进行了仿真研究,采用横摆力矩和主动前轮转向相结合控制方法,车辆转向时的瞬态及稳态响应优于单独的横摆力矩控制,表明该方法能有效地控制车辆横摆角速度和侧偏角,提高车辆转向时的横向稳定性,同时能有效地减轻驾驶员操纵负担.     

基于变传动比的线控转向前轮转角控制

提出一种基于混合智能变传动比技术的前轮转角控制算法;分析了车辆转向性能和转向稳定性的影响因素,利用模糊神经网络设计以控制车辆转向性能为重点的传动比控制器,利用直线拟合方法设计以转向稳定性为重点的传动比控制器,然后应用模糊软切换技术对两传动比进行切换融合,最终得出兼顾转向性能和转向稳定性的恰当总传动比;利用该传动比直接控制前轮转角,并将控制策略进行仿真实验;实验结果表明总传动比不仅在数值范围和曲线形状上更接近理想传动比,而且将对应的峰值速度控制在110km/h左右,优于其他两个分传动比的控制效果;用该传动比控制的整车稳定性和前轮路径跟踪能力较好,可见整个控制策略的有效性。     

基于阿克曼原理的4WID/4WIS汽车循迹控制研究

针对四轮独立驱动、独立转向汽车循迹控制精度和转向稳定性兼容问题,同时考虑减小轮胎磨损,延长轮胎使用寿命,本文基于阿克曼转向原理和RBF神经网络PID理论,提出了一种自适应的循迹控制方法.首先,设计了基于RBF神经网络PID理论的自适应转向控制器,用于控制前内轮转角,保证循迹精度;其次,后内轮以减小质心侧偏角为目标进行辅助转向,保证转向稳定性;接着,基于阿克曼转向原理,确定外轮转角,保证各轮侧偏力分配合理;最后,采用同一瞬心法,确定各车轮转速,以减小轮胎滑动率.本文搭建了CarSim和MATLAB/Simulink联合仿真平台,进行了仿真实验,结果表明：本文提出的循迹控制方法,不仅能获得较小的循迹偏差和质心侧偏角,保证了足够的循迹控制精度和转向稳定性,同时还减小了轮胎滑动率,有利于减小轮胎的磨耗.     

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.     

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。     

Vehicle Dynamics Modeling and Electronic Stability Program/ Active Front Steering Sliding Mode Integrated Control

Chassis integrated control can significantly improve vehicle handling stability and comfort. Because of the complexity of the problem, it has attracted significant research attention. We built a vehicle nonlinear dynamic model with multi‐degree freedom, including body movement, wheel movement, and electronically controlled hydraulic power steering system. We compared the magic formula tire model, Dugoff tire model, brush tire model, and LuGre dynamic friction tire model and steady model. The precision of the model was verified by a comparison between simulation results and the real vehicle test results. Then, based on the vehicle dynamics model, an AFS (active front steering) controller was designed based on sliding mode variable structure control, and an AFS and ESP (electronic stability program) integrated coordination controller was proposed. Finally, based on the nonlinear tire model and multi‐DOF (degree of freedom) vehicle model, sinusoidal and step steering angle input simulation analysis was proposed on different road friction coefficients. The results show that the vehicle has better response characteristics with coordinated control strategy when compared with AFS and ESP only control. The evidence suggests that the proposed integrated control system in this paper can improve vehicle stability and safety.     

考虑参数不确定性的移动机器人轨迹跟踪控制

针对移动机器人系统中轮胎半径和轮胎间距存在的参数不确定性问题,提出自适应轨迹跟踪控制方法.首先,推导适合进行自适应控制器设计的系统误差模型,将原有控制问题转化为不确定参数的自适应更新率和虚拟控制输入的设计问题;然后,针对系统中的不确定性参数,设计自适应更新率对其进行在线估计,并设计虚拟的控制输入,得到移动机器人驱动电机的左右轮转速;其次在Lyapunov稳定性框架下证明闭环跟踪误差系统的渐近稳定性和估计误差系统的稳定性;最后通过仿真和实验表明,所提出方法能够通过在线学习估计出参数真实值,使得实际运行轨迹收敛到参考轨迹,同时表明所提出方法能够抑制系统参数不确定性对控制系统的影响.     

车辆主动转向系统的鲁棒控制器设计研究

本文将H2/H∞鲁棒控制理论应用于电动助力转向系统的控制策略研究,在建立前轮转向理想跟踪模型基础上,提出一种基于H2/H∞模型跟踪技术的主动转向控制方法,并对设计的控制器进行仿真分析与对比.通过仿真分析,从理论上验证基于H2/H∞跟踪控制理论的转向控制器可以适用于汽车的EPS转向系统,能很好地跟随理想车辆转向模型,有利于提高车辆的主动安全和稳定性.     

分布式汽车驱动力能量效率优化分配控制

充分利用分布式驱动汽车信息源多的特点,根据扩展卡尔曼滤波算法（EKF）建立观测器对车轮侧向力进行在线估计。通过改进的车辆线性二自由度模型制定系统控制目标,依据车轮侧向力观测值设计了基于滑模变结构控制的直接横摆力矩控制器。全轮驱动力综合优化分配策略同时考虑了轮胎负荷率与驱动电机效率,完成了对车轮稳定性与能量效率的耦合控制。通过Carsim-Matlab/Simulink的仿真表明,整个系统实现了对车轮侧向力的准确估计,提高了目标直接横摆力矩计算的准确性。驱动力综合优化分配在提高车辆路面附着余量的同时也提高了各驱动电机的综合效率,进一步提高了车辆的能量利用效率。     

四轮转向车辆转向解耦的双点跟踪控制

针对四轮转向(4WS)无人车辆路径跟踪中的过约束问题, 本文提出一种前后轮转向解耦的双点跟踪控制策略. 建立4WS车辆单轨运动学模型, 约束前后轮转向角速度, 规划曲率连续的回旋曲线参考位姿序列, 将其解耦为前后轴中心的双点参考轨迹; 以前后轮中心点为控制点, 采用非线性反馈控制的预瞄方法分别获得转向控制率, 双点跟踪误差指数收敛于0. 仿真和实车验证结果表明, 所提出的双点跟踪控制策略横向误差标准差减少0.2 m, 横摆角误差标准差减小3.0?, 具有更大的前后轮转角控制域和较高的跟踪精度