智能汽车路径跟踪混合控制策略研究

针对传统单一控制算法无法有效协调智能汽车不同转向工况下横向控制性能要求的问题,根据智能汽车在高速和低速转向工况下呈现出的系统特性差异,设计了一种基于PID控制和模型预测控制的智能汽车路径跟踪混合控制策略。该控制策略在低速模式下采用PID控制,在高速模式下则采用模型预测控制,通过车辆速度确定路径跟踪控制模式,进而设计带稳定监督的控制模式切换机制,实现了横向控制系统的平滑切换。基于Carsim和MATLAB/Simulink仿真平台对所设计的智能汽车路径跟踪混合控制策略进行了仿真验证,在此基础上,进一步完成了实车试验。仿真和实车试验结果表明,所设计的混合控制策略能够保证智能汽车不同速度下的路径跟踪性能,具有较好的跟踪精度、实时性和车辆行驶稳定性。     

基于模糊PID的智能车辆路径跟踪控制技术研究

在智能车辆路径跟踪控制研究中,提出了一种位置误差控制器,由期望横摆角速度生成器和模糊PID控制器组成。建立车辆的运动学及位置误差模型,在当前车辆质心与目标路径预瞄点间实时规划虚拟行驶路径。分析车辆沿虚拟路径行驶时期望横摆角速度的变化率的计算,代入车辆行驶状态及目标跟踪路径信息得到期望横摆角速度生成器。将期望横摆角速度生成器与模糊PID控制器结合,以双移线道路为目标跟踪路径进行联合跟踪仿真。仿真结果表明跟踪偏差主要发生在曲线道路与直线道路连接处,且车辆在低速下跟踪精度较高,稳定性好,中高速时跟踪精度及稳定性都降低。     

基于遗传算法的汽车紧急避让控制与优化

考虑轮胎侧偏特性的非线性,在MATLAB/Simulink中建立了非线性两自由度汽车紧急避让转向模型,并通过实车试验验证了模型的正确性。基于汽车操纵稳定性评价和单神经元自适应PID控制理论,得到了汽车紧急避让控制算法,实现了车辆以不同车速跟踪给定单移线,且结果良好。在此基础上,利用多岛遗传算法进行控制参数优化设计,以实现系统的最优控制。对控制参数优化前后的汽车以相同速度跟踪给定路径进行仿真计算。结果表明：以最优控制参数进行计算的路径跟踪精度更高,具有良好的鲁棒性和自适应性。     

采用状态反馈的无人车路径跟踪横向控制

针对采用传统模型预测控制器的车辆在弯道内跟踪精度难以保证的问题,本文提出了一种基于状态反馈的路径跟踪横向控制策略。基于车辆动力学模型,建立考虑轮胎滑移包络线约束条件的路径跟踪模型预测控制器,并根据车速选择合适的控制器时域参数;以车辆质心位置为控制点建立车辆跟踪误差模型,结合车辆当前位置横摆角偏差建立状态反馈调节器,通过LQR最优控制方法对无人车姿态进行校正。利用MATLAB/Simulink和Carsim软件对改进的状态反馈控制策略进行了仿真验证,典型双移线道路仿真试验表明:中低车速下车辆路径跟踪横向偏差降低了16%以上,横摆角偏差降低了33%以上,所设计控制器能够有效提高车辆路径跟踪精度,可保证车辆对变曲率弯道具有适应性和行驶稳定性。     

无人驾驶车辆路径跟踪控制预瞄距离自适应优化

基于道路信息,使用驾驶员预瞄模型产生执行器输入是无人驾驶车辆在路径跟踪中使用的主要方法之一,但对于车速较高与转弯半径小等工况,模型误差会导致较差的驾驶舒适性,车辆甚至失去稳定性。为提高无人驾驶车辆路径的跟踪精度,同时兼顾转向频度和车辆稳定性,提出基于粒子群多目标优化（Particle swarm optimization,PSO）算法的预瞄距离自适应驾驶员模型,并将之应用于路径跟踪控制。首先,基于单点预瞄偏差模型,采用滑模变结构设计转向控制器;其次,以路径跟踪精度、转向频度和车辆稳定性为综合性能指标,设计了PSO优化算法,实现了驾驶员模型预瞄距离的自适应寻优。最后,在搭建的CarSim-Simulink联合仿真平台与台架试验上,对所提出的预瞄距离自适应驾驶员预瞄模型进行了仿真和硬件在环试验验证。结果表明,经优化后的预瞄距离能够适应不同车速和道路曲率,驾驶员预瞄模型能兼顾路径跟踪精度、转向频度和车辆稳定性等需求。预瞄距离自适应驾驶员模型结合道路与车速信息,增大对路况与车况适应性,为无人驾驶车辆路径跟踪控制提供可靠的输入。     

基于转角补偿的智能车辆循迹控制系统

文中提出了一种转角补偿智能车辆循迹控制系统。系统由纯追踪控制器和转角补偿控制器组成。PP控制器直接控制车辆跟踪路径;转角补偿控制器基于PI控制理论,综合考虑行驶偏差及道路曲率进行转向角补偿,其参数采用模糊控制理论实现自适应调节,进一步改善系统跟踪性能。仿真和试验结果表明:较于传统PP循迹系统,该系统在不同车速下横向偏差峰值降低了50%以上,方向偏差峰值降低了20%以上,路径跟踪性能显著提升。     

基于遗传算法的混合动力汽车前向仿真驾驶员模型参数优化

建立了采用PI控制的混合动力汽车前向仿真驾驶员模型,针对传统方法难以整定PI控制器控制参数的问题,提出了基于遗传算法优化PI控制器控制参数的方法,给出了遗传算法的目标函数及其实现过程。仿真结果表明,基于遗传算法优化控制参数的驾驶员模型,能够使得实际车速很好地跟踪循环工况目标车速。     

视觉导航智能车辆的路径跟踪预瞄控制

视觉导航智能车辆通过机器视觉获取导航路径信息并进行自动跟踪。常规的反馈控制仅利用当前的路径信息,在复杂条件或突发状况下难以有效工作。通过对在线获取的具体路径信息进行预瞄,可以对未来的路径信息加以利用,从而提高智能车辆行驶的安全性和有效性。为此,在获取的路径信息中确定当前路径和未来路径分别用于反馈和预瞄,并设计预瞄加反馈的控制器。该控制器能够自动根据预瞄路径的弯曲程度调整智能车辆的预瞄距离和行驶速度,从而提高跟踪精度和行驶稳定性。仿真和试验结果表明,该控制器与一般反馈式控制器相比跟踪误差较小,行驶更稳定。     

智能汽车的路面附着极限横向轨迹跟踪控制

在极限轮胎-路面条件下,智能汽车的横向操纵性能急剧恶化,增加了自动驾驶系统的控制难度。现有研究主要聚焦智能汽车轨迹跟踪的性能,但是难以解决低附着路面、紧急避障等极限工况下的智能汽车轨迹跟踪时的安全性和稳定性。利用模型预测控制方法实现了智能汽车的轨迹跟踪,同时保证智能汽车行驶稳定性和安全性,仿真试验同样表明该控制器具有较好的鲁棒性。结合二次型代价函数和安全约束构建了轨迹跟踪的开环最优预测控制问题,通过约束车辆的前后轮侧偏角,保持极限工况下智能汽车的行驶稳定性。研究方法与结果可为智能汽车设计提供参考。     

融合稳定性的分布式驱动电动汽车路径跟踪控制策略研究

提出了一种融合车辆稳定性的路径跟踪控制策略,以提高分布式驱动电动汽车在高速、低附着等危险行驶工况下的路径跟踪精度和车辆稳定性,该控制策略包括路径跟踪控制层、稳定性控制器决策层、驱动轮转矩分配层。针对LQR路径跟踪控制器在高速大曲率工况下跟踪精度不足的问题,采用闭环PID矫正驾驶员模型补偿车辆前轮转角,并设计稳定性控制器用以跟踪车辆理想参考模型,基于模型预测控制算法决策出附加横摆力矩,同时以轮胎负荷率最小为目标优化车轮驱动转矩分配。利用自主开发的分布式驱动电动试验车分别在高速高附着和高速低附着双移线工况进行试验。结果表明：相对于只运用闭环PID矫正的LQR路径跟踪控制器进行路径跟踪,车辆在干燥的混凝土路面以90 km/h速度行驶时,融合车辆稳定性的路径跟踪精度的横向均方根误差降低了29.7%;车辆在潮湿沥青路面以70 km/h速度行驶时,均方根误差降低了10.3%。所提控制策略能够提高车辆的路径跟踪精度,满足车辆在危险行驶工况下的横摆稳定性。     

智能汽车换道避障路径规划与跟踪控制研究

为了提高智能汽车行驶安全性,研究了智能汽车换道避障路径规划与跟踪控制问题。在路径规划方面,给出了换道避障决策过程,提出了等速偏移函数与正弦函数加权叠加的路径规划方法,经验证此路径满足曲率约束条件;建立了车辆运动学和动力学模型,使用位姿误差方程求解了期望横摆角速度;在路径跟踪方面,将RBF神经网络与滑膜控制结合,提出了神经滑膜控制器;经仿真验证,相比于传统滑膜控制器,神经滑膜控制器不仅减弱了抖振现象,而且对路径跟踪的纵向偏差降低了200%,方向偏差降低了300%,且神经滑膜控制器鲁棒性很好。     

采用状态扩展MPC与转角补偿的无人车路径跟踪控制

采用传统模型预测控制（MPC）的无人车难以同时保证路径跟踪精度和实时性,针对此问题,本文设计了一种采用状态扩展MPC与转角补偿的路径跟踪控制器。建立了车辆三自由度动力学模型,设计了基于状态扩展的双反馈MPC控制器,并根据车速调整控制器参数;建立了车辆-道路跟踪模型,根据车辆横向和航向偏差设计了转角补偿模糊控制器;利用MATLAB/Simulink和Carsim软件对所设计的路径跟踪控制器进行联合仿真分析。结果表明：相比采用传统MPC控制器的车辆,在中、低车速下,状态扩展MPC控制器的控制增量求解时间平均值降低14%以上,路径跟踪控制器跟踪道路的横向和航向偏差最大值分别降低23%和17%以上,具有较好的路径跟踪性能。     

四轮驱动电动汽车转向行驶自适应预测控制

为改善四轮驱动电动汽车在转向行驶工况下因车速较快导致的横向稳定性下降问题,提出了一种基于模型预测控制(Model Predictive Control, MPC)的自适应预测控制方法。在建立车辆三自由度模型、轮胎模型和驾驶员模型的基础上,通过结合模型预测控制和比例积分微分(Proportional Integral Derivative, PID)控制,设计了自适应预测控制器,以实现四轮驱动电动汽车横向稳定控制。通过CarSim软件与Simulink软件进行联合仿真,结果表明,与传统PID控制相比,自适应预测控制的侧向位移减小了7.9%,横摆角速度降低了37.5%,所提出的控制方法有效提高了期望路径的跟踪精度,改善了四轮驱动电动汽车在转向行驶过程中的横向稳定性。     

三轴汽车前后轮转向时的侧向动力学控制

基于三轴汽车前后轮转向时的闭环控制确定性模型 ,探讨了该汽车在典型的组合路面行驶过程中后轮的最优转向控制规律 ,通过引入状态反馈 ,改善了整车的转向特性。将实际汽车的前后轮胎侧偏刚度及外界干扰视为有界的不确定性参数 ,采用模型跟踪变结构控制方法 ,使得不确定的实际汽车模型能够很好地跟踪确定性的最优理论模型。仿真结果表明该方法的可行性 ,控制系统能够有效地克服参数摄动及外界干扰对系统稳定性的影响     

四轮独立驱动EV自校正转向控制研究

针对四轮独立驱动电动汽车转向控制效果与所搭建车辆动力学模型参数紧密相关的问题,提出一种车辆动力学模型参数自校正转向控制系统设计方法。采用递推最小二乘法对车辆动力学模型关键参数进行实时辨识,有效地解决了车辆动力模型参数时变及非线性扰动影响的问题。设计加权最小方差自校正车辆转向控制器,实现对车辆转向横摆稳定性进行实时优化的目标。通过建立加权最小方差控制目标函数,计算出优化横向稳定性所需附加横摆力矩,并实时修正车辆四轮独立驱动转矩,有效提升了四轮独立驱动电动汽车转向工况操纵稳定性。搭建CarSim与Matlab/Simulink联合仿真平台,对所设计自校正四轮转向控制系统进行仿真分析验证。仿真结果表明,该加权最小方差自校正转向控制器能有效提升四轮独立驱动电动汽车的行驶稳定性。     

四轮转向智能车辆轨迹跟踪及稳定控制研究

为了改善智能车辆轨迹跟踪过程中的行驶稳定性,针对四轮转向车辆提出了一种轨迹跟踪及稳定控制方法。首先建立了车辆三自由度动力学模型,然后应用模型预测控制算法设计轨迹跟踪控制器。考虑了四轮转向车辆的动力学特性和不同路面附着对轮胎侧偏角控制的影响,在跟踪算法中引入零质心侧偏角控制和动态轮胎侧偏角边界控制方法,实现车辆的稳定控制。最后,通过对接路面工况下的仿真,验证了所提出的控制方法能够保证车辆在轨迹跟踪过程中具有良好的稳定性。     

车辆紧急避让路径跟踪神经网络自抗扰控制

高速车辆自动紧急避让技术能够提高车辆行驶的安全性。在高速车辆紧急避让过程中,由于外界干扰不确定等因素,参数固定的自抗扰控制器存在控制精度较差、效果不尽人意的问题,针对这一问题提出了一种基于神经网络的自抗扰控制方法。以车辆二自由度模型为基础,设计了二阶自抗扰控制器,利用神经网络在线整定三阶扩张状态观测器参数,并嵌入到自抗扰控制器中,同时考虑车辆避让过程中存在侧向加速度过大、曲率不连续等问题,采用Sigmoid函数进行路径再规划。Carsim/Simulink联合仿真结果表明,在不同车速下外界不同侧向风速干扰时,神经网络自抗扰控制器较常规自抗扰控制器路径跟踪精度高、鲁棒性好,且在100km/h车速下60km/h侧向风干扰时,两者最大跟踪误差分别为9.82%、58.70%。     

重型车辆防侧翻控制研究

针对重型车辆极限工况下易侧翻问题,建立重型车辆三自由度模型,并利用Trucksim建立被控重型车辆模型,以横摆角速度跟踪误差定义积分形式的切换函数,设计一种基于差动制动的模糊滑模控制器。当横向载荷转移率(LTR)超过侧翻因子时,模糊滑模控制求解出车辆所需的目标横摆力矩,根据制动轮选取逻辑对车轮差动制动。通过Trucksim和Simulink对重型车辆防侧翻控制器进行联合仿真,结果表明该控制器提高了车辆在行驶过程中抗侧翻能力,保证了车辆良好的操纵稳定性和路径跟踪能力。     

基于参数时变人工势场的车道保持协调控制

针对传统人工势场法应用于车道保持系统时控制精度不高的问题,提出一种基于变参数道路势场的车道保持辅助控制方法。首先考虑汽车状态对车道保持控制的影响,引入汽车纵向车速和侧向车速两个变参数用于构建道路势场函数,通过势场梯度求解期望转向角。利用轨迹预测理论确定势场函数的设计参数,再建立包含变参数的路径跟踪误差变量状态方程模型,并分析闭环控制系统的稳定性。在此基础上,设计车道保持辅助转矩控制器,并考虑控制过程中的人机协调问题,以驾驶员转矩及其意图路径为输入,利用模糊规则动态地调整辅助控制权重。基于Matlab/Simulink和CarSim软件平台对所提出的控制方法进行仿真试验,其结果表明,该方法能够有效地提升车道保持控制精度,同时获得较好的人机协调性能。在CarSim/LabView硬件在环试验台架上对该方法进行试验验证,所得结论与仿真基本一致。     

智能汽车避障路径规划与跟踪控制研究

为了提高智能汽车行驶安全性,提出了基于人工水滴算法的避障路径规划和自适应路径跟踪控制方法.在路径规划方面,模拟水往低处流过程,提出了基于人工水滴算法的路径规划方法,经验证,人工水滴算法在动静态环境下都能够规划出避障路径.在路径跟踪方面,设计了转向控制与速度自适应控制的综合控制器;基于车辆线性二自由度模型,提出了模型预测转向控制;结合预瞄模型和二次规划方法,提出了速度随行驶路况自适应控制方法.经绕桩实验验证,本文提出的综合控制方法最大横向跟踪误差为0.1m,文献[11]提出的控制方法最大横向误差为0.6m,是本文方法的6倍,说明了综合控制器在路径跟踪控制中的精确性,且综合控制器的横摆角速度、侧向加速度均在约束范围内,满足国家标准对车辆的安全性要求.