基于可拓优度评价的智能汽车横向轨迹跟踪控制方法

针对复杂工况横向控制精度低、稳定性差的问题,提出了一种基于可拓优度评价的智能汽车横向轨迹跟踪控制方法,创新采用可拓优度评价控制方法,设计了两层结构的横向轨迹跟踪控制系统。上层控制器包括基于预瞄偏差的PID反馈控制和基于道路曲率的PID前馈-反馈控制;下层控制器利用可拓优度评价方法来评价上层两控制器的优劣,根据实时的车辆-道路系统状态,选择优度高的控制器输出值,从而实现智能汽车横向轨迹跟踪控制功能,不论是小偏差、小曲率工况,还是大偏差、大曲率工况,都能达到良好的控制效果,提升了智能汽车横向控制系统的工况适应性和可靠性。仿真结果表明,与单一PID反馈控制相比,采用优度评价控制时,横向位置偏差和航向偏差分别减小了16.67%和12%。     

基于鲁棒反馈控制理论的路径跟踪控制器设计

为了提高智能车辆路径跟踪的精确性和鲁棒性，基于李雅普诺夫稳定性（Lyapunov Stability）理论设计了鲁棒反馈路径跟踪控制器，运用舒尔（Schur）补引理并求解线性矩阵不等式（LMI）得到控制系统的反馈矩阵。通过搭建CarSim/Simulink联合仿真平台将鲁棒反馈控制器与线性二次型调节器（LQR）进行对比分析，以不同的车速分别在不同附着系数的路面上进行仿真，验证所设计控制器的性能。仿真结果表明：在不同路面和车速工况下，相较于LQR控制器，基于李雅普诺夫稳定性理论的鲁棒反馈控制器具有更高的控制精度，同时具有更强的鲁棒性。     

基于可拓切换控制方法的智能车辆车道保持系统研究（双语出版）

针对道路曲率变化范围较大时，智能车辆在大曲率道路工况车道保持控制精度低的问题，提出一种基于可拓切换控制理论的智能车辆车道保持控制系统，该车道保持系统由上层可拓控制器和下层控制器两部分组成。在上层可拓控制器中，通过车道线检测得到车辆相对于道路的位置信息和道路曲率信息。根据可拓集合理论，选取预瞄点处横向位置偏差和前方道路曲率值作为可拓集合的特征值并划分可拓集合，求解关联函数，并根据关联函数值将车辆-道路系统状态分为经典域、可拓域和非域。在下层控制器中，在经典域采用基于横向位置偏差和航向偏差的PID反馈控制器，在可拓域中采用基于前方道路曲率的PID前馈-反馈控制器，非域中车辆-道路系统处于完全失控状态，采取紧急制动。2种仿真工况结果表明：相比于单一PID反馈控制，提出的车道保持控制系统，有效抑制了在大曲率道路下的跟踪误差值，提高了智能驾驶汽车在时变曲率的道路工况下车道保持控制精度和工况适应性。     

基于可拓切换控制方法的智能车辆车道保持系统研究

针对道路曲率变化范围较大时,智能车辆在大曲率道路工况车道保持控制精度低的问题,提出一种基于可拓切换控制理论的智能车辆车道保持控制系统,该车道保持系统由上层可拓控制器和下层控制器两部分组成。在上层可拓控制器中,通过车道线检测得到车辆相对于道路的位置信息和道路曲率信息。根据可拓集合理论,选取预瞄点处横向位置偏差和前方道路曲率值作为可拓集合的特征值并划分可拓集合,求解关联函数,并根据关联函数值将车辆-道路系统状态分为经典域、可拓域和非域。在下层控制器中,在经典域采用基于横向位置偏差和航向偏差的PID反馈控制器,在可拓域中采用基于前方道路曲率的PID前馈-反馈控制器,非域中车辆-道路系统处于完全失控状态,采取紧急制动。2种仿真工况结果表明:相比于单一PID反馈控制,提出的车道保持控制系统,有效抑制了在大曲率道路下的跟踪误差值,提高了智能驾驶汽车在时变曲率的道路工况下车道保持控制精度和工况适应性。     

极限工况下无人驾驶车辆稳定跟踪控制

针对无人驾驶车辆在极限工况下跟踪控制精度和稳定性均难以保障的问题,提出一种纵横向稳定性综合协调控制方法。首先对无人驾驶车辆在摩擦极限下的速度进行规划,通过纵向加速度前馈和状态反馈控制器实现极限车速下的速度跟随。其次将预瞄前馈与人工势场反馈相结合设计了横向路径跟踪控制器。提出了基于期望与实际横摆角速度偏差的稳定性控制策略,优化纵向控制的驱动力矩。Simulink/Carsim联合仿真结果表明,所提出的纵横向协调稳定控制方法可在极限工况下改善无人驾驶车辆瞬态响应,抑制道路曲率突变处的超调量,减少路径跟随中的稳态误差,提高了无人驾驶车辆的轨迹跟踪精度和弯道运动过程中的横向稳定性。     

基于纯追踪模型的算法改进

针对前视距离随速度、跟踪偏差变化而调整的问题,将模糊控制器应用与纯追踪算法线性拟合公式中速度增益系数的调节。把横向偏差和航向偏角作为模糊控制器的输入量,利用驾驶经验制定模糊控制规则,输出速度增益系数,从而得到更为合理的前视距离,以达到理想的跟踪效果。在直线道路和定曲率道路上,对传统纯追踪算法和改进后的纯追踪算法进行仿真对比,结果表明改进的算法使得路径跟踪效果得到明显提高。     

分布式驱动无人车路径跟踪与稳定性协调控制

针对无人车路径跟踪过程中跟踪效果与车辆稳定性这一多目标控制问题,基于分层控制理论提出了一种分布式驱动无人车辆路径跟踪与稳定性协调控制策略。建立了车辆动力学模型和路径跟踪模型,利用滑模控制方法设计了上层控制器,旨在减小路径跟踪过程中的航向偏差和横向偏差的同时确保车辆自身的稳定性。在下层控制器中,设计了一种四轮轮胎力优化分配方法,根据上层控制器需求,结合车辆横摆与侧倾稳定性情况,实现四轮轮胎力的定向控制分配。基于CarSim和Simulink搭建了联合仿真模型并进行仿真实验,结果表明,提出的协调控制策略能够有效地控制车辆路径跟踪中的航向偏差和横向偏差,同时确保车辆的侧倾与横向稳定性。     

车辆道路跟踪鲁棒控制的研究

针对车辆自主道路跟踪中存在的多种不确定扰动的影响,采用μ鲁棒控制方法,根据车辆运行品质的实际要求,构造了一种车辆道路跟踪的控制框架,设计了鲁棒控制器。频域分析和时域仿真表明：设计的μ控制系统不仅具有良好的标称性能和鲁棒稳定性,并且取得了满意的鲁棒性能,满足车辆自主道路跟踪的要求。     

考虑参数不确定性的无人车预设性能路径跟踪控制

为保证无人车在参数不确定性影响下的路径跟踪具有预设控制精度,提出一种具有预设跟踪误差性能的路径跟踪输出反馈控制方法。根据横向预瞄偏差建立了路径跟踪二阶误差积分系统,在考虑轮胎侧偏刚度参数摄动及车辆横向速度未知的情况下,利用扩张状态方法建立了含有复合未知项的控制模型,再通过设计线性扩张状态观测器对系统未知状态和模型不确定项进行估计,并进一步证明了观测误差的一致有界收敛性。针对无人车路径跟踪瞬态和稳态性能无法满足预设精度的问题,结合观测器估计值提出了一种具有预设性能的路径跟踪输出反馈控制器,并根据Lyapunov理论对闭环系统稳定性进行了严格证明。Matlab/Simulink仿真结果表明,所设计的控制策略能保证车辆以预设控制性能跟踪上期望路径,进一步在硬件在环仿真试验台上进行验证,结果表明所设计方案能严格保证横向跟踪偏差位于安全边界之内并具有较强的鲁棒性。     

汽车防抱死制动系统的H_∞鲁棒控制

为克服道路条件变化与汽车载质量、制动器效能因数和胎压等参数摄动及因忽略系统非线性因素而出现的未建模动态特性给汽车制动防抱死系统(ABS)控制带来的不良影响,提高其鲁棒性和控制精度,运用汽车动力学理论,建立了ABS系统的数学模型并进行了适当简化。采用混合灵敏度方法设计了基于滑移率控制的ABS系统H∞鲁棒控制器。利用Matlab/Simulink对所设计的鲁棒控制系统进行了仿真,并与传统PID控制作了对比分析。结果表明,ABS鲁棒控制器在控制精度、鲁棒稳定性及响应时间等方面都优于传统PID控制;在汽车载质量、制动效能因数和道路条件等发生变化的情况下,ABS鲁棒控制器均能承受参数变化的不确定性,并将车轮滑移率有效地控制在期望值附近,明显提高了整车的制动性能。