基于预瞄的模糊自适应路径跟踪算法研究

基于车辆的预瞄和纯追踪模型设计一种自适应调整前视距离的路径跟踪控制器。利用模糊控制原理简单和控制参数少的特点，将车辆当前横向、航向偏差作为模糊控制输入，前视距离作为模糊控制输出和纯追踪模型输入，得到模糊自适应纯追踪算法。基于MATLAB/Simulink进行仿真，验证算法的有效性和准确性。     

路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律，分别构建基于预瞄的纯跟踪（PP）算法、前轮反馈控制算法和模型预测控制（MPC）算法的车辆模型，在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明：PP算法预瞄距离越短，横向控制精度越高，但稳定性越弱，低速鲁棒性较好；前轮反馈控制算法在高速下具有更小的横向控制误差，且增益系数k影响控制精度；相较于前两者，MPC算法在不同速度下均具有良好的横向跟踪性能。最后，开展实车试验对比验证3种算法的跟踪性能，结果表明，在同一工况下，MPC算法具有更优的跟踪性能。     

基于反馈纯跟踪的智能车路径跟随方法

为提高智能车在不同速度和载荷下的路径跟随精度和稳定性，提出一种基于反馈纯跟踪的智能车路径跟随方法。首先，基于车辆运动学模型和纯跟踪模型分析影响控制效果的因素；然后根据车辆速度和路径曲率动态调整前视距离，将横向偏差作为反馈变量对传统纯跟踪控制方法进行补偿；接着通过仿真试验选定控制参数，分析控制参数对路径跟随精度和车辆稳定性的影响；最后通过实车试验，验证该方法在实车环境中的控制性能。结果表明，该方法具有较高的路径跟随精度，在不同速度和载荷下保持良好的适应性和稳定性。     

基于改进纯跟踪的智能车路径跟随方法

为提高智能车的路径跟随精度和行驶平稳性，提出一种基于改进纯跟踪的路径跟随方法。首先建立纯跟踪路径跟随模型，分析纯跟踪模型在初始偏差条件下的控制效果；然后将航向偏差作为反馈变量对纯跟踪方法进行补偿，并以横向偏差和航向偏差为输入、以补偿权重为输出，采用类模糊方法实现补偿权重的动态调节；最后通过实车试验选定控制参数，并验证所提方法的控制性能。结果表明，该方法在不同初始偏差和不同目标行驶速度下能够实现偏差的快速消除，并保证行驶平稳性，具有较好的路径跟随效果，运算耗时较少。     

智能车辆路径跟踪横向控制方法的研究

提出了一种智能车辆的路径跟踪横向控制系统.系统由期望航向偏差生成器和反馈控制系统两部分组成.期望航向偏差根据车辆-道路之间运动学关系来确定;而反馈控制系统则采用基于车辆-道路动力学模型的鲁棒PID控制器.在分析系统特性的基础上设计以某一速度为基准的、ITAE性能指标最优的固定增益鲁棒PID控制器和前置滤波器.在分析纵向速度对反馈系统影响的前提下,给出固定增益PID参数所适用的车速范围;分析了PID参数对闭环反馈系统的影响,调整了其他车速区间的PID参数.实车试验验证的结果表明,所提出的路径跟踪横向控制系统具有良好的路径跟踪能力.     

基于模糊推理的无人车路径跟踪算法

针对传统的纯跟踪算法的缺点,提出了一种可变预瞄距离的路径跟踪算法。该算法在纯跟踪算法的基础上,利用模糊推理方法,将车辆的速度和加速度作为输入,将预瞄距离作为输出,并且在实验的基础上制定合理的隶属度函数和控制规则,实时地根据车辆的状态计算出合理的预瞄距离,从而兼顾路径跟踪的准确性和车辆的稳定性。最后通过Simulink/CarSim平台对算法进行验证。结果表明,该算法在0~60km/h速度内可保证无人车稳定准确的跟踪参考路径,且具有较强的鲁棒性。     

基于驾驶员行为特性的自适应巡航控制的研究

为了获取驾驶员跟车行为特性并以此为基础设计自适应巡航控制系统,建立驾驶员控制增益随车速变化的动态跟车模型。引入驾驶员追踪误差敏感度,定量分析控制增益与车速的动态变化关系。为了准确描述驾驶员行为特性,定义速度误差敏感系数SVE(Sensitivity to Velocity Error)和距离误差敏感系数SDE(Sensitivity to Distance Error),基于非线性优化算法求解模型参数。最后通过Matlab搭建自适应巡航系统,进行仿真试验,并与驾驶员试验结果对比,验证控制算法。     

雨夜驾驶人对黑色障碍物视认距离变化规律研究

为预防和减少雨夜道路交通事故,定量研究降雨强度对驾驶人视认距离变化规律,以确定行车速度、停车视距及限速选择,进行实际道路试验研究。试验共选择被试38人,在不同降雨量的雨夜,选用黑色障碍物,在不同车速条件下,进行驾驶人空间距离判识实际道路试验。试验共进行71组,最终依据速度和降雨强度,聚类为25组不同条件下全样本试验。统计全部结果,分析数据分布特征。利用曲面回归分析方法,建立视认距离随降雨量和行车速度变化规律函数模型。模型相关系数为0.9832,模型有效度系数为0.94,可有效表示视认距离与瞬时降雨强度和行驶速度之间的关系。研究表明,随着单位时间内降雨量增加,视认距离缩短;随着行驶速度增加,视认距离减小;当两因素耦合作用于驾驶人时,会因为视认距离减小导致允许反应时间缩短。      

改进的有限时间最优预瞄横向控制器设计

提出了有限时间最优预瞄横向控制算法,根据高速公路车道保持系统实际控制要求,使用了同时考虑车辆当前偏差、预瞄点偏差和控制变量的有限时间二次型性能指标函数。运用最优跟踪算法并进行预瞄距离内曲率恒定的假设,使得控制器参数可以离线求解,保证了车辆控制的实时性。通过仿真及实车试验验证,该控制算法具有较好的跟踪效果。     

基于改进Stanley算法的无人车路径跟踪融合算法研究

针对斯坦利（Stanley）跟踪算法无法更好地同时满足无人驾驶路径跟踪的精确度和平滑性要求的问题，根据车辆的航向角、横向偏差、车速等特性，基于合适的预瞄距离，采用纯跟踪（Pure Pursuit）算法对Stanley算法中车轮转角的计算方式进行改进，提出一种新的融合算法，实时计算车辆在当前车速下合适的车轮转角。仿真结果表明，相比于Stanley算法，所提出的融合算法在不失跟踪精确度的情况下，不同车速下跟踪平滑性均有较大提升。实车试验结果表明，在20 km/h车速下，所提出融合算法的跟踪路径比原Stanley算法的跟踪路径有更好的精确度和平滑性。     

汽车ABS自适应模糊滑模控制算法研究

基于纵向附着系数一滑移率曲线特性,设计了可进行最佳滑移率估计和校正的自适应调节器,并根据滑移率跟踪最佳滑移率的误差,设计了可进行滑模参数自适应调节的模糊逻辑调节器.利用Simulink建立了ABS的自适应模糊滑模控制器模型和自适应滑模控制器模型,分别对单一路面和不同路面进行了仿真和比较研究,结果显示所提出的汽车ABS自适应模糊滑模控制算法可行,并且利用自适应模糊滑模控制器的ABS纵向附着系数利用率更高、稳定性更好、制动时间和制动距离更短.     

动力电池SOC估计的一种新型鲁棒UKF算法

针对动力电池SOC估计过程中,电压观测数据容易出现野值干扰的问题,提出了改进UKF算法,将观测噪声模型修正为归一化受污染正态分布模型,利用贝叶斯定理计算野值出现的后验概率,以此作为加权系数自适应地调整滤波增益和状态协方差。该方法能有效克服野值干扰问题。但在SOC初值设定存在误差情况下,该方法会将电压观测数据中的正常值误视为野值,而仅以很小的滤波增益控制量进行调整,导致算法收敛慢甚至引起发散。因此,在算法初始阶段又引入了基于强跟踪原理的次优渐消因子对目标进行快速跟踪,弥补上述单纯抗野值方法的不足。试验验证结果表明,改进UKF算法鲁棒性强,具有很好的跟踪速度和精度,为动力电池SOC估计过程中抗野值干扰提供了一种新的方法。     

纯电动汽车制动避撞系统的建模与分析

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

纯电动汽车制动避撞系统的建模与分析EI北大核心CSCD

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

FSAC赛车轨迹跟踪协同控制策略研究

针对中国大学生方程式赛车 （FSAC） 在比赛中横向-纵向协同控制的轨迹跟踪精度和稳定性问题，根据现代控制理论和经典控制理论提出一种以纵向速度为结合点的线性二次控制器 （LQR） 和比例-积分-微分算法 （PID） 的横纵向协同控制策略，并根据赛车相对参考轨迹的位置设计了一种协同控制器。建立二自由度车辆动力学模型，基于该模型设计了横向LQR位置跟踪控制器和纵向PID速度跟踪控制器。所设计的控制策略在CarSim和Simulink搭建的循迹工况联合仿真场景下进行仿真验证，仿真结果为纵向位置偏差小于0.07 m，横向位置偏差小于0.03 m。对控制算法进行实车验证，结果表明，该策略有效提高了赛车的轨迹跟踪精度和行驶稳定性。     

矿用无人运输车辆轨迹跟踪控制算法研究

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

匝道合流交通场景下自动驾驶汽车安全性测试评价方法

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

基于实时小波去噪方法的EPS电流跟踪控制

为实现对电动助力转向系统(EPS)助力电机电流的准确跟踪控制,以纯电动大客车EPS为研究对象,结合模糊自适应整定PID和实时小波去噪方法,设计了基于实时小波去噪算法的新型模糊自适应整定PID助力电机电流跟踪控制器.仿真试验表明:这种新型控制器能够实现助力电机输出电流对目标电流的准确跟踪,提高了系统的抗干扰能力和鲁棒性;同时有效地抑制电流信号中的噪声,能减小直流电机的转矩波动和转向盘抖动,改善驾驶员手感.     

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%。