基于非线性模型预测控制的车辆纵向队列协调控制

本文中针对基于分层控制结构的车辆队列上、下层控制缺少联系的问题,提出了车辆队列跟驰与个体车辆动力学稳定性协调控制的思路,其基本思想是在保证队列中个体车辆安全稳定行驶的同时,尽可能实现队列跟驰控制的目标。基于非线性模型预测控制(nonlinear model predictive control, NMPC)方法设计了车辆队列协调控制方案,设计了包括跟驰间距误差、跟驰速度误差以及车速与车轮圆周速度差3个子目标的优化目标函数,将队列跟驰与车辆动力学稳定性的协调控制转化为约束优化控制问题;基于序列二次规划(sequential quadratic programming, SQP)方法进行求解,得到车辆前、后轴的制动/驱动力矩来实现上层决策输出的期望跟驰加速度。基于由3车辆组成的非线性队列模型对控制方案进行了仿真分析,结果表明,所提出的基于NMPC的车辆队列协调控制策略可以在大范围操纵工况下,在保证车辆安全稳定行驶的基础上实现队列的跟驰控制。     

基于动态稳定域的车辆横纵向稳定性协同控制

车辆底盘横纵向稳定性控制是车辆安全的重要方面之一。针对车辆在稳定区域内横纵向参数特征,基于动态区域的稳定性分析和相应的稳定性控制器设计了横纵向协同稳定控制方法。首先,基于车辆传统基础稳定域建立了稳定性分析方法;其次,构建了适用于不同车辆工况的动态稳定域,使得稳定域无需针对不同的转向角和车速等重新估计;在此基础上,设计了稳定限幅控制;最后,以滑模面为稳定域边界设计了一种动态滑模控制器,使车辆状态始终维持稳定状态。通过Matlab/Simulink与CarSim的联合仿真,在高速转向和双车道变道场景中验证所提出的横纵向稳定控制方法的有效性。     

自动驾驶车辆混行集聚MAS控制模型

随着车路协同技术和自动驾驶技术的不断发展,越来越多的网联自动驾驶车辆(Connected and Autonomous Vehicle,CAV)涌入道路交通,与传统人工驾驶车辆(Human Pilot Vehicle,HPV)形成混合交通流(Mixed Traffic Stream,MTS).为在提高MTS交通流量的同...     

基于逆模型预测控制的拟人驾驶控制

本文提出一种基于逆模型预测控制的拟人驾驶控制方法,利用模型预测控制产生的实轴轨迹与真实轨迹的损失函数更新控制模块代价函数的权重系数实现拟人化驾驶控制。将拟人驾驶控制构建成一个双层优化问题,在下层利用模型预测控制求解一个典型的最优控制问题产生实轴驾驶轨迹,在上层最小化所产生的实轴轨迹和真实驾驶轨迹的误差更新下层代价函数的权重系数,基于极大值微分原理构造辅助系统求解实轴轨迹关于代价函数权重系数的梯度。实车采集真实驾驶轨迹并进行模仿测试与泛化验证,结果表明：本文所提出的方法相比于两类基于虚轴轨迹的逆最优控制方法,在3个工况下与真实驾驶轨迹最大误差分别平均降低了73.52%和65.03%,驾驶行为更加拟人化,且具备泛化性能。     

基于模型预测的自动驾驶横向控制算法研究

近年来,自动驾驶技术已经成为汽车及其相关技术行业研究和发展的趋势,为了提高自动驾驶车辆运动控制的准确性,在车辆控制方面对所需控制算法的实现精度和准确性具有较高的要求.文章针对自动驾驶车辆横向控制技术中所用的模型预测控制算法进行了车辆动力学模型和控制算法的联合仿真,主要基于Trucksim和Simulink仿真工具对该算...     

自动驾驶障碍车辆行为预测技术研究

为了使自动驾驶车辆可以像有经验的驾驶员一样对周围车辆的行为做出准确的判断,通过车辆周围传感器来感知障碍车辆的相对位置信息,并结合自身车辆的高精定位信息,获得障碍车辆的精确位置,通过应用隐马尔可夫模型建立不同驾驶行为的预测模型,最终通过模型的预测来判断障碍车辆的可能驾驶意图,辅助自动驾驶车辆进行有效的驾驶决策,更好的规划安全高效的行驶路线。     

基于自动驾驶车辆的供电网络系统

文章分析了自动驾驶系统在车辆单路主电源供电网络上存在的风险,研究并提出了满足自动驾驶功能安全的车辆供电网络系统解决方案。详细介绍了方案的工作模式、控制诊断策略以及相关零部件的技术要求,同时也提供了相关零部件的具体设计方案。     

基于多目标优化的自动驾驶车辆轨迹跟踪控制

针对自动驾驶车辆行驶轨迹的横向跟踪问题,设计了线性时变模型预测控制器。以车辆3自由度动力学模型为预测模型,以横向位置偏差最小为主要控制目标,考虑车辆状态约束、控制约束和轮胎侧偏角约束,优化了自动驾驶车辆轨迹跟踪安全性、转向稳定性和操作可行性等多目标性能。搭建MATLAB/Simulink和CarSim联合仿真模型,并将所设计的控制器控制效果与熟练驾驶员操纵结果、线性二次规划控制器控制效果进行了比较分析,结果表明,所设计的控制器可以有效解决多约束条件下自动驾驶车辆行驶轨迹的横向跟踪问题,且在安全性、转向稳定性和操作可行性方面具有显著的优势。     

基于双估计强化学习结合前向预测控制的自动驾驶运动控制研究

运动控制研究是实现自动驾驶目标的重要组成部分,针对传统强化学习算法在求解中因单步决策局限而导致控制序列次优的问题,提出了一种基于双估计强化学习算法及前向预测控制方法结合的运动控制框架（DEQL-FPC）。在该框架中引入双估计器以解决传统强化学习方法动作值过估计问题并提高训练优化的速度,设计前向预测多步决策方法替代传统强化学习的单步决策,以有效提高全局控制策略的性能。通过虚拟驾驶环境仿真,证明了该控制框架应用在自动驾驶汽车的路径跟踪以及安全避障的优越性,保证了运动控制中的精确性、安全性、快速性以及舒适性。     

基于驾驶员数据学习的自动驾驶车辆弯道转向控制研究

针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。     

基于模型预测控制的智能车辆纵向控制研究

在ADAS的控制算法中,普遍的控制算法只能在本车道跟车,据此提出一种新方法,不仅能使车辆在本车道内跟车,还能在本车道无车的情况下,进行跨车道跟车。首先在考虑前后车辆制动距离的情况下,对车距算法进行了优化,并把其他车道的车辆通过算法投影至本车道;其次搭建了基于模型预测控制（MPC）算法的车辆离散化模型系统,对其控制参数施加约束;最后通过设置前车不同的车速和车况,在CarSim搭建车辆模型并与Matlab/Simulink联合仿真,针对车辆的纵向加速度变化的研究。     

自动驾驶车辆人机接管需求模型构建方法

提出了一种基于模型系统工程(MBSE)的人机接管需求模型构建方法,旨在实现复杂功能需求管理。以人机接管功能适用场景作为用例,将驾驶员与车辆视为共同完成任务的主要元素,结合人在接管任务中的心理、感知和行为特性推导建立交互能力,按接管过程建立活动图和顺序图形逻辑,并使用系统模型语言(SysML)工具进行系统能力分配和系统模型建立。通过一个案例验证了本方法的有效性和可行性,并与传统的需求分析方法进行了对比,证明了本方法在复杂功能需求管理方面的优势。     

重型车辆自动驾驶气制动自适应控制研究

重型车辆气制动自适应控制是一项重要的自动驾驶纵向速度控制功能,在应用中至关重要,例如上下坡匀速行驶、精准停车、不同载重的车速控制等.由于典型气动制动系统是固有的非线性特性,存在很大的不确定性,且重型汽车的纵向刹车控制受负载、路况、车况的影响较大,传统的PID控制器无法满足不同工况下重型车辆自动驾驶车速稳定控制要求.本文...     

基于驾驶特征学习的自动驾驶车辆换道轨迹规划

针对自动驾驶车辆换道过程中存在的车辆规划轨迹与人类驾驶员决策轨迹偏差较大问题,开发了一种基于驾驶员轨迹特征学习的换道轨迹规划算法.采集驾驶员换道轨迹曲线函数特征,在轨迹采样及成本优化相结合的轨迹规划基础上,采用最大熵逆强化学习策略迭代更新成本函数权重,并依据学习的成本函数筛选备选采样轨迹,生成反映驾驶员轨迹特征的自动驾...     

基于自动驾驶的车辆安全技术应用探讨

中国大量的道路基建工程建设充当着城市化发展的重要指标之一,然而交通基建并不能时刻满足日益增长的交通需求,随之而来的交通事故推动着车辆自身的安全及预警技术的研发,而该技术正是自动驾驶技术的基础。自动驾驶通过感知（传感器与创建环境地图）、规划（寻找与优化路径）与执行（ECU驱动车辆自动驾驶和安全功能）三个层面来实现,车辆自身的安全技术可被归纳为被动安全技术、防碰撞预警技术、主动安全技术和主动式无人驾驶技术,因此自动驾驶也是实现车辆安全技术的最高等级,然而即使是当下已商用的自动驾驶系统也不能完全保障交通安全,不成熟的避让算法、机器识别效率或处理系统高负载运行崩溃将更容易触发致命事故。自动驾驶的发展具有明朗的前景,但需要与智慧道路形成更高层次的环境感知水平,从而真正的推动人、车、路交通三要素有机结合,在更完善的交通感知环境中全方位保障三者在交通参与过程中的安全,助力车辆自动驾驶技术实现相应的社会价值。     

基于有限状态机的车辆自动驾驶行为决策分析

将智能车辆的自动驾驶运动过程分解为车道保持、车辆跟随、车道变换和制动避撞4种典型驾驶行为,基于有限状态机方法建立各驾驶行为间的逻辑关系及状态切换过程,同时,构建了面向自动驾驶的虚拟危险势能场,并对其结构关键参数和驾驶行为决策触发阈值进行分析。利用MATLAB/CarSim软件对不同道路工况下的自动驾驶行为决策过程进行联合仿真,并利用比例车辆模型和机器视觉系统对提出的方法进行试验验证。仿真和试验结果表明,虚拟危险势能场与有限状态机相结合的方法能够满足智能车辆的驾驶行为决策需求并实现主要的自动驾驶功能。     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性.针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径.提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法.以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集...     

车辆自动驾驶系统纵向和横向运动综合控制

为提高车辆自动驾驶系统的运动性能,基于模糊逻辑和滑模控制理论设计了一种车辆纵向和横向运动综合控制系统。该控制系统通过对前轮转向角度、发动机节气门开度、制动液压及主动横摆力矩进行协调控制,使车辆能够以期望速度在理想道路轨迹上行驶,并提高车辆在行驶过程中的操纵稳定性。仿真结果表明:纵向和横向运动综合控制系统能够提高车辆在不同行驶工况下的跟踪性能和运动性能,在车辆自动驾驶过程中是有效的。     

西门子加速自动驾驶车辆研发

<正>西门子推出PAVE360~(TM)投片前自动验证环境,这是一项旨在促成并加快创新自动驾驶车辆平台研发的计划。PAVE360提供多供应商协同环境,全面覆盖下一代汽车芯片研发生态。此外,PAVE360将数字化双胞胎仿真拓展至处理器之外,包含汽车硬件和软件子系统、整车模型、传感器数据融合、交通流量、