基于纵横向协同控制的路径跟踪策略研究

为了提高智能车的路径跟踪精度和行驶稳定性,针对智能车路径跟踪控制提出了一种考虑车辆纵横向协同的跟踪策略。从车辆整体系统出发,对纵向运动和横向运动进行解耦,采用分层控制的结构,上层控制器利用基于径向基函数（RBF）神经网络的自适应滑模变结构控制对车辆运动学耦合进行解耦,并用RBF神经网络对模型不确定性造成的系统扰动实时追踪;下层控制器以轮胎利用附着系数作为优化目标,将轮胎力约束在附着椭圆内。基于纵横向协同控制对纵横向轮胎力进行优化分配,从而提高极限工况下车辆路径跟踪的精确度和稳定性。     

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。     

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。     

低附着下分布式驱动车辆的路径跟踪与横向稳定性控制方法

由于车辆在低附着工况（如积雪、潮湿）下跟踪性与横向稳定性的耦合关系,这使得二者之间的控制难以同时满足跟踪精度及良好的稳定性需求,因此,研究了基于分布式独立驱动电动汽车平台的路径跟踪与横向稳定性联合控制模型。对于路径跟踪问题,采用了横纵向解耦控制;对于横向跟踪控制问题,模型采用基于Frenet坐标系的模型预测控制（model predictive control,MPC）路径跟踪控制方法,并引入了转角补偿策略以提升路径跟踪的准确性;对于纵向车速控制问题,模型利用MPC求解期望加速度,并根据行驶平衡方程和保证路面附着最大利用率的条件下确定电机扭矩输出,实现对纵向车速的控制。对于横向稳定性控制问题,提出了基于稳定性增强系统（stability augmentation system,STA）的横摆力矩控制模型,在获得附加力矩后,以二次规划方法将其合理分配到各个车轮上,从而增强了车辆的横向稳定性。最后,通过CarSim/Simulink联合仿真平台,在双移线道路工况下进行了仿真验证。结果表明：在积雪路面,改进模型相比传统MPC在保证横向误差接近的条件下,最大的质心侧偏角降低了83.1%;在潮湿...     

面向全矢量线控车辆极限运动的分层式协同控制

装配四轮分布式驱动-转向（4WID-4WIS）底盘的全矢量线控车辆具备多可控自由度、高速稳定性强的特点,是极限工况稳定裕度和安全性较高的理想车型。为了解决全矢量线控车辆在极限工况下纵横向控制冲突危害行车安全的问题,提出一种基于模型预测控制 （MPC） 的分层式车辆纵向和横向运动协同控制方法。建立基于单轨模型的期望运动状态识别方法,设计模型预测控制器转换动力学目标,采用泰勒展开和前向欧拉方法对预测模型进行线性离散化处理;设计基于负荷率的轮胎力优化分配方法,利用反正切轮胎逆模型求解控制执行量。仿真结果表明,协同控制方法能显著提高车辆在不同路面下的极限运动稳定性,更精准地跟踪期望运动状态,扩大稳定裕度,保障行车安全。     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

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。     

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。     

基于参考向量场的车辆队列二维跟踪控制算法

当车辆队列的应用场景从一维拓展至二维时,纵向间距保持与横向跟踪控制之间将出现显著的耦合效应。在高速工况下,忽视纵横向跟踪功能的耦合效应将导致跟踪误差变大,甚至造成车辆失稳。为解决上述问题,本文中提出了一种车辆队列纵横向耦合跟踪控制算法,通过构建基于纵向间距和横向参考轨迹的参考向量场获得期望速度矢量,采用哈密尔顿函数获得车辆上层运动控制需求的期望总力和总力矩;同时,提出一种基于伪逆矩阵的控制分配算法,将期望总力和总力矩在有约束的物理环境下分配至各个车轮,在保证分配精度的前提下提高了实时性。仿真和实验结果表明,本文提出的纵横向耦合跟踪控制算法能有效完成二维场景下的车辆队列运动控制,实现队列的安全、高效的协同驾驶。     

复杂路况下无人驾驶路径跟踪模型预测控制研究

为了提高无人驾驶车辆在直角转弯、连续弯道和弧形弯的复杂路况下路径跟踪精度、行驶稳定性与安全性,提出了一种改进的模型预测控制算法。该改进算法是根据行驶路径弯曲度确定车辆在平坦路面上不发生滑移的最大纵向速度,即车辆纵向速度不是假定恒定值。基于模型预测控制,建立车辆运动学模型,设置以速度和前轮转角为约束条件,设计以位置偏差和控制增量为目标函数,获得最优前轮转角和行驶速度。最后,借助某新能源汽车有限公司提供的无人驾驶车辆平台与测试场地,试验对比分析了在复杂路况下改进的模型预测控制算法与纵向速度恒定的模型预测控制算法时车辆路径跟踪效果,试验验证了改进模型预测控制算法的有效性与优越性,保证了车辆的路径跟踪精度、行驶平稳性与安全性。     

车辆转向与驱动综合控制及横向速度观测器的设计

为了实现复杂工况下车辆自动跟踪控制,建立了纵横向耦合车辆模型,研究了车辆在弯道变速行驶工况的动力学耦合控制问题,根据滑模控制以及动态表面控制理论,提出了一种基于车辆转向与驱动控制的综合控制器,并针对横向车速不可测,设计了横向速度观测器。仿真结果表明该综合控制器具有良好跟踪性能,在复杂工况下表现出较好的动、静态特性。     

无人驾驶电动赛车路径跟踪控制研究

针对大学生无人驾驶方程式大赛,采取纯跟踪算法用来跟踪规划好的路径。该算法属于前馈控制,基于几何原理得出前轮转角,用于控制车辆转向,跟踪参考路径。同时分析了全局坐标系和车辆坐标系之间坐标转换的原理。在MATLAB/SIMULINK环境下进行对无人驾驶赛车的路径跟踪仿真。仿真结果表明:该算法能较好地跟踪路径,且能保证一定的赛车行驶稳定性。     

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,通过可拓集的关联函数动态分配轨迹跟踪精度和横向稳定性的权重系数,建立了自动驾驶汽车轨迹跟踪的多目标模型预测可拓协调控制策略。数值仿真结果表明,提出的路径规划方法能保证车辆安全超车,轨迹跟踪控制策略不仅能精确地跟踪规划的路径,而且具有较高的横向稳定性和舒适性。     

基于PSO-BP优化MPC的无人驾驶汽车路径跟踪控制研究

针对模型预测控制（MPC）路径跟踪控制器在不同路面附着系数及车速下跟踪误差大的问题，提出了基于粒子群寻优（PSO）-反向传播（BP）神经网络优化MPC的无人驾驶汽车路径跟踪控制策略。首先，设计了MPC路径跟踪控制器；其次，利用PSO-BP对MPC进行优化，以控制器精度和车辆稳定性作为评价函数，获得PSO离线最优时域参数；最后，选择4种工况进行双移线跟踪对比仿真验证。结果表明：所提出的控制策略在保证行驶稳定性的条件下，低路面附着系数低速、高路面附着系数低速、高路面附着系数高速及中路面附着系数中速工况下双移线跟踪横向控制精度分别提高了50%、55%、9%和20%。     

无人驾驶汽车纵向速度控制研究

针对无人驾驶汽车在上下坡道的过程中,汽车纵向速度对行驶状态影响较大的问题。文章提出了一种针对无人驾驶汽车在路径跟踪过程中的纵向速度控制方法,该方法采用增量PID控制,结合坡道速度增量预估模型,实现无人驾驶汽车在上坡和下坡时,速度可以保持相对稳定的状态。     

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。     

视觉预瞄式智能车辆纵横向协同控制研究

针对智能车辆路径跟踪控制的高度非线性及纵横向运动控制的耦合性问题,结合视觉预瞄模型及模型预测控制理论提出了一种预瞄式MPC路径跟踪控制新方法。该方法首先对非线性预测模型进行局部线性化,将MPC最优化求解问题转化为二次规划问题。在每个控制时域内将纵向车速及预瞄距离视为已知,运用指数模型对纵向车速进行描述,并结合道路曲率及实际车速设计了预瞄距离发生器。仿真和试验结果表明:相较于传统MPC跟踪控制方法,本文中提出的预瞄式MPC控制方法在不同车速下均能减小跟踪过程中的横向偏差和方向偏差,提高了跟踪精度,且此提升效果在高速状态下更为明显。     

无人驾驶方程式赛车运动控制关键技术综述

FSAC中国大学生无人驾驶电动方程式汽车大赛是中国大学生方程式系列赛事中的一项比赛,该比赛旨在顺应无人驾驶发展趋势以及培养行业相关人才,无人驾驶方程式赛车包括总布置设计,环境感知,线控底盘以及运动控制等多种关键技术。而运动控制是无人驾驶赛车研究领域的核心技术之一,是其他部分实现功能的基础,主要包括横向控制、纵向控制以及横纵向协调控制。论文主要针对无人驾驶电动方程式赛车运动控制,对无人驾驶电动方程式赛车的横向控制、纵向控制以及横纵向协调控制三个方面进行总结与分析,指出以无人驾驶电动方程式赛车为载体,通过对车辆横向控制,纵向控制以及横纵向协调控制的研究,来提高无人驾驶汽车的运动控制的稳定性,加快无人驾驶汽车运动控制的研究速度,争取早日实现无人驾驶。     

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...     

独立轮电驱动车辆主动操纵稳定控制研究

提出了采用变增益参考模型的滑模跟踪控制策略,以横摆角速度和侧滑速度为控制对象,独立控制左右轮驱动力产生直接横摆力矩,提高了车辆在极限工况下的操纵稳定性,并改善了车辆固有的转向特性。改进的滑模控制算法减小了系统抖振并具有较强的鲁棒性。