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%。     

基于模型预测控制的主动四轮转向车辆稳定性研究

为提高汽车在高速、低附着系数路面下的操纵稳定性,论文设计模型预测控制器跟踪线性二自由度理想模型,得到横摆角速度与质心侧偏角偏差,然后由二次规划算法计算实际的四个车轮转角,并在Carsim软件中建立开环角阶跃工况进行联合仿真。结果表明:文章所设计的基于模型预测控制的主动四轮转向汽车相对于前轮转向,能够有效降低整车角阶跃输入下的横摆角速度与质心侧偏角,更好地跟踪理想控制目标,主动四轮转向汽车提高了整车的操纵稳定性和路径跟随精度。     

基于路面附着系数估计的车辆轨迹跟踪控制

针对车辆在高速转向和不同路面附着系数下的轨迹跟踪控制问题，基于模型预测控制理论提出了一种考虑路面附着系数的变侧偏角约束MPC控制策略。根据魔术公式轮胎模型分析轮胎的侧偏特性以及不同附着系数对轮胎侧偏角-侧向力线性区的影响，建立轮胎侧偏角约束与不同路面附着系数的函数关系；采用遗传算法（GA）优化BP神经网络模型设计路面附着系数估计器，将估计结果作为与轮胎侧偏角约束相关的变量传递到MPC控制器中；最后在MPC控制器中建立系统控制量约束、控制增量约束，以及考虑路面附着系数的变侧偏角约束，将不同路面附着系数工况下的轨迹跟踪问题转化为多约束条件下最优值求解问题，实现轨迹跟踪和车辆稳定性控制。仿真和试验结果表明，考虑路面附着系数变化的MPC控制方法相对传统MPC控制方法在各种工况下具有更高的轨迹跟踪精度和更好的车辆稳定性，GA-BP神经网络路面系数估计方法具有很高的估计精度。     

高速无人驾驶车辆的操控稳定性研究

通过分析路面附着条件和道路曲率等因素对车辆转向特性和稳定性的影响,建立了高速车辆的等效动力学模型。提出了一种变步长的模型离散化方法,能够在保证车辆模型预测精度的基础上,实现较长的预测时域,并满足计算实时性的要求。通过对高速车辆稳定行驶状态进行分析,推导了基于包络线的滑移稳定性约束条件,并设计了基于模型预测控制的高速无人驾驶车辆的轨迹跟踪控制器。仿真结果表明,该方法可有效保证高速无人驾驶车辆在不同地面附着情况及道路曲率下的操控稳定性。     

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。     

汽车ESP模糊自适应控制

基于模糊控制理论设计了一种模糊自适应ESP控制器,该控制器可根据反馈的车辆状态信息自动适应车速和路面附着系数的变化.采用Matlab/Smulink建立了14自由度车辆模型和控制器模型,考虑了轮胎的非线性特性对汽车转向特性与行驶稳定性的影响.仿真结果表明,该控制器能够提高汽车在高速或光滑路面上的操纵稳定性,有较强的适应性和鲁棒性.     

基于MPC的独立驱动电动汽车稳定性集成控制

针对独立驱动电动汽车在高附着系数路面高速急转时易发生侧翻事故,在低附着系数路面急转易发生侧滑失稳事故,且单一控制器在不同附着系数路面适应性较差等问题,根据独立驱动电动汽车特点设计了基于分层式结构的稳定性集成控制器。建立了整车动力学模型,并进行了车辆状态参数估计;设计了稳定性集成控制器的控制策略,对车辆的侧倾、横向稳定性状态判定条件和协调策略的制定进行了研究,分别设计了侧倾稳定性控制器和横向稳定性控制器;设置了路面附着系数0.9到0.2的对接路面仿真工况,并在此工况下对所设计的控制器的控制性能进行了仿真测试。结果表明,所设计的稳定性集成控制器相比于单一控制器具有更好的适应性,可有效降低车辆高速行驶过程中的横向载荷转移系数、质心侧偏角等状态量,提高车辆行驶的稳定性和安全性。     

基于多参数控制的分布式驱动电动汽车操纵稳定性控制策略研究

为改善高速低附着路面上的车辆动力学性能，本文针对分布式驱动电动汽车提出一种基于多参数控制的操纵稳定性控制策略，包括上层轨迹跟踪控制和下层转矩分配控制。上层控制器设计基于2自由度车辆模型和驾驶员预瞄偏差模型，提出了MPC轨迹跟踪控制策略，实现对侧向偏差、横摆角偏差、质心侧偏角、横摆角速度的多参数控制。下层控制器以轮胎负荷率最小为优化目标，获得4个车轮电机转矩的最优分配量，借助于7自由度动力学模型，在双移线、蛇行工况下完成了CarSim-Simulink联合仿真。结果表明：提出的控制策略改善了高速、低附着工况下的操纵稳定性和轨迹跟踪精度。     

汽车主动转向与直接横摆力矩协调控制

为了提高汽车的操纵稳定性和行驶稳定性，分别对主动转向及直接横摆力矩控制进行了研究。根据汽车线性二自由度模型获得汽车稳态工况下的期望横摆角速度和期望质心侧偏角，设计了上层控制器和下层控制器，其中上层控制器为主动转向与直接横摆力矩功能分配的协调控制，下层控制器采用单神经元自适应PID算法设计了主动转向控制器和直接横摆力矩控制器。基于汽车行驶稳定性指标设计了调度参数，以实现主动转向和直接横摆力矩的协调控制。分别选取高附着系数路面和低附着系数路面进行了正弦输入试验和阶跃输入试验，结果表明所设计的控制系统能够很好地提高线控转向汽车的操纵稳定性和行驶稳定性。     

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。     

基于变权重系数的分布式驱动无人车轨迹跟踪

为了提高分布式无人车轨迹跟踪的精度，提出了基于自主与差动协调转向控制的轨迹跟踪方法。首先，在车辆三自由度模型基础上，基于模型预测控制（MPC）实时计算前轮转角以控制车辆进行自主转向轨迹跟踪。在此过程中，为了提高自主转向下车辆的轨迹跟踪精度与行驶的稳定性，考虑多种因素，利用经验公式及神经网络控制对MPC的预瞄步数和预瞄步长进行多参数调整，实现预瞄时间的自适应控制。其次，在恒转矩需求的情况下，以轨迹偏差为PID控制器的输入及左右轮毂电机转矩为输出进行差动转向控制，实现了差动转向下的轨迹跟踪控制。然后，通过设置权重系数的方法将自主与差动转向相结合。考虑到车辆横纵向动力学因素，采用模糊控制及经验公式对权重系数进行了调整，从而在提高车辆转向灵活性与轨迹跟踪效果的同时保证车辆行驶的稳定性。CarSim与Simulink联合仿真以及实车试验结果表明：与自主转向轨迹跟踪相比，采用变权重系数的协调控制可以在不同的工况下提高车辆的转向灵活性与轨迹跟踪的精度，轨迹跟踪偏差的均方根值改善率达到了11%。所提出的协调转向控制方法可为分布式驱动车辆转向灵活性的提高及轨迹跟踪精度的改善提供一种新的思路。     

基于MPC的四轮转向车爆胎稳定性控制

四轮独立转向驱动汽车相比传统车辆具有更多控制自由度,具备在高曲率跟踪精度好,低附着路面操纵稳定性优越的特点。本文针对车辆在轨迹跟踪中所面对的低附着、爆胎等紧急工况,本研究采用模型预测控制理论,针对四轮转向电动汽车的横摆稳定性问题进行了探究。以横摆角速度和横向误差为控制目标,计算出最优四轮转角和直接横摆力矩,下层采用最优转矩分配并考虑轮胎摩擦圆约束,以实现对四轮驱动电动汽车的稳定性控制。在CarSim/Simulink联合仿真整车模型中,采用参数化建模设置整车参数。通过双移线爆胎工况仿真实验分析,所提出的策略能够有效地提高四轮驱动电动汽车的轨迹跟踪精度,从而提高整车的行驶稳定性。     

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。     

四轮独立转向-独立驱动电动车主动避障路径规划与跟踪控制

四轮独立转向-独立驱动电动车(4WIS-4WID EV)具有低速机动性强、高速稳定性好的特点,是一种理想的智能车构型。本文中针对4WIS-4WID EV进行了主动避障系统的设计,主要包括避障路径规划和跟踪控制。首先基于车辆运动学模型,提出了采用七次多项式的避障路径规划算法;然后基于简化2自由度车辆动力学模型,设计了模型预测路径跟踪控制器;为提高车辆主动避障过程中的操纵稳定性,路径跟踪控制算法采用四轮转向与直接横摆力矩控制技术。通过不同附着系数路面工况与侧风扰动工况仿真,验证了所设计的主动避障系统具有良好的避障能力和鲁棒性。     

四轮独立转向电动汽车转向控制方法

本文中对四轮独立转向电动汽车的转向控制方法进行研究。首先,基于前轮转向车辆的理想横摆角速度模型,建立四轮独立转向2自由度动力学模型。接着,以四轮侧偏角之和绝对值最小化作为优化目标函数,以质心侧偏角为零和理想横摆角速度作为约束条件,采用线型优化算法求解系统前馈控制器。再以轮胎侧偏角和横摆转矩为输入建立线性控制模型,运用最优区域极点配置方法设计反馈控制器。最后,建立人-车-路闭环仿真系统,分别进行双移线道路仿真实验和对开路面上的行驶仿真实验。结果表明,控制器能根据路面附着情况分配各轮转角,保证车辆跟踪理想状态。实车双移线实验进一步验证了控制器对车辆理想状态良好的跟踪精度。     

基于曲率控制的紧急避让路径跟踪研究

针对紧急避让工况,提出一种基于曲率控制的路径跟踪控制方法。以车辆二自由度动力学模型为基础,设计基于曲率控制的二阶自抗扰路径跟踪控制器,采用前馈与反馈相结合的复合控制方法进行曲率跟踪控制。为了解决避让过程中侧向加速度过大或产生阶跃、曲率不连续问题,引入三次B样条曲线进行路径跟踪曲率规划,采用CarSim/Simulink联合仿真方法进行控制器性能验证。仿真结果表明,在对接和对开路面工况下,基于曲率控制的路径跟踪控制器能够保证车辆实际行驶路径曲率跟踪理想路径曲率,抵抗外界干扰能力强。     

基于强化学习的智能车辆路径跟踪变参数MPC多目标控制

为了解决智能车辆在工况变化时跟踪精度下降和稳定性变差的问题,提出基于强化学习的变参数模型预测控制(MPC)算法多目标控制策略,实现智能车辆路径跟踪控制系统的参数自适应整定。基于车辆动力学模型设计其线性时变MPC控制器,获得最优前轮转向角和附加横摆力矩。基于Actor-Critic强化学习架构,设计进行控制参数整定的深度确定性策略梯度(DDPG)智能体和双延迟深度确定性策略梯度(TD3)智能体,构造以跟踪精度和稳定性为目标的收益函数,并搭建对接工况和变曲率工况2种典型仿真场景进行算法性能验证,当车辆处于对接工况时,根据路面附着系数的变化及时调整控制器的预测时域和权重矩阵;当车辆处于变曲率工况下时,针对道路曲率变化及时调整控制器的预测时域和权重矩阵。通过MATLAB/SimuLink、CarSim和Python联合仿真分析,将强化学习方法参数整定MPC与固定参数MPC和模糊控制方法参数整定MPC进行对比,结果表明：强化学习方法更能够在保证车辆安全性的前提下,尽可能提高智能车辆在不同路面条件下的路径跟踪精度。在对接工况下,强化学习方法参数整定MPC相较于固定参数MPC和模糊控制方法参数整定M...     

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。     

基于前轮转角约束自适应模型预测控制的路径跟踪研究

针对在车辆行驶中较小的前轮转角无法充分利用路面附着能力,较大的前轮转角使得车辆的行驶稳定性差的问题,文章提出了一种前轮转角约束自适应模型预测方法。首先建立车辆的动力学模型,然后通过计算得到轮胎纵向力,最终得到车辆的前轮转角。将车辆的状态量与前轮转角自适应约束条件输入给模型预测控制器,输出车辆的前轮转角,实现对参考路径的跟踪。在Carsim和MATLAB平台上联合仿真,仿真结果表明前轮转角约束自适应模型预测控制的车辆相比固定转角约束的车辆具有较好的跟踪能力和稳定性。     

三轴车辆全轮转向最优控制EI北大核心CSCD

为提高三轴车辆在正常行驶工况下的操纵稳定性,综合考虑车辆的低速和高速转向性能,提出了三轴车辆全轮转向最优控制策略。建立了三轴全轮转向车辆的线性2自由度模型,分别制定了车辆低速和高速时的控制目标并建立了相应的理想模型,应用线性二次型最优控制中的状态调节器理论,采用前馈加状态反馈跟踪理想模型的控制方法设计了全轮转向最优控制系统,最后利用MATLAB/Simulink建立了控制系统仿真模型,对控制系统在不同车速下的控制性能进行了仿真。结果表明,全轮转向最优控制方法低速时可使车辆具有所在车速下的最小转弯半径,高速时在改善车辆稳定性的同时不增加驾驶员的操作负担。