基于模型预测控制的智能车辆主动避撞控制研究

针对自主驾驶车辆的转向避撞问题,提出了一种分层避撞控制方法。上层路径规划控制器基于车辆运动学模型,引入人工势场函数,采用障碍物与车辆的相对状态描述车辆碰撞风险。基于模型预测控制理论,构建优化目标函数,规划最优避撞路线,并采用五次多项式拟合局部避撞路径。对于下层路径跟踪控制器,则建立车辆非线性动力学模型,构建基于最优转向盘转角输入的路径跟踪优化函数,实现局部避撞路径跟踪。最后搭建了Carsim/Matlab联合仿真平台,对被控车辆在不同路面、不同车速情况下的避障路径规划和跟踪效果进行了仿真。结果表明:上层控制器能根据障碍物信息实时规划局部避撞路径,下层控制器能控制车辆平滑、稳定地跟踪参考路径,从而实现车辆的主动避撞功能。     

基于障碍物斥力场的汽车主动避撞系统

为提高汽车行驶安全性,设计了基于障碍物斥力场模型的汽车主动避撞系统,建立了道路算盘模型和驾驶员预瞄跟随模型,利用算盘模型可求解出避撞路径,使用驾驶员预瞄跟随模型可求解出汽车转向盘最优转角。通过动静态障碍物环境下的仿真试验表明,利用算盘模型规划出的路径平滑、安全、可跟踪;驾驶员预瞄跟随模型的路径跟随精度高,实现了汽车主动避撞。     

考虑转向的汽车主动避撞控制系统研究

为挖掘智能车避撞潜力,基于五次多项式构建含侧向加速度约束的避撞参考路径,基于预瞄转向几何理论实现车辆转向控制,利用线性二次型调节器(LQR)得到期望纵向加速度,在避撞结构基础上,基于碰撞时间(TTC)和跟车时距(THW)预判行车风险,以最大加速度和平均加速度评价主动避撞的乘坐舒适性,以最大横向位置误差和航向角误差评价转向控制路径跟踪精度。不同工况下仿真结果表明,该方法转向稳定性和路径跟踪精度较高,且兼顾了避撞安全性和乘坐舒适性。     

考虑驾驶人风格的换道轨迹规划与控制（双语出版）

基于自动换道控制技术中融合个性化驾驶人风格的研究，建立考虑驾驶人风格的车辆换道轨迹规划及控制模型以提高换道规划控制模型对不同风格驾驶人的适用性，在保证安全性的基础上进一步满足驾驶人的个性化需求。首先通过问卷调查的方式采集得到了212份驾驶人风格量表数据，采用主成分分析法和K均值（K-means）聚类分析法将驾驶人按驾驶风格分为激进型、普通型和谨慎型，并通过驾驶模拟器试验采集不同风格驾驶人分别在自车道前车、目标车道前车和目标车道后车影响下的换道行为数据。然后对椭圆车辆模型进行改进，以描述不同风格驾驶人的行车安全区域，并据此构建3种典型工况下不同风格驾驶人的换道最小安全距离模型，结合驾驶舒适性约束、车辆几何位置约束以及不同风格驾驶人的换道行为数据，以换道纵向位移最短为目标，实现适应驾驶人风格的换道轨迹规划。最后以基于预瞄的路径跟踪模型作为前馈量，设计基于动力学的线性二次型最优（LQR）反馈控制器，通过调节控制权重矩阵实现3种工况下不同驾驶人风格的换道轨迹跟踪。PreScan和MATLAB/Simulink联合仿真结果表明：所设计的考虑驾驶人风格的换道轨迹规划及跟踪控制模型能够实现不同驾驶风格的自动换道轨迹规划及跟踪控制，可满足驾驶人个性化换道需求。     

基于hp自适应伪谱法的智能汽车紧急变道轨迹规划与优化

为了提高智能汽车紧急变道轨迹规划的实时性和适应性，将紧急变道过程分为初始阶段和跟踪阶段，初始阶段的轨迹由优秀驾驶人紧急变道模型产生，跟踪阶段的轨迹采用Sigmoid函数规划出紧急避让路径。首先通过聚类分析处理优秀驾驶人转向操作的实车试验数据，拟合得出紧急变道过程中的方向盘转角随时间的关系（即驾驶人紧急变道模型），作为智能汽车在紧急变道初始阶段不同速度下车辆控制的输入量。然后通过建立与求解约束方程，满足避撞约束、侧向位移约束以及最大侧向加速度约束，得出Sigmoid函数表达式，作为智能汽车在紧急变道过程跟踪阶段的参考路径。最后利用hp自适应伪谱法加入切换点的物理量约束，逼近全局正交多项式的状态量和控制量，自动调整和处理2个阶段的切换点位置和衔接问题，以最小变道距离为目标对跟踪阶段的变道轨迹进行优化。运用PreScan与MATLAB对4种不同工况下的紧急变道轨迹规划进行联合仿真。结果表明：提出的轨迹规划与优化方法在满足各项约束的情况下成功避开障碍物，同时缩短了需要优化的轨迹，优化时间都小于0.9 s，并且与基于多项式函数轨迹规划方法相比，该方法能够以距障碍物较远的距离避开障碍物，在不同的车辆速度、道路曲率和障碍物宽度的复杂工况下具有更好的适应性。     

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。     

智能汽车极限工况下联合制动与转向的自动紧急避撞研究

为提高智能汽车极限工况下的自动紧急避撞能力,提出了一种联合制动与转向的综合控制方法。首先,建立了包含转向、制动和悬架子系统耦合特性的18自由度统一动力学模型,并对其进行了水平路面上的转向制动仿真。接着,提出了联合制动与转向的自动紧急避撞系统总体框架,其中路径规划选用五次多项式规划算法,纵向采用滑模跟踪控制,侧向采用基于2自由度参考模型的最优四轮转向跟踪控制。最后,参考乘用车双移线极限工况测试国际标准,构建自动紧急避撞驾驶场景,对上述模型在不同车速下的自动紧急转向避撞和联合制动与转向避撞进行了对比仿真。结果表明:当车速较高时,车辆实际轨迹与理想跟踪轨迹存在一定滞后,极限工况下仅通过转向操作难以成功避撞;而联合制动与转向的避撞控制系统可进一步提高车辆极限工况下的自动紧急避撞能力,最大通过车速可由50提高至60 km/h。     

融合预瞄特性的智能电动汽车稳定性模型预测控制研究

提出了一种融合预瞄特性的智能电动汽车稳定性前馈+反馈控制方法。建立车辆预瞄模型，通过汽车在环境感知时的前视行为，引入道路曲率作为车辆动力学特性的影响因素。基于在前视信息指导下的车辆位姿变化，根据道路附着能力和车速指数模型描述期望纵向车速，建立轮胎侧偏刚度补偿的稳定性前馈控制方法。同时，采用模型预测控制（MPC）设计稳定性反馈控制律，根据车辆的预瞄信息自适应调整预测模型参数和预测时间，消除前馈控制误差及路面扰动等不确定性因素带来的影响。研究结果表明，本文提出的控制策略下汽车质心侧偏角、横摆角速度和侧向加速度小，且跟踪精度更高。仿真试验中，相比于无控制、MPC反馈控制与前馈+定参数MPC反馈控制，本文提出的控制策略在双移线工况1下质心侧偏角峰值分别减小了41.3%、28.9%和10.0%，横摆角速度峰值分别减小了18.0%、6.7%和2.0%，双移线工况2下质心侧偏角峰值分别减小了27.2%、8.7%和8.0%，横摆角速度峰值分别减小了16.9%、12.9%和8.6%；相比于MPC反馈控制与前馈+定参数MPC反馈控制，在蛇行工况1下，质心侧偏角峰值分别减小了49.8%与34.8%，横摆角速...     

智能汽车路径跟踪精度及操纵稳定性耦合机理分析

针对现有智能汽车路径跟踪算法研究中存在的智能汽车路径跟踪精度与操纵稳定性相互耦合和相互制约问题,在车辆二自由度模型基础上,设计了基于传统预瞄误差模型的PID控制方法,研究了智能汽车在蛇形道路工况、定曲率变车速工况和定车速变曲率工况下,车速及道路曲率对智能汽车路径跟踪精度和操纵稳定性的影响。仿真结果表明,随着车速和道路曲率的增加,智能汽车路径跟踪精度以及操纵稳定性降低;智能汽车的路径跟踪精度提高,操纵稳定性变差。     

基于弧长预瞄的车辆侧向跟踪控制研究

为提高基于预瞄理论的路径跟踪控制算法的计算效率与适应性,本文中在预瞄最优曲率模型的基础上,提出了一种依据车辆实际行驶路程获取预瞄点侧向位移的弧长预瞄方法。并在该方法下,推导了预瞄点侧向位移与车辆前轮转角之间的关系,之后通过侧向跟踪闭环系统方框图,建立了路径跟踪的侧向控制模型。最后,在CarSim/Simulink联合仿真环境下,通过建立若干典型仿真工况,对该模型的有效性和人-车-路闭环系统转向盘稳定性影响因素进行了仿真分析。结果表明,该方法在侧向路径跟踪控制方面具有跟踪精度高、计算速度快和适应性好的特点。并且,当闭环系统同时满足期望路径点方向连续和预瞄距离大于临界前视距两个条件时转向盘趋于稳定。     

智能汽车自动紧急转向避撞的跟踪控制方法对比研究

为了提高智能汽车的主动安全性,提出3种不同的自动紧急转向避撞跟踪控制方法。首先建立汽车避撞简化模型,对制动、转向及两者相结合的3种不同避撞方式进行对比分析。其次,为深入研究汽车避撞过程中的实际响应,建立包含转向、制动及悬架3个子系统耦合特性的底盘18自由度统一动力学模型,并进行相关试验验证。随后构建智能汽车自动紧急转向避撞控制框架,对五次多项式参考路径和七次多项式参考路径的横摆角速度和横摆角加速度进行对比分析。接着以线性2自由度转向动力学模型为参考对象,对最优控制四轮转向、最优控制前轮转向、前馈与反馈控制相结合的前轮转向3种不同的跟踪控制系统分别进行设计。最后,以汽车底盘18自由度统一动力学模型为研究对象,对上述3种避撞控制系统进行仿真试验对比分析。研究结果表明：与制动避撞相比而言,转向避撞所需的纵向距离有较大降低,随着车速的增加和路面附着系数的越低,效果越明显;七次多项式参考路径比五次多项式参考路径的避撞过渡过程更为平缓,当实际车速与控制器所用车速不一致时,前者避撞性能表现更优;最优四轮转向控制系统在高、低2种不同附着路面都具有较好的避撞效果,最优前轮转向控制系统次之,而前馈与反馈相结合的前轮转向控制系统在低附着路面上则表现出严重的失稳。     

装载机避障轨迹规划及模型预测轨迹跟踪

轮式装载机在工作区域行驶时，避障过程频繁，以往的避障轨迹规划未考虑整车转向半径约束和车速变化，也较少考虑整车在动力学模型条件下的轨迹跟踪性能。针对上述情况，以自动驾驶轮式装载机为对象，基于最优快速随机扩展树算法（RRT^*），考虑车身膨胀圆个数，生成全局最优避障路径，以整车最小稳定转向半径为约束，利用CC-Steer算法对避障路径进行平滑处理，采用路径-速度分解算法规划满足整车在加速、匀速和减速状态下的避障行驶轨迹。基于整车动力学模型，考虑行驶过程中的横向位置偏差和航向角偏差，并将整车动力传动系统视为1阶惯性环节，构建装载机动力学状态空间方程。以加速度和铰接角为控制输入，以车速、横向位置偏差和航向角偏差为控制输出，建立整车动力学预测模型，以加速度、铰接角和车速为约束条件，将目标函数转换为二次规划问题，建立满足装载机在工作区域避障的模型预测轨迹跟踪控制系统。以规划的非匀速行驶避障轨迹为目标，利用构建的模型预测轨迹跟踪系统，进行自动驾驶轮式装载机的轨迹跟踪仿真。研究结果表明：所提方法能够很好地控制自动驾驶轮式装载机从初始位姿驶向目标位姿，实现整车在工作区域的避障过程，且在避障过程中满足整车的约束要求，保证整车在轨迹跟踪过程中的安全稳定性能。     

制动与转向协调动作的车辆避撞控制研究（双语出版）

为了弥补现有汽车避撞控制策略以及碰撞风险评价指标单一的不足，提出转向和制动协调的主动避撞控制系统。首先规划了五次多项式换道路径，在对其理论分析的基础上得到转向临界避撞距离和与目标车道车辆的安全距离约束。其次，考虑道路附着系数和系统延迟的影响，基于制动过程给出制动临界避撞距离，并以纵向行驶安全系数ξ和碰撞时间倒数T^-1_TC划分安全行驶区域，利用驾驶人实车跟车数据标定稳态跟随/定速巡航区域的阈值。随后，通过转向/制动临界避撞距离的对比给出2种避撞方式的安全收益范围。最后搭建Simulink/CarSim联合仿真模型，并对其进行不同初始条件下的避撞仿真试验。研究结果表明：转向操作在制动距离不足时仍是有效的；当主车高速近距离接近静止前车时，主车可以顺利采取转向换道动作，而常规ACC系统在2.5 s处的车间相对距离为-0.76 m，事实上已经发生了碰撞；当相邻车道前车与主车纵向间距不满足换道安全距离约束时，避撞控制系统进入紧急制动模式，最大制动减速度达到-0.8g（g为重力加速度），实际最小车间距为5.1 m；通过转向和制动的协调动作，充分发挥了车辆的避撞潜力；ξ和T^-1_TC指标的融合，可以更好地评估碰撞风险并实现不同控制模式的转换，在保证行车安全的同时可避免过分制动给乘客造成的紧张感。     

四轮转向汽车自适应模型跟踪控制研究

使用单点预瞄驾驶员模型，针对确定性汽车模型探讨了４ＷＳ汽车在单移线行驶过程中后轮的最优转向控制规律。通过引入状态反馈，改善了整车的转向特性，将实际汽车的前后轮胎侧刚度及外界干扰视为有界的不确定性参数，采用自适应模型跟踪变结构控制方法，使得不确定的实际汽车模型能够很好地跟踪确定的最优理论模型，仿真结果表明该方法的可行性，控制系统能够有效地克服参数摄动及外界干扰对系统稳定性的影响。     

基于横向安全距离模型的主动避障算法

现有的安全距离模型是基于纵向相对车速或减速度值建立的,没有考虑移动目标的横向运动特性。本文利用移动目标横穿马路的速度、相对位置,建立横向安全距离模型,并提出一种基于横向安全距离模型的主动避障算法。首先,根据横向移动目标横穿马路的速度、相对位置和自车的制动距离建立横向安全距离模型,设计主动避障算法。接着,为计及路面条件对制动效果的影响,引入当前行驶路面估算的附着系数峰值估算最大制动减速度,约束目标避障减速度,并调整制动强度,以适应不同路况的安全避障行驶。最后,以典型横向移动目标骑行者作为研究对象,通过PreScan/Simulink/CarSim联合仿真验证避障算法的有效性。结果表明:基于横向安全距离模型的主动避障算法能有效避免与骑行者碰撞,提高行车的主动安全性。     

智能车辆主动避撞与稳定性联合控制仿真

为改善车辆在主动避撞过程中的车辆动力学特性,在MATLAB/Simulink环境下结合驾驶员模型分别设计了基于模糊控制理论的主动避撞控制处理器、制动稳定性控制器和转向稳定性控制器,从而能够在车辆主动避撞过程中综合考虑避撞和稳定性两个目标.并在ADAMS中建立了整车模型,联合MATLAB进行了仿真研究,仿真结果证明,在相...     

Role of steering wheel feedback on driver performance: driving simulator and modeling analysis

When driving in curves, how do drivers use the force appearing on the steering wheel? As it carries information related to lateral acceleration, this force could be necessary for drivers to tune their internal model of vehicle dynamics; alternatively, being opposed to the drivers' efforts, it could just help them stabilize the steering wheel position. To assess these two hypotheses, we designed an experiment on a motion-based driving simulator. The steering characteristics of the vehicle were modified in the course of driving, unknown to drivers. Results obtained with standard drivers showed a surprisingly wide range of adaptation, except for exaggerated modifications of the steering force feedback. A two-level driver model, combining a preview of vehicle dynamics and a neuromuscular steering control, reproduces these experimental results qualitatively and indicates that adaptation occurs at the haptic level rather than in the internal model of vehicle dynamics. This effect is related to other theories on the manual control of dynamics systems, wherein force feedback characteristics are abstracted at the position control level. This research also illustrates the use of driving simulation for the study of driver behavior and future intelligent steering assistance systems.     

Vehicle stability control based on driver’s emergency alignment intention recognition

In this work, the reference model modification strategy for vehicle stability control based on driver's intention recognition under emergent obstacle avoidance situation was proposed. First the conflicts between the driver's emergency alignment (EA) intention and vehicle response characteristics were analyzed in critical emergent obstacle avoidance situation. Second combining steering wheel angle and its speed, the driver's EA intention was recognized. The reference model modification strategy based on steering operation index (SOI) was presented. Then a LQR model following controller with tire cornering stiffness adaption was used to generate direct yaw moment for tracking modified reference yaw rate and reference sideslip angle. Finally based on the four-in-wheel-motor-drive (FIWMD) electric vehicles (EV), double lane change and slalom tests were conducted to compare the results using modified reference model with the results using normal reference model. The experimental tests have proved the effectiveness of the reference model modification strategy based on driver's intention recognition.     

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。