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。     

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...     

基于模型预测的横摆和侧向稳定性控制

针对无人驾驶车辆路径跟踪过程中横摆和侧向稳定性控制,提出一种转向和制动的模型预测控制方案。控制方法基于3自由度车辆模型,控制目标是通过制动和转向的联合来跟踪期望路径。该控制方案依赖于非线性预测控制方法的预测功能,搭建基于MPC(Model Predictive Control,模型预测控制)的车辆主动转向和制动控制系统。通过Car Sim和Simulink联合仿真试验进行验证,证明所提出方法的有效性。     

基于预测风险场的智能汽车主动避撞运动规划

针对自动驾驶汽车侧方和后方的主动避撞问题,提出了融合障碍物运动预测的预测风险场和基于预测风险场的运动规划方法。在Frenet坐标系下,通过运动学模型预测未来场景下的各障碍车信息,建立基于道路纵向、横向和时间3个维度的预测风险场。考虑车辆动力学和速度、加速度与曲率约束,采用动态规划方法完成行为决策,并使用多项式曲线和二次规划方法对决策轨迹进行优化。结果表明:预测风险场能准确识别周围障碍车潜在风险随时间的变化趋势,并规划出满足各项约束的避撞轨迹,保障车辆运行的安全性和稳定性。     

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。     

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...     

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。     

基于数据驱动的人机混驾多车协同控制算法

针对多车协同控制系统中，传统控制算法需要准确获取系统中与驾驶员驾驶行为相关的参数以及与车辆系统动力学相关参数等问题，提出基于数据驱动的自适应动态规划控制算法。以有人与无人驾驶车辆混行的多车协同控制系统为研究对象，通过分析系统的横纵向控制模型，推导出系统状态方程，采用递推数值方法在线逼近最优解，并通过对最优反馈控制矩阵进行优化求解，得到最优控制输入。该算法简化了系统的控制输入参数，仅仅利用V2X通信获得的车辆的前轮转角以及车辆期望的纵向加速度作为控制输入，即可实现无人驾驶车辆的优化控制。基于Carsim和Simulink进行联合仿真测试验证，结果表明，该算法控制参数简单、收敛速度快、控制精度高、适应性强，能够控制无人驾驶车辆在多车系统中保持期望的车速并且与前车保持期望的车间距，同时在任意曲率道路上行驶时与车道中心线之间的横向误差趋于0。      

智能汽车轨迹跟踪与横摆稳定性协同控制

为了提高四轮独立驱动智能电动汽车在变曲率弯道下的轨迹跟踪精度和横摆稳定性,提出了一种模型预测控制与直接横摆力矩控制协同的综合控制方法。建立了横纵向耦合的车辆动力学模型,采用2阶龙格库塔离散法保证了离散模型的精度,并基于简化的2自由度动力学模型推导了车辆横摆稳定性约束,设计了非线性模型预测控制器;利用直接横摆力矩控制能够改变车辆横摆角速度和航向角的特点,考虑模型预测控制器的预测状态、控制量以及跟踪误差,设计了协同控制规则。仿真结果表明,协同控制方法解决了考虑横摆稳定性约束的模型预测控制器中存在的稳定性约束与控制精度相矛盾的问题,并补偿了模型预测控制器没有可行解时对横摆稳定性的约束,同时提高了智能汽车的轨迹跟踪精度和横摆稳定性。     

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。     

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。     

基于无人驾驶车辆的可变车道优化方法

为充分利用道路资源,提高道路网络系统的运行效率,缓解因潮汐现象所导致的交通拥堵和道路资源闲置并存的问题,面向无人驾驶车辆普及的未来对可变车道优化方法开展了研究。根据用户最优和系统最优之间的关系,提出了通过ITS调控所有无人驾驶车辆实现系统最优的方法。在此基础上,进一步考虑可变车道对道路资源的调节作用,构建了基于无人驾驶车辆的系统最优可变车道模型。采用混沌粒子群算法对模型进行求解,并通过算例验证了模型和算法的有效性。研究结果表明:在无人驾驶车辆普及的未来,单纯通过ITS调控所有无人驾驶车辆在道路网络达到系统最优状态,由于不能很好地利用轻交通流方向闲置的道路资源来提高重交通流方向路段的容量从而调节道路网络结构更好地匹配居民出行需求,因此对于缓解因潮汐现象所导致的交通拥堵和道路资源闲置并存的问题效果并不突出,对于提高道路网络的运行效率亦有限。而结合可变车道优化后,可以很好地协调人、车、路之间的关系,调节道路网络结构更好地匹配居民出行需求,均衡各路段的饱和度,优化流量在道路网络上的分布,显著减少道路网络系统总出行时间,在最大程度上发挥道路资源的作用,保障道路网络系统高效运行,有效缓解因潮汐现象所导致的交通拥堵和道路资源闲置并存的问题。     

多轴车辆操纵稳定性研究

采用基于综合曲率误差的预瞄PID驾驶员模型对HTF6轴车辆的稳态回转、车道变换和转弯制动3种典型操纵稳定性试验工况进行了仿真分析,对多轴车辆不同设计参数对整车操纵稳定性的影响进行了对比分析.结果表明,标准配置的1500×600轮胎可以综合平衡整车操纵稳定性;采用根据车速控制后桥转向模式的电控转向系统可同时满足多轴车辆几何通过性和高速侧倾稳定性的要求;车辆质心高度增加100 min对仿真计算结果无明显影响.     

基于非线性模型预测控制的智能车路径跟踪算法

为解决高速工况下低附着系数复杂路面上转向和行驶稳定性等难以控制的问题,建立了6自由度整车动力学模型,在传统模型预测控制理论基础上,设计了前轮主动转向控制器,并通过CarSim和MATLAB/Simulink进行联合仿真,在兼顾路径跟踪精度和行驶稳定性的前提下,对控制器参数进行优化,使车辆在中低速下路径跟踪达到最佳状态,在较高车速下加入侧偏角软约束,以保证跟踪精度和行驶稳定性。试验结果表明,提出的控制方法能保证车辆在冰雪路面高速行驶时具备一定的转向精度和行驶稳定性。     

无人驾驶车通过高速公路闸口区的方法研究

高速公路闸口区域内,由于周围车辆行为的随机性,传统路径规划和智能决策方法不能实现无人驾驶车辆的安全行驶。针对这一问题,提出一种决策树的结构化控制模型,通过控制速度使车辆沿预定路径安全驶过闸口区。首先给出高速闸口区场景参数、闸口区收费窗口到匝道之间路径预定义方法和车辆模型;在此基础上提出决策树的结构化控制模型,控制速度实现车辆安全行驶,并采用纯追踪法使车辆沿预定路径通过闸口区;最后通过计算机仿真创建随机道路环境,验证决策树控制模型的安全性和车辆速度的连续性、加减速度的可执行性。结果表明,无人驾驶车辆在周围车辆遵守交通规则的前提下,通过决策树控制模型控制车身速度可实现安全通过高速公路闸口区,并且车辆速度、加减速度均符合交通规则且在车辆可执行范围内。     

基于电子地图信息的车辆主动转向仿真

以驾驶员预瞄点处的横向偏移最小为目标，以道路曲率输入的车辆运动模型为基础，分析了车辆进行主动转向所需要的道路环境信息，并研究了利用电子地图及车辆定位传感器得到这些信息的方法。利用设计的转向控制器进行了恒定道路曲率及基于电子地图数据的实际道路信息输入下的主动转向仿真。仿真结果表明，利用电子地图提供的信息能够在投入较低成本的条件下进行主动转向，使车辆在道路曲率变化的情况下沿预定道路行驶并有着较小的侧向加速度；从而提高车辆在弯曲道路行驶的安全性、舒适性。     

基于扩张状态观测器的智能汽车弯道轨迹跟踪控制

为了提高智能车辆在复杂弯曲道路下进行跟踪控制的精度和稳定性,提出了一种基于扩张状态观测器的模型预测多目标优化控制方法.引入扩张状态观测器实时估计车辆跟踪过程中的总干扰,并对观测器稳定性进行证明;结合模型预测控制实现预测时域内多目标优化效果,利用估计的干扰值对控制量进行前馈补偿,得到车辆在动态干扰下的最优控制量.结果表明...