车用大功率燃料电池发动机进气系统控制

为满足100 kW大功率氢燃料电池发动机工作时气体供应需求，开发进气系统控制策略。首先对燃料电池电堆及进气系统进行建模，依托被控对象模型设计开发了“MAP前馈+PID反馈”的阴、阳极进气控制策略，采用单片电压状态与系统效率加权求和的方式标定阳极吹扫时间，并通过台架测试验证了该策略部署到实际控制器中的控制效果。结果显示，在稳态和瞬态工况中均实现了对压力和流量的快速响应，使得电流拉载速率提高到120和-170 A/s，阳极压力稳态和瞬态控制精度分别为98.93%和95.10%，全功率单片电压平均值为15 mV，一致性较好。基于测试数据标定搭建了阴极进气系统状态方程，开发了集成非线性扰动观测器和基于Lyapunov直接法的非线性控制器的进气方案，经MIL仿真测试显示了对空气进气控制目标的准确控制，为进一步提高控制系统响应精度提供了理论基础。     

基于反馈线性化的汽车AMT离合器滑模控制

电控离合器系统中，因为外界环境相当复杂，控制系统存在多种非线性，使得数学模型中参数是摄动的并且同时受到干扰，给机械式自动变速系统（AMT）的控制带来困难，针对离合器液压扫行机构，建立系统非线性动力学模型，进一步应用基于微分几何的反馈线性化方法，将原非线性系统等价为完全可控型线性化模型，然后设计滑模控制器，实车实验结果表明，设计的非线性控制器跟踪精度高，鲁棒性好。     

燃料电池空气供应系统非线性鲁棒控制

提出了一种质子交换膜燃料电池空气供应系统非线性鲁棒控制方法.控制目标是在阶跃负载电流条件下过氧比和电堆阴极压力调整到期望值,避免燃料电池空气供应系统出现氧气不足的现象,获得最大净功率.建立了面向控制的空气供应系统多输入多输出模型,针对空气供应系统模型中电堆阴极压力不能直接测量和模型具有非线性程度高、耦合性强、参数的不确...     

基于三自由度的智能汽车模糊滑模横向运动控制研究

针对智能汽车运动过程中存在的车身姿态变化问题以及运动控制精度问题，设计了一种基于非线性3自由度动力学模型的模糊滑模横向运动控制器。建立了包括侧倾运动的3自由度动力学模型，进行了模型线性化；对基于线性化处理后的动力学模型进行了滑模控制器设计，通过控制前轮转角实现了路径跟踪横向控制，并引入了模糊控制提高控制效果，本控制系统能够在跟踪过程中对车身姿态变化进行观察。仿真结果表明，搭建的基于3自由度动力学模型的模糊滑模控制器能够在考虑侧倾运动的基础上，实现路径跟踪，且构建的模糊滑模控制系统相较于传统滑模控制其横向偏差与方向偏差分别降低了7.28%和1.50%，同时模糊控制也减弱了滑模控制固有的抖振影响。     

燃料电池系统阴极气体压力及流量闭环控制

为简化质子交换膜燃料电池系统中空气压力和空气流量解耦控制算法，在充分分析现有燃料电池系统中普遍使用的离心式空压机特性的基础上，提出一套基于PID和模糊控制的无解耦空气压力、空气流量闭环算法。将该控制算法在空气供应子系统台架和质子交换膜燃料电池系统上进行了测试，结果表明：空气压力和空气流量在燃料电池系统稳态运行时误差分别在1 kPa及1 g/s以内，该算法控制效果良好，精度满足实际需求，且可以很好地规避空压机喘振问题。     

自动变速车辆低附着路面牵引力控制研究

提出了一种基于发动机节气门开度与变速器挡位协调控制的自动变速车辆牵引力控制系统.针对滑移率控制系统的非线性与参数不确定性,根据微分几何理论对其进行了反馈线性化并施加滑模控制.同时利用动态规划方法求得能产生所需驱动转矩的节气门开度与变速器挡位.仿真结果表明,此种牵引力控制系统具有设计简单和控制效果良好等特点.     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统（ESC）的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制（Sliding Mode Control,SMC）中抖振较大的问题,提出一种自适应神经网络滑模控制算法。基于2自由度车辆模型,首先设计一个二阶滑模（Second-order Sliding Mode,SOSM）估计器对车辆的质心侧偏角进行估计,然后利用径向基（Radial Basis Function,RBF）神经网络对车辆系统建模中的各种非线性扰动项进行实时估计,并进行Lyapunov稳定性证明,RBF神经网络估计车辆系统建模的各种非线性扰动项可以有效减小滑模控制符号项的系数,从而减小滑模抖振水平。为了更进一步优化传统滑模控制的参数调节过程,减小滑模抖振并提高系统控制精度,再次利用RBF神经网络对传统滑模控制中的关键参数进行自适应调节。最后为了验证算法的有效性,搭建客车电控气压制动系统硬件在环试验台,在硬件在环试验台上对算法的有效性和精度进行试验验证。研究结果表明：客车ESC在自适应神经网络滑模算法的控制下,横摆角速度和质心侧偏角能够较好地跟随上理想的横摆角速度和理想质心侧偏角,横摆角速度和质心侧偏角的跟随误差降低;利用RBF神经网络估计客车建模中的各种非线性扰动项和利用RBF神经网络自适应调节传统滑模控制的关键参数,可以有效提高客车ESC的控制精度。     

应用于车辆纵向控制的无模型自适应滑模预测控制方法

鉴于汽车纵向动力学系统为典型的参数时变不定、多扰动的非线性离散系统,基于精确数学模型的控制算法较难取得理想效果,本文中采用无需模型、基于输入/输出数据的控制算法.首先,基于紧格式动态线性化数据模型,将无模型自适应控制(MFAC)算法、滑模控制(SMC)算法和模型预测控制(MPC)算法相结合,设计了无模型自适应控制器.接...     

质子交换膜燃料电池阴阳极恒压差控制策略研究

阴阳极压力控制对提高燃料电池系统性能至关重要。本文阳极侧使用自适应神经模糊推理系统(ANFIS)作为其控制策略，实现对阴极压力的跟随；阴极侧使用RBF-PID控制器作为其过氧比控制策略。仿真结果表明，ANFIS可迅速将阴阳极压力差稳定在需求值并显著降低流量波动。     

电动轮轮内主动减振器的非线性最优滑模模糊控制

轮毂电机与车轮刚性连接会增加电动车辆的非簧载质量,影响车辆平顺性。为克服电动轮垂向振动负面影响,提出一种电动轮轮内主动减振器的非线性最优滑模模糊控制方法。建立了考虑悬架广义非线性特性的1/4车辆动力学模型,通过对非线性系统的线性化、构建最优滑模模糊调节器和逆线性化这3步实现轮内主动减振控制,并进行了对比仿真验证。结果表明:非线性最优滑模模糊控制的电动轮轮内主动减振器可有效减弱轮毂电机垂直振动负面效应,确保电动车辆具有更好的综合平顺性能。     

纯电动汽车制动避撞系统的建模与分析EI北大核心CSCD

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

纯电动汽车制动避撞系统的建模与分析

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

基于最优变结构的防抱控制系统的研究

车轮制动的防抱系统是一类非线性系统，轮胎与路面间附着系数本身是非线性的且变化很大；结合滑模变结构和最优方法对防抱制动系统的控制进行了研究，很好地解决了控制的精确性等问题；在不同的滑移率误差区域采用不同的控制系统，人而得到很好的控制效果。     

基于非线性扰动观测的商用车ESC自适应滑模控制研究

针对商用车ESC控制中,实际车辆存在各种扰动,难以建立精确的车辆模型,传统滑模控制存在较大抖振等问题,本文中提出基于非线性扰动观测(NDOB)的自适应滑模控制(ADSMC)算法。首先,利用非线性扰动观测器对车辆建模的扰动项进行估计;然后,采用径向基神经网络对滑模控制器的关键参数进行自适应调节,以简化参数调节过程、减小滑模抖振、提高控制精度;最后,在TruckSim中建立车辆模型,在MATLAB中建立控制策略模型,在电控气压硬件在环试验台上,对控制算法进行试验验证。试验结果表明,NDOB-ADSMC算法的ESC控制效果良好,能够满足车辆ESC控制需求。     

无人驾驶机器人车辆非线性模糊滑模车速控制

为了实现不同行驶工况下车速的精确、稳定控制，提出一种基于非线性干扰观测器的无人驾驶机器人车辆模糊滑模车速控制方法。考虑模型不确定性和外部干扰对车速控制的影响，建立车辆纵向动力学模型。通过分析无人驾驶机器人油门机械腿、制动机械腿的结构、机械腿操纵自动挡车辆踏板的运动，建立油门机械腿和制动机械腿的运动学模型。在此基础上，分别设计油门/制动切换控制器、油门模糊滑模控制器以及制动模糊滑模控制器，并进行控制系统的稳定性分析。油门/制动切换控制器以目标车速的导数为输入来进行油门与制动之间的切换控制。油门模糊滑模控制器和制动模糊滑模控制器以当前车速以及车速误差为输入，分别以油门机械腿直线电机位移和制动机械腿直线电机位移为输出来实现对油门与制动的控制。模糊滑模控制器中，为了减少控制抖振，滑模控制的反馈增益系数由模糊逻辑进行在线调节。模糊滑模控制器中的非线性干扰观测器用于估计和补偿无人驾驶机器人车辆的模型不确定性与外部干扰。仿真及试验结果对比分析表明：本文方法能够精确地估计和补偿无人驾驶机器人车辆的模型不确定性和外部干扰，避免了油门控制与制动控制之间的频繁切换，并实现了精确稳定的车速控制。     

双闭环结构的智能车辆弯路换道轨迹跟踪控制

为提高智能车辆弯道换道的安全性能,对其换道轨迹跟踪控制进行了研究。考虑到纵向速度、横向速度及横摆角速度对换道过程的影响,建立了非完整约束条件下车辆的运动学和动力学模型。基于积分反演方法设计了外环车辆位姿控制器,将换道轨迹跟踪问题转换为在任意初始误差下跟踪参考位姿问题,基于非线性积分滑模控制方法设计了内环的动力学控制器,实现了对车辆运行速度的跟踪,分析了该控制系统的稳定性和收敛性。仿真结果表明,所建立的控制系统可保证跟踪误差全局一致有界收敛,具有较快的收敛性和对时变参数不确定性的鲁棒性。     

主动汽车悬架的非线性控制

本文采用１／４车模型对天棚阻尼器和主动悬架的动力学性能进行分析，针对执行器的非线性特性，探讨了微分几何法和反馈法线必互法在主动悬架控制中的应用，在系统控制设计中采用了离散滑模法，仿真结果显示非线性控制律能有效地改善主动悬架的隔振特性。     

基于直驱阀的快速响应线控制动系统液压力精确控制

为突破响应时间与控制精度的性能瓶颈，提出一种基于直驱阀的快速响应线控制动系统，通过基于Halbach永磁阵列的电磁直线执行器直接驱动阀芯，实现制动轮缸液压力的迅速调节。建立线控制动系统电磁、机械和液压子系统模型，设计基于逻辑门限的线控制动系统液压力-直驱阀位置切换控制架构。压力环采用滑模变结构控制，使轮缸液压力迅速逼近目标液压力值；设计结合摩擦补偿自适应控制律、稳定反馈和鲁棒控制的自适应鲁棒控制方法的直驱阀位置环，使直驱阀芯能够迅速通过阀死区；基于李雅普诺夫函数方法证明算法的稳定性。以线控制动系统的响应时间、控制精度等性能参数作为目标函数，通过相关矩阵分析控制参数对性能的影响规律，并通过多目标粒子群算法优化控制器参数。研究结果表明：提出的切换控制方法与PID控制和滑模控制相比，目标压力10 MPa的阶跃响应时间为0.05 s，稳态误差不超过2％；ARTEMIS欧洲循环工况下的均方根误差为0.33 MPa；设计的直驱阀结构与控制方法有利于提高制动系统的响应速度和控制精度。     

汽车动力系统的滑模控制

汽车动力系统是一个非常复杂的系统，不仅系统的参数较多，而且有着非常严重的非线性，这使得汽车动力系统不易在线辨识，只能选用鲁棒性控制，本文采用滑模控制理论进行控制器设计，对基于循环的增压柴油发动机离散平均值模型和基于时间的传动系平均值模型进行了多级滑模面的串级滑模变结构控制，最终使车速信号能精确地跟踪给定的车速参考信号。     

无人船路径跟随控制方法综述

无人船路径跟随控制同时存在非线性、时延、系统模型不确定以及风、浪、流干扰等问题,使得无人船高精度路径跟随控制的实时性控制难以保证.分析目前几种主要的路径跟随控制方法,PID、反馈线性化以及反步法在无人船航行存在高度非线性时,控制精度难以满足需求;滑模控制的抖振处理方法仍可以进一步优化;模型预测控制的实时性和精确性难以兼顾;模糊逻辑控制为提高控制精度,通常需增大模糊规则库,导致计算复杂;强化学习等智能控制算法在无人船路径跟随控制中具有较大的应用前景,但控制性能有待提高,且缺乏相关试验.基于此,总结了可能提高PID、反馈线性化和反步法控制精度的方法,提出将分层控制思想用于解决复杂模糊规则库和模型预测控制的计算复杂问题,并展望了强化学习等智能控制在无人船路径跟随控制中的可能的发展方向.