三点预瞄的智能控制补偿驾驶员模型

为适应不同驾驶员的预瞄风格和推理决策能力,提出了一种基于三点预瞄的智能控制补偿驾驶员模型,根据预瞄前方远、中、近3个点的坐标值对目标路径的位置关系进行判断,结合当前车速建立了预瞄距离自适应的经验指数模型,提出了以车速、航向角、中点侧向误差为输入,转向盘转角为输出的模糊智能控制驾驶员模型,并对转向角进行补偿校正。仿真结果表明:该模型能够合理地判断目标路径的位置关系,适应预瞄距离的动态调节机理;在不增加失稳风险的条件下,有补偿模型较未补偿校正模型的路径跟踪精度更高。     

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。     

智能车路径跟踪控制算法的简述

智能车主要分为路径规划、路径跟踪、自动泊车三大部分。路径规划主要研究车辆的避障问题,路径跟踪主要研究车辆跟随期望路径的有效性,自动泊车主要分析车辆在有限的几何空间内将车辆泊到指定的空间位置。其中路径跟踪是其核心部分,根据研究方法的不同,主要分为"预瞄跟随模型"和"智能控制模型"。文章根据预瞄点的不同,主要分析单点预瞄模型、两点预瞄模型、路程预瞄模型。根据智能控制方法的不同,主要分析模糊逻辑控制驾驶员模型、神经网络控制驾驶员模型、模型预测控制驾驶员模型。     

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。     

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。     

驾驶员前视行为特性的动态变化规律

为了准确描述驾驶员前视预瞄行为随车速及道路曲率动态变化的特性,文章开展了在不同道路曲率和车速下的驾驶员前视距离实车场地试验测试,建立了车速-道路曲率-驾驶员前视时间的关系曲线,并将其应用于人-车-路闭环仿真中,进一步提高了驾驶员方向控制模型与真实驾驶员操纵行为的一致性.     

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。     

基于稳态特性的路程预瞄转向模型

为实现车辆稳态转向的理想状态,建立更真实的预瞄-跟踪行为,提出了2种基于稳态转向的路程预瞄转向模型,假设车辆处于稳态转向状态,预测车辆的行驶轨迹,基于预测轨迹的侧向误差最小原则,分别建立了将单点预瞄转化为路程预瞄的理想转向模型和修正转向模型。CarSim/Simulink联合仿真结果表明,2种转向模型均具有较好的路径跟踪精度、适应性和转向平顺性。     

基于ANFIS的工况跟踪用纵向驾驶员模型开发

针对基于PI控制纵向驾驶员模型的工况跟踪效果不佳等问题,采集了某PHEV试验样车的纵向驾驶行为数据,采用ANFIS建立了二输入参数的纵向驾驶员模型和考虑未来预期车速影响的预瞄纵向驾驶员模型。仿真结果表明,基于ANFIS的预瞄纵向驾驶员模型具有最好的工况跟踪效果,均方根误差为0.993 0 km/h,且其决策出的加速踏板行程、挡位和需求转矩与实车试验结果最为接近。     

基于多点序列预瞄的自动驾驶汽车路径跟踪算法研究

针对自动驾驶汽车自主行驶问题,提出了一种基于预瞄信息的路径跟踪算法。以GPS轨迹点序列作为目标路径,建立车辆—路径相对运动关系模型,使用实时差分GPS数据确定车辆位置。通过预瞄点序列,计算路径的预瞄偏差角和路径弯曲度。根据路径弯曲度确定行驶速度,实现纵向控制;通过Pure Pursuit算法将预瞄偏差角转换成前轮转角的控制量,实现横向控制。试验结果表明,提出的路径跟踪方法在纵向、横向控制和跟踪平稳性方面都具有良好的效果。     

基于多点预瞄最优控制的智能车辆路径跟踪

为在嵌入式控制器开发环境下提高智能车辆的路径跟踪精度,采用车辆动力学模型和多点道路预瞄模型,以预瞄窗口内的跟踪偏差为目标函数,结合LQR最优控制原理,提出了一种基于多点预瞄最优控制路径跟踪控制方法。针对实车应用,通过离线计算最优增益的方法,提高算法实时性。在仿真及红旗H7实车环境下进行试验,结果显示,该方法在保证跟踪精度的同时具有良好的算法实时性。     

基于预期偏移距离的人机权值分配策略研究

针对智能车辆横向运动控制中驾驶员和辅助系统的控制权限冲突问题,本文中提出一种人机权值分配策略。采用车辆在预瞄点处的预期偏移距离(PDLC)衡量车道偏离危险度,预期偏移距离通过对预瞄偏差修正获取。权值分配函数设计时以PDLC为自变量,以保证驾驶员的权值为优先控制目标,以一定的横向运动控制精度为先决条件。在CarSim/Simulink联合仿真平台和CarSim/Labview RT硬件在环实验台上对提出的控制策略进行了实验验证和数据分析。结果表明,采用权值分配策略协调驾驶员和辅助系统的控制,可在有效跟踪理想道路中心线的前提下保证驾驶员的控制权值,降低其工作负荷以及纠正驾驶员的误操作行为。     

基于模糊推理的无人车路径跟踪算法

针对传统的纯跟踪算法的缺点,提出了一种可变预瞄距离的路径跟踪算法。该算法在纯跟踪算法的基础上,利用模糊推理方法,将车辆的速度和加速度作为输入,将预瞄距离作为输出,并且在实验的基础上制定合理的隶属度函数和控制规则,实时地根据车辆的状态计算出合理的预瞄距离,从而兼顾路径跟踪的准确性和车辆的稳定性。最后通过Simulink/CarSim平台对算法进行验证。结果表明,该算法在0~60km/h速度内可保证无人车稳定准确的跟踪参考路径,且具有较强的鲁棒性。     

基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制.首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度.接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种...     

无人驾驶汽车路径跟踪控制方法拟人程度研究

无人驾驶汽车路径跟踪控制是无人驾驶汽车运动控制的核心所在,目前常用的路径跟踪模型主要以路径跟踪精度为主要控制目标,在很大程度上忽略了无人驾驶汽车的乘坐舒适性和控制的拟人程度。为了研究无人驾驶汽车路径跟踪控制算法的拟人程度并提高乘坐舒适性,基于转向几何学、汽车运动学和汽车动力学理论建立实车中常用的4种路径跟踪模型,提出以路径跟踪过程中的最大横向加速度a_ymax和方向盘转角平方和δ_w²共同表征路径跟踪模型的拟人程度和横向乘坐舒适性。基于驾驶人实车换道试验数据,建立多项式拟人换道参考路径,搭建CarSim/Simulink联合仿真模型,并对其进行不同车速下的车辆换道试验。研究结果表明：路径跟踪模型的横向循迹偏差均会随着车速的提高而增加,但都能较好实现路径跟踪;带预瞄路径跟踪模型和动力学前馈最优LQR路径跟踪模型拟人程度较好;汽车运动学路径跟踪模型的乘坐舒适性最差,方向盘修正激烈;在100 km·h^-1,a_ymax>0.7 m·s^-2,δ_w²>2.7×10³时,拟人程度最差;不带预瞄路径跟踪模型循迹精度最高,且拟人程度最高,乘坐舒适性最好,120 km·h^-1时,a_ymax ≤ 0.5 m·s^-2。     

基于跃度信号的自动驾驶横向控制

针对自动驾驶车辆的横向控制,提出了一种基于跃度信号的预瞄控制。建立车辆二自由度动力学误差模型,采用线性二次调节（LQR）反馈控制和前馈控制构成闭环横向控制模型。以CarSim和Simulink为仿真平台,模拟车辆进入并跟踪稳态圆。通过分析横向位置误差和横摆角误差等指标,表明该预瞄算法在横向控制精度、跟踪速度方面具有良好效果。     

汽车垂直泊车路径规划与路径跟踪研究

自动泊车系统(APS)是智能汽车研究中一项重要的内容。当前大部分垂直自动泊车算法未考虑汽车初始位置航向角误差的影响,导致实际泊车时效果不理想或发生剐蹭事故。针对这一问题,本文中研究了汽车初始位置航向角存在误差(即初始位置航向角不为零)时的垂直泊车路径规划和路径跟踪方法。首先利用四次样条函数对泊车路径进行规划,改善路径特征,然后为改进目前常用的预瞄误差前馈跟踪算法对变曲率路径跟踪误差较大、且滞后较明显的缺点,设计了预瞄误差前馈与航向角反馈相结合的泊车路径跟踪控制算法。通过Simulink/CarSim联合仿真和实车试验对所提出的泊车算法进行了验证,仿真及实车试验结果均表明,当汽车初始位置航向角不为零时,所提出的算法能够规划出可行泊车路径,而预瞄误差前馈与航向角反馈相结合的路径跟踪控制算法较单一的预瞄误差前馈控制方法跟踪误差更小,最终泊车位姿更理想。     

基于时间系数的单点预瞄驾驶员模型分析

本文中建立了一种车辆新的单点预瞄驾驶员模型,分析了预瞄时间和误差反馈系数对跟踪效果的影响。提出稳态误差存在的根本原因是"纵向预瞄时间和侧向加速时间没有解耦"的假设。通过增设表征侧向加速时间与纵向预瞄时间之间关系的时间系数F,该模型在保证系统振动频率可调的前提下,可无差地跟踪给定的弧形弯道。     

预瞄驾驶员模型中车辆操控稳定性的分析

通过将驾驶员模型、汽车运动学模型与闭环控制系统相结合,给出了一种基于最大预瞄距离驾驶员模型的空间方程.采用Lyapunov-Krasovskii泛函方法,分析基于该模型的“人—车—路”闭环控制系统的指数稳定性条件.利用所建立的4轮车辆驾驶员模型,分别采用不同的最大预瞄距离值和驾驶员反应时滞值,对车辆路径跟随进行了仿真试...     

改进的有限时间最优预瞄横向控制器设计

提出了有限时间最优预瞄横向控制算法,根据高速公路车道保持系统实际控制要求,使用了同时考虑车辆当前偏差、预瞄点偏差和控制变量的有限时间二次型性能指标函数。运用最优跟踪算法并进行预瞄距离内曲率恒定的假设,使得控制器参数可以离线求解,保证了车辆控制的实时性。通过仿真及实车试验验证,该控制算法具有较好的跟踪效果。