基于纯追踪模型的算法改进

针对前视距离随速度、跟踪偏差变化而调整的问题,将模糊控制器应用与纯追踪算法线性拟合公式中速度增益系数的调节。把横向偏差和航向偏角作为模糊控制器的输入量,利用驾驶经验制定模糊控制规则,输出速度增益系数,从而得到更为合理的前视距离,以达到理想的跟踪效果。在直线道路和定曲率道路上,对传统纯追踪算法和改进后的纯追踪算法进行仿真对比,结果表明改进的算法使得路径跟踪效果得到明显提高。     

基于反馈纯跟踪的智能车路径跟随方法

为提高智能车在不同速度和载荷下的路径跟随精度和稳定性，提出一种基于反馈纯跟踪的智能车路径跟随方法。首先，基于车辆运动学模型和纯跟踪模型分析影响控制效果的因素；然后根据车辆速度和路径曲率动态调整前视距离，将横向偏差作为反馈变量对传统纯跟踪控制方法进行补偿；接着通过仿真试验选定控制参数，分析控制参数对路径跟随精度和车辆稳定性的影响；最后通过实车试验，验证该方法在实车环境中的控制性能。结果表明，该方法具有较高的路径跟随精度，在不同速度和载荷下保持良好的适应性和稳定性。     

基于LMS自适应滤波的模糊控制主动悬架研究

以车辆操纵稳定性及行驶平顺性为控制目标，根据路面一车辆系统的特点，提出一种在线可调整的模糊控制算法，利用LMS自适应模块调整模糊控制器的自调整因子，改善单一模糊控制算法对专家先期经验的依赖。针对简化的车辆模型，以路面信号作为激励源，进行悬架系统的振动控制研究，结果表明提出的算法对车辆悬架系统的振动控制具有较好的适应性。     

汽车主动悬架系统的自适应模糊控制方法

本文提出了一种汽车主动悬架系统的自适应模糊控制方法，该模糊控制方法可以有线自适应调整模糊控制的有关参数。1/4车辆模型作为系统仿真对象，模糊逻辑控制器可以显著发减小车辆的振动及干扰，提高车辆受路面激励时车辆的舒适性。仿真结果清楚地表明该模糊控制方法的有效性。另外，当主动悬架系统模型参数发生变化时该模糊控制器表现出良好的鲁棒性。     

基于半主动自适应悬架系统的整车道路友好性研究

为了提高车辆的道路友好性与平顺性,设计了以磁流变减振器为控制对象的整车自适应模糊控制半主动悬架系统。在试验测试和理论分析的基础上,建立了基于磁流变减振器的整车半主动悬架模型及其状态方程,并用该模型对自适应模糊控制方法进行了研究。模型的输入采用B级和C级路面谱;道路友好性评价指标采用动载荷系数和动载荷应力因子;使用MATLAB/Simulink建立基于2个自适应模块的模糊控制器控制系统,模糊控制器的输入均采用车身与车桥的相对速度和相对加速度。仿真结果表明:与被动悬架相比,在B级和C级路面、不同速度下,半主动自适应悬架动载荷系数均降低30%左右,动载荷应力因子均降低40%以上,同时也提高了车辆的运行平顺性和稳定性。     

规则自调整模糊控制及其在主动悬架系统中的应用

根据路面 车辆系统的非线性特点,本文提出一种在线可调整的模糊控制算法,其模糊控制规则表可以用解析的方法进行计算。该方法不仅体现了模糊控制算法对非线性系统具有的明显优势,而且利用LMS自适应算法在线调整模糊控制器的修正因子。针对简化的车辆模型,以路面信号作为激励源进行了仿真研究,证明该算法对悬架系统的振动控制具有较好的效果,簧上质量加速度功率谱密度得到明显降低。     

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。     

基于模糊控制理论的汽车纵向防撞控制研究

研究了模糊控制理论在汽车防撞中的应用.利用毫米波雷达,霍尔传感器等测得本车与前车的相对速度和相对距离,并经模糊算法模糊化处理后作为输入,对节气门和刹车的控制量（即后车的加速度）作为输出量进行模糊控制研究,本文通过对汽车纵向行驶控制行为的模糊集定义,在安全距离的数学模型基础上,设计了车辆跟驰情况下的汽车防撞模糊智能控制器。利用matlab仿真软件进行了相应的验证及分析,结果表明该模糊控制控制系统能达到防撞控制效果。     

基于模糊理论的汽车智能巡航控制策略与仿真

基于模糊控制和模型匹配理论,应用分层式汽车智能巡航控制策略,实现节气门和制动踏板的协调控制。模糊上位控制器以实际距离与理想距离差和前方车辆与巡航车速度差作为输入,结合设计的模糊规则,获得巡航车期望加速度。考虑车辆系统干扰和响应延时性影响,构建了模型匹配下位控制器以确保巡航车期望加速度的实际输出。利用Simulink对控制功能实施了仿真验证,结果表明,该控制策略可有效实现智能跟随和定速巡航功能,提高行驶安全性。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律，分别构建基于预瞄的纯跟踪（PP）算法、前轮反馈控制算法和模型预测控制（MPC）算法的车辆模型，在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明：PP算法预瞄距离越短，横向控制精度越高，但稳定性越弱，低速鲁棒性较好；前轮反馈控制算法在高速下具有更小的横向控制误差，且增益系数k影响控制精度；相较于前两者，MPC算法在不同速度下均具有良好的横向跟踪性能。最后，开展实车试验对比验证3种算法的跟踪性能，结果表明，在同一工况下，MPC算法具有更优的跟踪性能。     

磁粉离合器自适应权重粒子群优化模糊控制的研究

针对传统的模糊控制精度不高、自适应能力有限等问题,为了对车辆起步时磁粉离合器接合过程进行模糊控制,提出一种应用自适应权重粒子群优化算法来优化模糊控制器量化因子的方法。优化的量化因子将根据环境和负载的状况,实时跟踪模糊控制器参数的变化,从而提高了模糊控制器的鲁棒性和控制精度。仿真结果表明,与传统的模糊控制相比,采用自适应权重粒子群优化的模糊控制算法在降低发动机转速超调量的同时,减小了车辆起步的最大冲击度和离合器接合过程中的滑摩功。     

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。      

基于轴距预瞄的非匀速工况车辆悬架状态估计

为实现车辆在非匀速行驶时的悬架相对速度和簧上绝对速度估计，同时减小车载传感器的数量，构造了不考虑车轮动力学、以车轮垂直速度为输入的车辆悬架系统简化模型，设计了一种基于速度自适应轴距预瞄的结合卡尔曼滤波算法估计整车悬架相对速度和簧上绝对速度的方法。仿真结果表明，在车辆非匀速行驶通过低频正弦路面、减速带、凹坑以及典型随机路面时，所提出的方法可以准确估计车辆的悬架相对速度和簧上绝对速度，且速度自适应轴距预瞄的引入减少了传感器的使用数量。     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据，基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素，选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据，选取3 000组实际运行数据完成公交行程时间预测模型的训练，另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间，预测值平均相对误差为3.23%，绝对误差集中在8 s左右，明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型，可认为选择RFID电子车牌数据作为组合模型的输入，能够明显改善模型预测精度；组合模型预测值的残差分布更为集中、鲁棒性较好，泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标，结果进一步表明，组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计EI北大核心CSCD

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。     

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。     

一种动态抑制驱动电机转速波动的控制系统

根据驱动电机系统在纯电动轿车中的应用特性,在复杂工况下,对整车行驶过程中的转矩需求值、速度变化值等参数进行分析,基于模糊控制算法思想,模拟道路路况和驾驶员意愿,线性化调节扭矩补偿值,有效抑制车辆的低速抖动,提高车辆的行驶平稳性。     

基于工况预测的复合储能系统功率分配策略研究

本文中提出了一种基于工况预测的复合储能系统自适应神经模糊功率分配策略,采用马尔可夫链模型对汽车未来的运行工况进行预测,得到的车速预测结果,作为自适应神经模糊控制器的一个输入,经自适应神经模糊控制器处理后得到功率分配值。实验结果表明,采用自适应神经模糊控制的复合储能系统功率分配策略可明显提升电池寿命,降低综合使用成本。     

基于自适应模糊扩展卡尔曼滤波的车辆运动状态联合估计

为准确实时地获取车辆运动状态信息,满足车辆主动安全控制系统的需求,基于模糊控制器和扩展卡尔曼滤波（EKF）算法,采用非线性3自由度车辆动力学模型,提出一种基于自适应模糊扩展卡尔曼滤波（AFEKF）的车辆运动状态联合估计策略。首先利用EKF算法对待测量噪声的输入量联合估计得到所需的状态量,然后建立模糊控制器对其进行自适应调节,最后应用MATLAB/Simulink仿真平台建立14自由度车辆动力学模型对估计算法进行仿真和实车试验验证。结果表明：AFEKF算法能够准确有效地估计车辆的行驶状态,且与EKF算法相比,准确性和鲁棒性更好。