基于最小模型误差估计的智能汽车路径跟踪控制

为提高分布式驱动电动智能汽车在自主循迹过程中关键参数的估计精度并降低模型不确定性对控制系统鲁棒性的影响,本文中提出了一种基于观测器的自适应滑模路径跟踪控制策略。首先,针对难以直接精确测量的车辆纵、侧向速度,建立了5输入3输出3状态的状态估计系统,并采用最小模型误差准则以降低估计过程轮胎的非线性特性带来的观测模型误差。接着,基于运动学模型,计算出了路径跟踪期望横摆角速度响应,并采用自适应滑模算法实现主动转向控制。考虑线控转向系统的潜在失效风险,引入径向基神经网络对系统不确定性进行在线估计。同时,设计了直接横摆稳定控制器并采用最优转矩分配策略,进一步提高车辆的稳定性。最后,对车辆状态估计和路径跟踪进行了Carsim/Matlab联合仿真,结果表明:基于最小模型误差准则的观测器能取得较可靠的估计结果,路径跟踪控制器能保证车辆具有较好的跟踪精度和鲁棒性。     

基于改进纯跟踪的智能车路径跟随方法

为提高智能车的路径跟随精度和行驶平稳性，提出一种基于改进纯跟踪的路径跟随方法。首先建立纯跟踪路径跟随模型，分析纯跟踪模型在初始偏差条件下的控制效果；然后将航向偏差作为反馈变量对纯跟踪方法进行补偿，并以横向偏差和航向偏差为输入、以补偿权重为输出，采用类模糊方法实现补偿权重的动态调节；最后通过实车试验选定控制参数，并验证所提方法的控制性能。结果表明，该方法在不同初始偏差和不同目标行驶速度下能够实现偏差的快速消除，并保证行驶平稳性，具有较好的路径跟随效果，运算耗时较少。     

分布式驱动无人车路径跟踪与稳定性协调控制

针对无人车路径跟踪过程中跟踪效果与车辆稳定性这一多目标控制问题,基于分层控制理论提出了一种分布式驱动无人车辆路径跟踪与稳定性协调控制策略。建立了车辆动力学模型和路径跟踪模型,利用滑模控制方法设计了上层控制器,旨在减小路径跟踪过程中的航向偏差和横向偏差的同时确保车辆自身的稳定性。在下层控制器中,设计了一种四轮轮胎力优化分配方法,根据上层控制器需求,结合车辆横摆与侧倾稳定性情况,实现四轮轮胎力的定向控制分配。基于CarSim和Simulink搭建了联合仿真模型并进行仿真实验,结果表明,提出的协调控制策略能够有效地控制车辆路径跟踪中的航向偏差和横向偏差,同时确保车辆的侧倾与横向稳定性。     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性。针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径。提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法。以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集的关联函数动态分配轨迹跟踪精度和横向稳定性的权重系数,建立了自动驾驶汽车轨迹跟踪的多目标模型预测可拓协调控制策略。数值仿真结果表明,提出的路径规划方法能保证车辆安全超车,轨迹跟踪控制策略不仅能精确地跟踪规划的路径,而且具有较高的横向稳定性和舒适性。     

基于线性自抗扰控制的汽车ABS滑移率控制研究

针对目前滑移率控制的鲁棒性、复杂性与实际应用之间的矛盾,提出基于线性自抗扰控制的ABS滑移率控制方法。首先,对建立的ABS模型进行动态补偿线性化;接着,设计了以观测带宽为参数的扩张状态观测器和以控制带宽为参数的动态补偿控制器,并通过在线估计和补偿未知扰动,提高了系统的鲁棒性;然后,优化带宽系数,实现滑移率零稳态误差的跟踪;最后,通过仿真,验证ABS滑移率的线性自抗扰控制方法的可行性和有效性。结果表明,该方法不仅不依赖于模型,参数调节简单,且具有容错性,在产生噪声和未知扰动时仍能有效跟踪最佳滑移率;滑移率控制器会受ABS制动系统带宽的影响而出现高频振荡现象,在低附着路面上尤为严重,因此ABS设计须充分考虑执行器带宽对ABS滑移率控制的影响。     

基于事件驱动型传感器网络的场面目标跟踪方法

针对传统机场场面监视手段的固有缺陷,为避免在机场发生航空器/车辆入侵跑道,将事件驱动型传感器网络引入到场面目标监视中,研究了1种基于灰色序列输入扩张状态观测器的场面目标跟踪方法.该方法采用灰色模型对速度序列进行建模,弱化了原始速度序列随机干扰的影响,并结合目标运动模型辨识理论设计了1类扩张状态观测器观测系统状态,实现了场面运动目标跟踪与模型参数辨识,应用仿真算例对模型和方法进行了验证,z轴速度误差峰值不超过2.6 m/s,该方法具有所需数据少、预测精度高和无需先验信息的特点.      

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。     

基于曲率与车速的两点智能控制驾驶员模型

为了提高驾驶员模型的路径跟踪精度,基于模糊逻辑智能控制器建立了一种依据道路曲率、车速,采用远、近两点预瞄的智能驾驶员模型。该模型根据目标道路的曲率自适应地选择预瞄距离远、近两点,根据不同的车速和预瞄点的横向偏差决策出最优转向盘转角。对所建立的驾驶员模型与CarSim驾驶员模型进行仿真测试对比,结果表明,该模型能够在反应滞后的情况下完成复杂道路、极限工况的驾驶员操作,路径跟踪误差较CarSim模型小。     

基于滚动时域的线性二次型路径跟踪研究

针对智能驾驶车辆在实际行驶过程中的路径跟踪问题,建立了二自由度车辆动力学模型和路径跟踪预瞄模型,并将两者相结合。将给定的双移线和蛇形线路径作为滚动时域线性二次控制器模型的输入,将得到的转向盘转角输入车辆模型,得到了车辆横向速度、横摆角速度、横向位移和横摆角。仿真结果表明,提出的路径跟踪控制策略能够使车辆在换道时始终维持方位偏差在0.06 m以内,同时具有较好的横向稳定性。     

车辆转向与驱动综合控制及横向速度观测器的设计

为了实现复杂工况下车辆自动跟踪控制,建立了纵横向耦合车辆模型,研究了车辆在弯道变速行驶工况的动力学耦合控制问题,根据滑模控制以及动态表面控制理论,提出了一种基于车辆转向与驱动控制的综合控制器,并针对横向车速不可测,设计了横向速度观测器。仿真结果表明该综合控制器具有良好跟踪性能,在复杂工况下表现出较好的动、静态特性。     

矿用无人运输车辆轨迹跟踪控制算法研究

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

基于自适应模型预测的智能汽车横向轨迹跟踪控制

当路面附着情况和车辆行驶状态不断变化时,基于恒定侧偏刚度的模型预测控制(MPC)不能考虑轮胎非线性特性的影响,难以保证车辆轨迹跟踪的适应性。为此,提出一种考虑轮胎侧向力计算误差的自适应模型预测控制(AMPC),以提高智能汽车在不确定工况下的轨迹跟踪性能。分析了路面附着系数和垂向载荷对轮胎侧向力的影响,基于平方根容积卡尔曼滤波(SCKF)算法,设计了利用侧向加速度和横摆角速度作为测量变量的前后轮胎侧向力估计器。利用轮胎侧向力线性计算值与估计值的差值计算得到侧偏刚度修正因子,设计了前后轮胎侧偏刚度的自适应修正准则,进而提出了一种基于时变修正刚度的AMPC控制方法。基于CarSim与MATLAB/Simulink联合仿真和硬件在环测试平台,对AMPC控制的有效性和实时性进行了验证。研究结果表明：在不同的路面附着情况和车辆行驶状态下,AMPC控制都能够降低横向位置偏差和航向角偏差,有效提高车辆的轨迹跟踪精度,其控制效果明显优于基于恒定侧偏刚度的标准MPC控制。尤其在低附着工况下,标准MPC控制会因为线性轮胎力的计算误差过大而导致车辆在轨迹跟踪时严重失稳,而AMPC控制通过估计轮胎力修正侧偏刚度依然能够保证车辆稳定有效的跟踪参考轨迹。所提出的AMPC控制在保证控制精度的同时具有良好的实时性,对智能汽车控制系统的设计与优化具有重要参考价值。     

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。     

面向车道变换的路径规划及模型预测轨迹跟踪

为解决智能车辆在车道变换过程中的路径规划和路径跟踪问题,首先,利用梯形加速度法设计了车道变换虚拟理想轨迹,该路径规划方法的适应性取决于车道变换时间、横向加速度及变化率等关键变量的约束条件,因而对各关键变量之间的数学关系进行了定量计算,并绘制了不同工况下的车道变换虚拟理想轨迹,用于分析各关键变量对路径规划的影响;其次,建立了线性离散的车辆动力学预测模型,综合分析了车辆模型的控制输入、状态变量以及道路结构参数等约束条件,构建了多约束模型预测控制（MMPC）系统用于车道变换路径跟踪,并基于Hildreth二次规划算法对其目标函数进行了求解,获得前轮转向角控制量,从而保证智能车辆在车道变换过程中的路径跟踪性能及操纵稳定性能;最后,利用MATLAB和Carsim软件对提出的多约束模型预测控制系统进行联合仿真,并构建单约束模型预测控制（SMPC）系统与其进行性能比较,分别对车道变换时间为3 s和6 s时的车道变换性能进行比较分析。结果表明：当车道变换时间为6 s时,2种控制系统都能较好地实现车道变换功能;当车道变换时间为3 s时,与SMPC控制系统相比较,MMPC控制系统能够在有效跟踪期望行驶路径的同时改善车辆的操纵稳定性,从而提高车辆在路径跟踪过程中的主动安全性能。     

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。     

基于扩展状态观测器和滑模控制的双离合器自动变速器起步自适应控制

双离合器自动变速器（Dual Clutch Transmission,DCT）随着服役时间的增加离合器性态会发生变化导致起步性能下降,为降低离合器性态变化对起步性能的影响,提出一种基于扩展状态观测器和滑模控制的DCT起步自适应控制方法。首先,建立DCT起步动力学模型、发动机模型和液压控制系统模型;将DCT起步问题转化为参考轨迹跟踪问题,通过工况识别并利用极小值原理获得了不同起步工况的参考轨迹;在DCT起步动力学模型中将与离合器性态变化相关的项定义为不确定项,设计扩展状态观测器对不确定项进行估计,同时结合自适应滑模控制器,获得了起步发动机转矩和离合器油压的自适应控制率;为了跟踪发动机转矩和离合器油压的自适应控制率,设计了发动机转矩跟踪控制器,同时对液压系统采用了PID闭环控制;通过MATLAB/Simulink平台仿真以及台架试验验证所提出的DCT起步控制方法对离合器性态变化的自适应效果。研究结果表明：所提出的起步自适应控制方法能够有效避免由离合器性态变化导致的起步延时,同时1挡缓起步和急起步的仿真冲击分别减小了53.11%和43.42%,试验起步冲击分别减小了35.66%和30.31%。     

基于功能安全的分布式驱动电动汽车前轮失效补偿控制

分布式驱动电动汽车可以实现四轮转矩分配和差动转向,提升整车的动力学控制性能和经济性,但是四轮转矩独立可控的特点也对功能安全提出挑战。当前轮单侧电机出现执行器故障失效情况时,不仅会产生附加横摆力矩降低车辆安全性,差动转向功能的存在还会使车辆严重偏航。基于此,在设计分布式驱动-线控转向一体化底盘的基础上,基于功能安全提出一种分布式驱动电动汽车前轮失效补偿控制策略。首先建立分布式驱动失效动力学模型,分析前轮失效对车辆状态的影响机理,发现单一的驱动转矩截断控制无法满足车辆状态修正需求;其次设计一套备用的线控转向结构,通过变截距滑模控制算法提高切换状态下线控转向系统的转角跟踪性能,并用台架试验验证跟踪的准确性;然后设计自适应失效诊断观测器实时诊断驱动系统的电机故障,在将对应轮进行驱动转矩截断后,通过模型预测控制算法对车轮转矩重新分配实现纵向和侧向的状态跟踪;最后通过仿真和实车试验验证所提失效补偿控制策略的有效性和可用性。研究结果表明：分布式驱动电动汽车前轮单侧电机失效后,备用的线控转向系统能及时矫正前轮转角,所提出的失效补偿控制策略能够快速恢复车辆的稳定性和路径跟踪能力。     

A new shared control for lane keeping and road departure prevention

In recent years, the driver's active assistances have become important features in commercialised vehicles. In this paper, we present one of these features which consists of an advanced driver assistance system for lane keeping. A thorough analysis of its performance and stability with respect to variations in driver behaviour will be given. Firstly, the lateral control model based on visual preview is established and the kinematics model based on visual preview, including speed and other factors, is used to calculate the lateral error and direction error. Secondly, and according to the characteristics of the lateral control, an efficient strategy of intelligent electric vehicle lateral mode is proposed. The integration of the vehicle current lateral error and direction error is chosen as the parameter of the sliding mode switching function to design the sliding surface. The control variables are adjusted according to the fuzzy control rules to ensure that they meet the existence and reaching condition. A new fuzzy logic-based switching strategy with an efficient control law is also proposed to ensure a level of continuous and variable sharing according to the state of the driver and the vehicle positioning on the roadway. The proposed control law acts either at the centre of the lane, as a lane keeping assistance system to reduce the driver's workload for long trips, or as a lane departure avoidance system that intervenes for unintended lane departures. Simulation results are included in this paper to explain this concept.     

An adaptive fuzzy-sliding lateral control strategy of automated vehicles based on vision navigation

Lateral control is considered to be one of the toughest challenges in the development of automated vehicles due to their features of nonlinearities, parametric uncertainties and external disturbances. In order to overcome these difficulties, an adaptive fuzzy-sliding mode control strategy used for lateral control of vision-based automated vehicles is proposed in this paper. First, a vision algorithm is designed to provide accurate location information of vehicle relative to reference path. Then, an adaptive fuzzy-sliding mode lateral controller is proposed to counteract parametric uncertainties and strong nonlinearities, and the asymptotic stability of the closed-loop lateral control system is proven by the Lyapunov theory. Finally, experimental results indicate that the proposed algorithm can achieve favourable tracking performance, and it has strong robustness.     

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。