FSAC赛车轨迹跟踪协同控制策略研究

针对中国大学生方程式赛车 （FSAC） 在比赛中横向-纵向协同控制的轨迹跟踪精度和稳定性问题，根据现代控制理论和经典控制理论提出一种以纵向速度为结合点的线性二次控制器 （LQR） 和比例-积分-微分算法 （PID） 的横纵向协同控制策略，并根据赛车相对参考轨迹的位置设计了一种协同控制器。建立二自由度车辆动力学模型，基于该模型设计了横向LQR位置跟踪控制器和纵向PID速度跟踪控制器。所设计的控制策略在CarSim和Simulink搭建的循迹工况联合仿真场景下进行仿真验证，仿真结果为纵向位置偏差小于0.07 m，横向位置偏差小于0.03 m。对控制算法进行实车验证，结果表明，该策略有效提高了赛车的轨迹跟踪精度和行驶稳定性。     

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。     

基于分段最优控制的港口自动驾驶液压转向控制算法研究

为提高港口场景自动驾驶车辆横向控制准确性，基于液压转向系统电磁阀的响应特性，提出了具有分段最优控制的转角闭环控制算法，实现了车辆单轴、双轴、蟹行转向功能，通过实车验证对设计的控制算法进行了功能和性能验证。结果表明，所提出的控制算法能够实现对液压转向系统转角信号快速、稳定跟踪，能够支撑港口自动驾驶车辆横向控制功能。     

基于参考向量场的车辆队列二维跟踪控制算法

当车辆队列的应用场景从一维拓展至二维时,纵向间距保持与横向跟踪控制之间将出现显著的耦合效应。在高速工况下,忽视纵横向跟踪功能的耦合效应将导致跟踪误差变大,甚至造成车辆失稳。为解决上述问题,本文中提出了一种车辆队列纵横向耦合跟踪控制算法,通过构建基于纵向间距和横向参考轨迹的参考向量场获得期望速度矢量,采用哈密尔顿函数获得车辆上层运动控制需求的期望总力和总力矩;同时,提出一种基于伪逆矩阵的控制分配算法,将期望总力和总力矩在有约束的物理环境下分配至各个车轮,在保证分配精度的前提下提高了实时性。仿真和实验结果表明,本文提出的纵横向耦合跟踪控制算法能有效完成二维场景下的车辆队列运动控制,实现队列的安全、高效的协同驾驶。     

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。     

基于线性自抗扰控制的自动驾驶车辆纵向加速度控制算法研究

为提高自动驾驶车辆纵向加速度控制算法的鲁棒性,基于电动汽车纵向加速度系统仿射模型,提出了具有双观测器结构的线性自抗扰加速度跟踪控制算法,并通过带有遗忘因子的递归最小二乘法对阻力模型进行在线辨识,实现了驱动电机与制动系统之间的协调切换。通过搭建硬件在环(HIL)仿真平台对设计的控制算法进行了鲁棒性和实时性验证,结果表明,所提出的控制算法能够实现对加速度信号快速、稳定跟踪,能够在车辆纵向动力学模型未准确建模状态下对纵向加速度进行有效控制。     

基于扰动观测的智能驾驶主动抗扰纵向车速控制算法

为了减少智能驾驶车辆的纵向车速控制的时滞,提高主动抗扰性,提出一种基于扰动观测的纵向车速控制算法,并进行了实车验证。模型中,采用前馈控制模块,并提前输出控制量,来提高车速跟随的响应性;以主动抗扰控制(ADRC)模块作为反馈环节,采用扩张状态观测器(ESO)在线估计内外部扰动,并在控制端进行补偿,实现了对车速的精确闭环控制。在弯道、环岛等路况下进行了实车实验。结果表明:该算法可以在5 s内控制车速从怠速快速跟踪到目标车速,总体平均误差为0.17 km/h。因而,该算法较传统的比例积分微分(PID)有更好的响应性、控制精度和抗扰性。     

分布式电驱动汽车原地转向机理与控制方法研究

分布式电驱动汽车能够通过原地转向功能提高车辆的机动性。原地转向下车辆的4个车轮均处于滑移状态,极易发生车身偏移甚至失控。为了实现稳定精准的原地转向控制,分析了原地转向的动力学机理,并提出横摆角速度与滑转率协同的控制策略。基于纵向动力学设计路面附着估计算法,完成原地转向前的路面状况判断;采用了分层式控制架构,上层控制器基于车辆状态协调转矩控制策略,下层控制设计横摆角速度决策框架,根据油门开度计算原地转向的名义横摆角速度,基于二次性能指标的单神经元自适应PID控制算法计算四轮驱动转矩,以实现横摆角速度的跟踪控制,并引入模糊逻辑推理得到四轮期望滑转率,通过PID算法计算驱动转矩调节量,配合横摆角速度转矩控制以抑制转向中心的偏移。仿真测试和实车试验表明：在附着系数一定的情况下,稳态原地转向的轮胎视为刚体,侧偏角与地面侧向反作用力基本不变,试验结果符合所推断的原地转向动力学机理;并验证横摆角速度跟踪控制算法在不同附着系数下具有理想的跟踪效果和鲁棒性,响应速度相比于PID提高46%,最大超调量减小24.0%,平均调节时间缩短1.3 s,平均稳态误差均在0.01 (°)·s^-1...     

基于模糊PID的车辆横向稳定系统研究

通过分层控制思路搭建上层与下层控制器,设计基于横摆力矩控制的车轮横向稳定性控制算法。上层控制器以期望的横摆角速度和质心侧偏角为目标,采用模糊PID算法得到维持汽车稳定需要的横摆力矩,下层控制器根据需要的横摆力矩对单侧轮胎制动,从而增加乘用车极限工况下的稳定性。最后,搭建Matlab及Simulink仿真平台,利用CarSim软件对横向稳定策略进行验证,并选择典型试验工况仿真确定该策略能显著改善车辆的横向稳定性。     

车辆半主动悬架改进型天棚阻尼控制算法

以改善车辆乘坐舒适性为目的,通过分析车体垂向速度和垂向加速度的相互关系,设计了车辆悬架改进型天棚阻尼半主动控制算法。以天棚阻尼控制算法为对比,对设计的算法进行性能仿真。结果表明,与传统的天棚阻尼控制算法相比,该算法能显著降低车体加速度,提高乘坐舒适性,且具有计算量小,简单实用的优点,适用于车辆振动的控制。     

基于NMPC的智能汽车纵横向综合轨迹跟踪控制

本文中针对大曲率转弯工况下,智能汽车纵横向动力学特性的耦合和动力学约束导致轨迹跟踪精度和稳定性下降的问题,提出一种基于非线性模型预测控制(NMPC)的纵横向综合轨迹跟踪控制方法,通过NMPC和障碍函数法(BM)的有效结合,提高了跟踪精度,改善了行驶稳定性。首先建立四轮驱动-前轮转向智能汽车动力学模型和轨迹跟踪模型,采用非线性模型预测控制计算出期望的纵向力、侧向力和横摆力矩;然后基于轮胎动力学模型建立带约束的非线性规划数学模型,利用障碍函数法求解出四轮轮胎力的最优分配,并最终实现四轮驱动智能汽车纵横向综合轨迹跟踪控制。最后进行Carsim和Simulink联合仿真,结果表明,与传统的预瞄PID控制相比,所提方法可在考虑纵横向动力学耦合的情况下明显改善跟踪精度和行驶稳定性。     

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。      

基于高精地图的物流配送车路径规划与跟踪控制

为了解决园区等场景下无人车多途经点配送问题,提出了一种基于矢量化高精地图的车道级全局路径规划、生成和跟踪控制方法。考虑配送车往返途经点顺序对行驶路径总长度的影响,基于高精地图采用A*算法计算各配送点间的最优路径,在此基础上,利用动态规划算法求解经过多个配送点的全局最优路径。应用贝塞尔曲线对规划的路径进行平滑,并根据道路曲率设定不同路径处的参考行驶速度,进而生成车道级的可用于跟踪的目标轨迹。利用车辆二自由度模型设计模型预测控制器进行轨迹跟踪,实现低速物流配送车的自主控制。在 CarSim/Prescan/Simulink联合仿真平台和实车平台上对提出的规划控制方法进行了试验。结果表明,相比传统的依据最近配送点策略确定的路径,所提出的方法搜索出的路径长度平均缩短了 6.15%。所设计的轨迹跟踪控制器能确保配送试验车与目标轨迹的横向偏差在 0.25 m 以内,航向角偏差在5°以内。     

Drowsy behavior detection based on driving information

Drowsy behavior is more likely to occur in sleep-deprived drivers. Individuals’ drowsy behavior detection technology should be developed to prevent drowsiness related crashes. Driving information such as acceleration, steering angle and velocity, and physiological signals of drivers such as electroencephalogram (EEG), and eye tracking are adopted in present drowsy behavior detection technologies. However, it is difficult to measure physiological signal, and eye tracking requires complex experiment equipment. As a result, driving information is adopted for drowsy driving detection. In order to achieve this purpose, driving experiment is performed for obtaining driving information through driving simulator. Moreover, this paper investigates effects of using different input parameter combinations, which is consisted of lateral acceleration, longitudinal acceleration, and steering angles with different time window sizes (i.e. 4 s, 10 s, 20 s, 30 s, 60 s), on drowsy driving detection using random forest algorithm. 20 s-size datasets using parameter combination of accelerations in lateral and longitudinal directions, compared to the other combination cases of driving information such as steering angles combined with lateral and longitudinal acceleration, steering angles only, longitudinal acceleration only, and lateral acceleration only, is considered the most effective information for drivers’ drowsy behavior detection. Moreover, comparing to ANN algorithm, RF algorithm performs better on processing complex input data for drowsy behavior detection. The results, which reveal high accuracy 84.8 % on drowsy driving behavior detection, can be applied on condition of operating real vehicles.     

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。     

基于变论域模糊多参数自整定PID控制的智能挖掘机轨迹跟踪

智能液压挖掘机多用于特殊环境下的无人操纵施工。在执行诸如直线刮平、斜坡整平和定点挖掘等特定挖掘任务时,对智能挖掘机工作装置铲斗齿尖的轨迹规划和轨迹跟踪提出了较高要求。为此,针对智能挖掘机运动的控制问题,提出一种基于变论域模糊多参数自整定PID （Variable Universe Fuzzy Multi-parameter Self-tuning PID,VUFMS-PID）的轨迹跟踪控制策略。首先,在关节空间中通过三次非均匀有理B样条（Non-uniform Rational B-Splines,NURBS）曲线插补法完成直线刮平和定点挖掘轨迹规划,并得到工作装置挖掘作业时各关节角、角速度、角加速度位置序列。然后,综合考虑挖掘机非线性、时变性等特点,基于变论域思想,提出一种基于VUFMS-PID的轨迹跟踪控制方法。最后,基于AMESim与MATLAB/Simulink联合仿真和硬件在环（Hardware-in-the-Loop,HiL）试验平台,对VUFMS-PID控制方法的有效性和先进性进行验证。研究结果表明：在铲斗齿尖运动过程中,规划轨迹平滑连续且变化幅值较小,规划轨迹与期望轨迹之间的误差较小;VUFMS-PID控制的响应速度和跟踪精度相较于传统PID控制与模糊PID控制有明显提升;在硬件在环试验分析中,提出的控制方法在跟踪直线刮平轨迹和定点挖掘轨迹时,能够将跟踪误差控制在20 mm以内,实现对规划轨迹的精确跟踪。     

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。     

车-车协同下无人驾驶车辆的换道汇入控制方法

多车协同驾驶是智能车路系统领域的研究热点之一,可有效降低道路交通控制管理的复杂程度,减少环境污染的同时保障道路交通安全。基于多车协同驾驶控制结构,提出了一种无人驾驶车辆换道汇入的驾驶模型及策略,系统分析了多车协同运行状态的稳定条件。在综合分析无人驾驶车辆换道汇入的协作准则、安全性评估后,基于高阶多项式方法,结合车辆运行特性,通过引入乘坐舒适性的指标函数,设计得到无人驾驶车辆换道汇入的有效运动轨迹。通过研究汇入车辆与车队中汇入点前、后各车辆的运动关系,详细分析车辆发生碰撞的类型和影响因素,给出避免碰撞的条件准则,从而确保无人驾驶车辆汇入过程中多车行驶的安全性和稳定性。基于车辆运动学建立车辆位置误差模型,结合系统大范围渐进稳定的条件,选取线速度和角速度作为输入,应用李雅普诺夫稳定性理论和Backstepping非线性控制算法,设计了无人驾驶车辆换道汇入后的路径跟踪控制器。仿真试验和实车试验结果表明：所设计的换道汇入路径是可行、安全的,控制器具有良好的跟踪效果,纵向和横向的距离误差在15 cm以内,方向偏差的相对误差在10%以内。研究结果为智能车路系统中的多车状态变迁与协同驾驶研究提供了参考,可服务于未来道路交通安全设计和评价。