四轮独立驱动电动车自适应巡航滑模控制

为实现四轮独立驱动电动汽车的自适应巡航功能,采用基于趋近律的滑模控制理论设计了自适应巡航控制系统。上位控制器以实际车距与期望车距的偏差作为输入,采用滑模控制律获得主车期望加速度,然后将期望加速度作为下位控制器的输入,计算出电机期望转矩,用于实现自适应巡航控制。在CarSim中建立电动汽车整车模型,并与Simulink进行联合仿真。仿真结果表明,在前车匀速、加速、减速等直线行驶工况以及曲率较大的弯道行驶工况下,提出的自适应巡航控制方法均能够使主车具有良好的跟踪能力。     

基于自适应模糊PI的汽车直接摆力矩控制研究

针对汽车直接横摆力矩控制,论文研究了基于自适应模糊PI的控制方法。设计了基于自适应模糊PI的附加横摆力矩决策控制器和基于规则分配的制动力分配器。横摆力矩决策控制器根据汽车横摆角速度期望值和车辆状态决策出所需的附加横摆力矩,通过规则制动力分配方法进行主动差动制动实现,并采用Matlab/Simulink与CarSim联合仿真对控制方法进行仿真试验验证。结果表明:基于自适应模糊PI的横摆力矩控制方法相对于未控制能够使汽车较好地跟踪期望,有效提高汽车操纵稳定性。     

驾驶机器人车辆的多模式切换控制EI北大核心CSCD

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

驾驶机器人车辆的多模式切换控制

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

基于自适应控制系统的智能车横向轨迹跟踪控制

智能车辆轨迹跟踪控制的研究中,由于不同工况下控制算法的适应性不强,存在着较大的跟踪误差。为提高智能车辆行驶的自适性、跟踪精度与鲁棒性,提出了一种基于模型参考自适应控制系统（MRAC）的自适应PID控制方法。利用车辆模型与参考模型输出误差自适应PID控制器的3个参数,从而得到一种基于MRAC的自适应PID控制方法。MATLAB仿真对比结果表明,2种工况基于MRAC的自适应PID最大侧向跟踪误差分别为0.036 m和0.076 m,相比传统PID控制模型,该控制模型的控制精度分别提升52.10%、11.76%,表现出更好的横向轨迹跟踪性能。     

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。     

基于模型预测控制的智能车轨迹跟踪控制研究

为了完成智能车的轨迹跟踪,提出一种基于模型预测控制的轨迹跟踪方法,利用将运动学模型这个非线性系统线性化的方案,来获得必须的线性时变系统,采取模型预测控制的三要素来设计控制器。并且基于MPC在控制过程中能增加多种约束的优点,建立基于车辆运动学模型的约束做轨迹跟踪仿真实验,最后,基于山东理工大学智能车平台上GPS提供的定位信息,在校园中采集路线并对前提规划好的的轨迹进行实车验证。实验结果表明:基于MPC算法所设计的控制器能快速且稳定地跟踪期望轨迹。     

基于实时小波去噪方法的EPS电流跟踪控制

为实现对电动助力转向系统(EPS)助力电机电流的准确跟踪控制,以纯电动大客车EPS为研究对象,结合模糊自适应整定PID和实时小波去噪方法,设计了基于实时小波去噪算法的新型模糊自适应整定PID助力电机电流跟踪控制器.仿真试验表明:这种新型控制器能够实现助力电机输出电流对目标电流的准确跟踪,提高了系统的抗干扰能力和鲁棒性;同时有效地抑制电流信号中的噪声,能减小直流电机的转矩波动和转向盘抖动,改善驾驶员手感.     

基于模糊神经网络的智能汽车轨迹跟踪研究

在研究传统动力学模型和预瞄模型的基础上,基于神经网络和模糊控制的理论,设计了一种轨迹跟踪控制器。利用神经网络的自学习和自调整特性,并结合模糊控制,分别设计神经网络对自车车速进行预测,并将其输出和侧向偏差等参数作为模糊神经网络的输入,控制转向盘转角。最后基于CarSim和Matlab/Simulink软件进行联合仿真,并进行实车试验,验证了所设计控制器的有效性和精确性。     

基于模型预测控制的路径跟踪控制器模型仿真

文章建立车辆二自由度运动学模型,并将车辆二自由度运动微分方程离散化、线性化,设计了一种基于模型预测算法的轨迹跟踪控制器,并且在实验的基础上制定合理的约束函数和控制规则,从而兼顾路径跟踪的准确性和车辆的稳定性。采用CarsimSimulink平台对算法进行仿真验证,结果表明基于模型预测控制的轨迹跟踪控制器在5m/s以下时能够较好地跟踪预设轨迹。     

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。     

基于变权重系数的分布式驱动无人车轨迹跟踪

为了提高分布式无人车轨迹跟踪的精度，提出了基于自主与差动协调转向控制的轨迹跟踪方法。首先，在车辆三自由度模型基础上，基于模型预测控制（MPC）实时计算前轮转角以控制车辆进行自主转向轨迹跟踪。在此过程中，为了提高自主转向下车辆的轨迹跟踪精度与行驶的稳定性，考虑多种因素，利用经验公式及神经网络控制对MPC的预瞄步数和预瞄步长进行多参数调整，实现预瞄时间的自适应控制。其次，在恒转矩需求的情况下，以轨迹偏差为PID控制器的输入及左右轮毂电机转矩为输出进行差动转向控制，实现了差动转向下的轨迹跟踪控制。然后，通过设置权重系数的方法将自主与差动转向相结合。考虑到车辆横纵向动力学因素，采用模糊控制及经验公式对权重系数进行了调整，从而在提高车辆转向灵活性与轨迹跟踪效果的同时保证车辆行驶的稳定性。CarSim与Simulink联合仿真以及实车试验结果表明：与自主转向轨迹跟踪相比，采用变权重系数的协调控制可以在不同的工况下提高车辆的转向灵活性与轨迹跟踪的精度，轨迹跟踪偏差的均方根值改善率达到了11%。所提出的协调转向控制方法可为分布式驱动车辆转向灵活性的提高及轨迹跟踪精度的改善提供一种新的思路。     

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。     

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%。     

基于模糊PID控制的汽车道路模拟系统研究与仿真

根据模糊控制理论，以汽车道路模拟系统为研究对象，将模糊控制与常规的PID控制相结合，设计出一套模糊PID控制系统。并对正弦波、方波以及随机波进行仿真再现，仿真结果表明，该模糊PID控制器比常规PID控制器具有更高的控制精度和更好的动态性能。     

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。     

汽车磁流变半主动悬架自适应模糊控制研究

针对汽车磁流变半主动悬架存在非线性及不确定性等因素而难以控制的问题,提出采用自适应模糊控制策略并进行了研究。在分析磁流变减振器输入输出特性的基础上,针对1/4车辆悬架模型设计了自适应模糊控制器并进行了仿真分析。以某微型车为试验用车,搭建了平顺性道路试验系统,进行了不同车速、不同控制策略(自适应模糊控制和天棚控制)下的随机路面试验,试验结果与仿真结果相吻合,说明将自适应模糊策略应用于半主动控制是可行的,能够抑制车身的垂直振动,提高乘坐的舒适性,且控制效果要优于天棚控制。