无人驾驶机器人车辆非线性模糊滑模车速控制

为了实现不同行驶工况下车速的精确、稳定控制，提出一种基于非线性干扰观测器的无人驾驶机器人车辆模糊滑模车速控制方法。考虑模型不确定性和外部干扰对车速控制的影响，建立车辆纵向动力学模型。通过分析无人驾驶机器人油门机械腿、制动机械腿的结构、机械腿操纵自动挡车辆踏板的运动，建立油门机械腿和制动机械腿的运动学模型。在此基础上，分别设计油门/制动切换控制器、油门模糊滑模控制器以及制动模糊滑模控制器，并进行控制系统的稳定性分析。油门/制动切换控制器以目标车速的导数为输入来进行油门与制动之间的切换控制。油门模糊滑模控制器和制动模糊滑模控制器以当前车速以及车速误差为输入，分别以油门机械腿直线电机位移和制动机械腿直线电机位移为输出来实现对油门与制动的控制。模糊滑模控制器中，为了减少控制抖振，滑模控制的反馈增益系数由模糊逻辑进行在线调节。模糊滑模控制器中的非线性干扰观测器用于估计和补偿无人驾驶机器人车辆的模型不确定性与外部干扰。仿真及试验结果对比分析表明：本文方法能够精确地估计和补偿无人驾驶机器人车辆的模型不确定性和外部干扰，避免了油门控制与制动控制之间的频繁切换，并实现了精确稳定的车速控制。     

无人驾驶汽车研究动向

正无人驾驶汽车是一种智能汽车,也可以称之为轮式移动机器人,主要依靠车内以计算机系统为主的智能驾驶仪器来实现无人驾驶。它通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标;利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆安全、可靠地在道路上行驶。无人驾驶汽车集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。     

无人驾驶汽车的现状及发展趋势

无人驾驶汽车属于智能汽车的一种。也可以将其称为轮式移动机器人。它们主要是通过车辆内安装的智能操纵控制系统与感应设备来获取信息用以控制车辆姿态,实现自动安全的行驶。文章简要叙述了无人驾驶汽车的国内外发展历程及现状,展望了无人驾驶汽车未来的一个发展。     

无人驾驶电动游览车底盘集成控制研究

介绍了具有自动寻迹行驶和遥控行驶2种模式的无人驾驶电动游览车,该车采用光电传感器自动辨识行驶路径,自动完成寻迹行驶,且在自主行驶过程中通过超声波传感器探测技术自动检测障碍物信息,具有防碰撞功能,在底盘控制上实现了无人驾驶技术、轮毂电机驱动技术和线控转向技术以及防碰撞技术等的集成控制,对于实现车辆的智能驾驶具有重要意义。     

无人驾驶汽车减速通过交叉口最佳油耗方法研究

针对无人驾驶汽车油耗控制问题,研究了无人驾驶汽车如何以最佳油耗减速通过交叉口的方法。当单个车辆需要减速通过交叉口时,通过在车联网环境下车辆获得的信号灯相位信息和配时信息,结合车辆油耗的特点,寻找车辆的最佳行驶轨迹。     

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。     

基于光电传感器的无人驾驶电动汽车导航系统研究

本文基于光电传感器设计了无人驾驶电动汽车导航系统,通过该系统,无人驾驶车辆可方便地检测预定路径的偏差,从而控制车辆的自动寻迹行驶。与其它导航方式相比,本文设计的系统具有结构简单、性能可靠和价格低廉等特点。     

基于行为融合的无人自动驾驶车辆的智能控制

针对动态环境下无人自动驾驶车辆控制的非线性、时变的特点,提出并设计了一种基于行为融合的无人驾驶车辆的智能控制策略。根据车辆行驶基于模糊逻辑方法设计了一系列的基本行为模式,用模糊控制的方法分别建立各行为模式控制器,进而对车辆的方向和速度进行控制。在行为选择机制设计中,对常用的行为竞争和行为融合2种方法进行分析比较后,提出限制各行为模式的使用范围,通过各行为的控制和融合,既达到有效避障,又能完成行驶目标的目的。通过几种典型障碍物环境下的避障仿真实验,结果显示设计达到了预期效果。     

无人驾驶车通过高速公路闸口区的方法研究

高速公路闸口区域内,由于周围车辆行为的随机性,传统路径规划和智能决策方法不能实现无人驾驶车辆的安全行驶。针对这一问题,提出一种决策树的结构化控制模型,通过控制速度使车辆沿预定路径安全驶过闸口区。首先给出高速闸口区场景参数、闸口区收费窗口到匝道之间路径预定义方法和车辆模型;在此基础上提出决策树的结构化控制模型,控制速度实现车辆安全行驶,并采用纯追踪法使车辆沿预定路径通过闸口区;最后通过计算机仿真创建随机道路环境,验证决策树控制模型的安全性和车辆速度的连续性、加减速度的可执行性。结果表明,无人驾驶车辆在周围车辆遵守交通规则的前提下,通过决策树控制模型控制车身速度可实现安全通过高速公路闸口区,并且车辆速度、加减速度均符合交通规则且在车辆可执行范围内。     

智能网联车路口行驶的决策策略分析

智能网联车的无人驾驶分为感知、规划、执行三个部分,行为决策是无人驾驶发展的核心技术之一。在复杂的交通路口,车辆行驶路线难以预测,通过分析车辆在路口行为发生条件统计,设计出合理和安全的驾驶行为。文章以智能网联车为研究对象,使车辆行驶到十字路口的换道、转弯、调头等行为对应行驶场景,能够保证智能网联车安全、合理的在一定可控范围下行驶在复杂的十字路口。无人驾驶车辆在十字路口的通行中提高了行驶效率和减少了运营成本,带给人们更加便利和舒适的服务,推动智能网联车更全面的发展。     

无人驾驶汽车十字路口多车协作控制研究*

针对无交通灯控制的十字交叉路口的无人驾驶汽车主动避让控制问题,基于专用短程通信技术(DSRC),利用多车协作控制算法和矩形检测法建立了基于碰撞时间(TTC)的两车冲突判断模型,预估当前行驶状态下将会发生碰撞的区域。同时从时间和空间两方面设计了消解算法,根据消解算法调整当前行驶状态以避免车辆发生碰撞。采用PanoSim与MATLAB/Simulink联合仿真,结合模糊PID控制无人驾驶车辆的驱动、制动与转向系统,对所搭建的模型准确度进行验证。试验结果表明,算法能很好地控制无人驾驶车辆在十字路口避免与其他车辆的碰撞。     

无人驾驶商用车市场前瞻

正无人驾驶技术是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车技术。它利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。它集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。     

无人驾驶试验车遥控与自主模式切换实现方案

在无人驾驶车辆的开发与试验过程中,如何方便的切换人工与自主模式来完成不同的测试。针对这一问题,以NXP的32位单片机K60为核心,开发出一套无线的无人驾驶试验车的嵌入式控制系统,能够方便的实现无人驾驶车辆传感器信号的采集与无线回传,并且可以通过无线方式实现无人驾驶试验车的模式切换。在开发与测试过程中,保证了试验环境的安全,并且为测试环节提供了极大的便利,对无人驾驶方向的发展具有重要的实践意义。     

2015款雪佛兰赛欧3新技术剖析(四)

<正>当车辆在手动模式下行驶时,通过+挡/-挡来实现变速器挡位升降。换挡要求不合理时,换挡命令无效且警报声会响起。如果车辆加速或减速行驶,当发动机转速升高或下降到一定转速后,变速器会自动升挡或降挡。当车辆在自动模式下行驶时,仅通过加速踏板和制动踏板来控制车辆的行驶,系统自动实现合适的挡位切换。当急踩加速踏板至节气门全开或接近于全开时,系统有可能会降1~3个挡位。变速器换挡控制单元为总成件,     

自动驾驶车辆循迹路径生成算法研究

在无人驾驶领域中,已经实现了车辆按照已有路径进行循迹无人驾驶,通常已有路径是由车辆实际采集获得。文章采用Matlab编写了循迹路径的生成算法,解决了循迹路线必须由车辆采集获取的问题,使车辆控制更加高效。再循迹路径生成算法中结合了车辆的左右转最小拐弯半径约束和允许倒车的情况,得到了无人驾驶车辆可行驶的路径。最后通过算法生成的路径进行了实车实验,车辆能够按照算法生成的路径进行自动驾驶,最后对算法生成的路径和车辆实际路径进行了对比,验证了算法的可行性。     

插电式混合动力客车工作模式切换控制研究

在研究插电式混合动力客车结构特征的基础上,分析了插电式混合动力客车行驶状态下的主要工作模式。根据模式切换的逻辑关系,提出了插电式混合动力客车采用选择性模式切换方式,并制定了控制逻辑。按照控制逻辑要求,从整车的角度提出了发动机、电动机及自动离合器的控制方法,并通过实车道路试验进行了验证。结果表明：所提出的控制逻辑及部件控制方法满足插电式混合动力客车工作模式切换的需要,并具有良好的行驶性能。     

高速无人驾驶车辆的操控稳定性研究

通过分析路面附着条件和道路曲率等因素对车辆转向特性和稳定性的影响,建立了高速车辆的等效动力学模型。提出了一种变步长的模型离散化方法,能够在保证车辆模型预测精度的基础上,实现较长的预测时域,并满足计算实时性的要求。通过对高速车辆稳定行驶状态进行分析,推导了基于包络线的滑移稳定性约束条件,并设计了基于模型预测控制的高速无人驾驶车辆的轨迹跟踪控制器。仿真结果表明,该方法可有效保证高速无人驾驶车辆在不同地面附着情况及道路曲率下的操控稳定性。     

考虑稳定性约束的智能车辆切换控制方法

强化智能车辆主动避撞能力是提升车辆安全性的关键，紧急工况下主动避撞功能高效、稳定执行是保障智能车辆多目标准确切换的基础。而当前主动避撞方法须进一步提升面对不同方向切入车辆的避撞能力。本文针对上述问题，量化计算碰撞风险，构建目标切换逻辑，设计分层系统控制架构，提出智能车辆切换控制方法。本方法确保车辆在满足稳定性约束的同时，增强车辆主动躲避不同方向切入车辆碰撞的能力，实现不同行驶目标间的稳定切换。多车试验平台验证了该方法的有效性和正确性。     

浅析底盘测功机测量误差的产生原因

底盘测功机是用于测量汽车驱动轮输出功率、转矩和转速的设备。其原理是通过在试验台上模拟车辆的道路行驶工况,对车辆的动力性进行检查。为了模拟车辆行驶时的情况,底盘测功机需要对车辆行驶时的惯量、阻力和路面情况等进行模拟。通常利用飞轮在误差允许范围内模拟车辆的惯量,并利用电磁离合器自动切换飞轮的组合;而车辆在行驶过程中所受的空气阻力、滚动阻力等,则采用     

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。