基于强化学习的智能车辆路径跟踪变参数MPC多目标控制

为了解决智能车辆在工况变化时跟踪精度下降和稳定性变差的问题,提出基于强化学习的变参数模型预测控制(MPC)算法多目标控制策略,实现智能车辆路径跟踪控制系统的参数自适应整定。基于车辆动力学模型设计其线性时变MPC控制器,获得最优前轮转向角和附加横摆力矩。基于Actor-Critic强化学习架构,设计进行控制参数整定的深度确定性策略梯度(DDPG)智能体和双延迟深度确定性策略梯度(TD3)智能体,构造以跟踪精度和稳定性为目标的收益函数,并搭建对接工况和变曲率工况2种典型仿真场景进行算法性能验证,当车辆处于对接工况时,根据路面附着系数的变化及时调整控制器的预测时域和权重矩阵;当车辆处于变曲率工况下时,针对道路曲率变化及时调整控制器的预测时域和权重矩阵。通过MATLAB/SimuLink、CarSim和Python联合仿真分析,将强化学习方法参数整定MPC与固定参数MPC和模糊控制方法参数整定MPC进行对比,结果表明：强化学习方法更能够在保证车辆安全性的前提下,尽可能提高智能车辆在不同路面条件下的路径跟踪精度。在对接工况下,强化学习方法参数整定MPC相较于固定参数MPC和模糊控制方法参数整定M...     

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。     

融合预瞄特性的智能电动汽车稳定性模型预测控制研究

提出了一种融合预瞄特性的智能电动汽车稳定性前馈+反馈控制方法。建立车辆预瞄模型，通过汽车在环境感知时的前视行为，引入道路曲率作为车辆动力学特性的影响因素。基于在前视信息指导下的车辆位姿变化，根据道路附着能力和车速指数模型描述期望纵向车速，建立轮胎侧偏刚度补偿的稳定性前馈控制方法。同时，采用模型预测控制（MPC）设计稳定性反馈控制律，根据车辆的预瞄信息自适应调整预测模型参数和预测时间，消除前馈控制误差及路面扰动等不确定性因素带来的影响。研究结果表明，本文提出的控制策略下汽车质心侧偏角、横摆角速度和侧向加速度小，且跟踪精度更高。仿真试验中，相比于无控制、MPC反馈控制与前馈+定参数MPC反馈控制，本文提出的控制策略在双移线工况1下质心侧偏角峰值分别减小了41.3%、28.9%和10.0%，横摆角速度峰值分别减小了18.0%、6.7%和2.0%，双移线工况2下质心侧偏角峰值分别减小了27.2%、8.7%和8.0%，横摆角速度峰值分别减小了16.9%、12.9%和8.6%；相比于MPC反馈控制与前馈+定参数MPC反馈控制，在蛇行工况1下，质心侧偏角峰值分别减小了49.8%与34.8%，横摆角速...     

基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制.首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度.接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种...     

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。     

视觉预瞄式智能车辆纵横向协同控制研究

针对智能车辆路径跟踪控制的高度非线性及纵横向运动控制的耦合性问题,结合视觉预瞄模型及模型预测控制理论提出了一种预瞄式MPC路径跟踪控制新方法。该方法首先对非线性预测模型进行局部线性化,将MPC最优化求解问题转化为二次规划问题。在每个控制时域内将纵向车速及预瞄距离视为已知,运用指数模型对纵向车速进行描述,并结合道路曲率及实际车速设计了预瞄距离发生器。仿真和试验结果表明:相较于传统MPC跟踪控制方法,本文中提出的预瞄式MPC控制方法在不同车速下均能减小跟踪过程中的横向偏差和方向偏差,提高了跟踪精度,且此提升效果在高速状态下更为明显。     

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。     

基于可拓优度评价的智能汽车横向轨迹跟踪控制方法

针对复杂工况横向控制精度低、稳定性差的问题,提出了一种基于可拓优度评价的智能汽车横向轨迹跟踪控制方法,创新采用可拓优度评价控制方法,设计了两层结构的横向轨迹跟踪控制系统。上层控制器包括基于预瞄偏差的PID反馈控制和基于道路曲率的PID前馈-反馈控制;下层控制器利用可拓优度评价方法来评价上层两控制器的优劣,根据实时的车辆-道路系统状态,选择优度高的控制器输出值,从而实现智能汽车横向轨迹跟踪控制功能,不论是小偏差、小曲率工况,还是大偏差、大曲率工况,都能达到良好的控制效果,提升了智能汽车横向控制系统的工况适应性和可靠性。仿真结果表明,与单一PID反馈控制相比,采用优度评价控制时,横向位置偏差和航向偏差分别减小了16.67%和12%。     

极限工况下无人驾驶车辆稳定跟踪控制

针对无人驾驶车辆在极限工况下跟踪控制精度和稳定性均难以保障的问题,提出一种纵横向稳定性综合协调控制方法。首先对无人驾驶车辆在摩擦极限下的速度进行规划,通过纵向加速度前馈和状态反馈控制器实现极限车速下的速度跟随。其次将预瞄前馈与人工势场反馈相结合设计了横向路径跟踪控制器。提出了基于期望与实际横摆角速度偏差的稳定性控制策略,优化纵向控制的驱动力矩。Simulink/Carsim联合仿真结果表明,所提出的纵横向协调稳定控制方法可在极限工况下改善无人驾驶车辆瞬态响应,抑制道路曲率突变处的超调量,减少路径跟随中的稳态误差,提高了无人驾驶车辆的轨迹跟踪精度和弯道运动过程中的横向稳定性。     

基于MPC的四轮转向车爆胎稳定性控制

四轮独立转向驱动汽车相比传统车辆具有更多控制自由度,具备在高曲率跟踪精度好,低附着路面操纵稳定性优越的特点。本文针对车辆在轨迹跟踪中所面对的低附着、爆胎等紧急工况,本研究采用模型预测控制理论,针对四轮转向电动汽车的横摆稳定性问题进行了探究。以横摆角速度和横向误差为控制目标,计算出最优四轮转角和直接横摆力矩,下层采用最优转矩分配并考虑轮胎摩擦圆约束,以实现对四轮驱动电动汽车的稳定性控制。在CarSim/Simulink联合仿真整车模型中,采用参数化建模设置整车参数。通过双移线爆胎工况仿真实验分析,所提出的策略能够有效地提高四轮驱动电动汽车的轨迹跟踪精度,从而提高整车的行驶稳定性。     

Stability Analysis of the Human Controlled Vehicle Moving Along a Curved Path

A method to study handling characteristics of a vehicle moving along a curved path is presented. A simple bicycle model and a feedback controller with proportional gain are used to simulate the vehicle and the driver. The lateral stability of the vehicle/driver system is analyzed by using the root locus method and numerical integration in the time domain. The effect of the curvature on the system stability is discussed in detail. A new suggestion is made for the look ahead distance to calculate the preview lateral error of the vehicle with respect to the center of the road. Interesting results are shown for some important parameters such as the gain factor, the vehicle speed and the curvature of the path. Possible extensions of the method to more general cases and other applications are discussed.     

Lateral handling improvement with dynamic curvature control for an independent rear wheel drive EV

The integrated longitudinal and lateral dynamic motion control is important for four wheel independent drive (4WID) electric vehicles. Under critical driving conditions, direct yaw moment control (DYC) has been proved as effective for vehicle handling stability and maneuverability by implementing optimized torque distribution of each wheel, especially with independent wheel drive electric vehicles. The intended vehicle path upon driver steering input is heavily depending on the instantaneous vehicle speed, body side slip and yaw rate of a vehicle, which can directly affect the steering effort of driver. In this paper, we propose a dynamic curvature controller (DCC) by applying a the dynamic curvature of the path, derived from vehicle dynamic state variables; yaw rate, side slip angle, and speed of a vehicle. The proposed controller, combined with DYC and wheel longitudinal slip control, is to utilize the dynamic curvature as a target control parameter for a feedback, avoiding estimating the vehicle side-slip angle. The effectiveness of the proposed controller, in view of stability and improved handling, has been validated with numerical simulations and a series of experiments during cornering engaging a disturbance torque driven by two rear independent in-wheel motors of a 4WD micro electric vehicle.     

Vehicle Handling Improvement by Active Steering

Summary This paper first analyses some stability aspects of vehicle lateral motion, then a coprime factors and linear fractional transformations (LFT) based feedforward and feedback H 8 control for vehicle handling improvement is presented. The control synthesis procedure uses a linear vehicle model which includes the yaw motion and disturbance input with speed and road adhesion variations. The synthesis procedure allows the separate processing of the driver reference signal and robust stabilization problem or disturbance rejection. The control action is applied as an additional steering angle, by combination of the driver input and feedback of the yaw rate. The synthesized controller is tested for different speeds and road conditions on a nonlinear model in both disturbance rejection and driver imposed yaw reference tracking maneuvers.     

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。     

Vehicle Handling Improvement by Active Steering

Summary This paper first analyses some stability aspects of vehicle lateral motion, then a coprime factors and linear fractional transformations (LFT) based feedforward and feedback H 8 control for vehicle handling improvement is presented. The control synthesis procedure uses a linear vehicle model which includes the yaw motion and disturbance input with speed and road adhesion variations. The synthesis procedure allows the separate processing of the driver reference signal and robust stabilization problem or disturbance rejection. The control action is applied as an additional steering angle, by combination of the driver input and feedback of the yaw rate. The synthesized controller is tested for different speeds and road conditions on a nonlinear model in both disturbance rejection and driver imposed yaw reference tracking maneuvers.     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。     

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。     

Design of a feedback-feedforward steering controller for accurate path tracking and stability at the limits of handling

This paper presents a feedback-feedforward steering controller that simultaneously maintains vehicle stability at the limits of handling while minimising lateral path tracking deviation. The design begins by considering the performance of a baseline controller with a lookahead feedback scheme and a feedforward algorithm based on a nonlinear vehicle handling diagram. While this initial design exhibits desirable stability properties at the limits of handling, the steady-state path deviation increases significantly at highway speeds. Results from both linear and nonlinear analyses indicate that lateral path tracking deviations are minimised when vehicle sideslip is held tangent to the desired path at all times. Analytical results show that directly incorporating this sideslip tangency condition into the steering feedback dramatically improves lateral path tracking, but at the expense of poor closed-loop stability margins. However, incorporating the desired sideslip behaviour into the feedforward loop creates a robust steering controller capable of accurate path tracking and oversteer correction at the physical limits of tyre friction. Experimental data collected from an Audi TTS test vehicle driving at the handling limits on a full length race circuit demonstrates the improved performance of the final controller design.     

基于拓扑地图的自主泊车路径协调与优化策略

为了使全局路径与泊车路径无偏差对接，得到曲率连续的可行驶路径，为泊车模式切换提供精准位姿，提出基于拓扑地图的自主泊车路径协调与优化策略。首先，定义一种精简的停车场拓扑地图描述形式与道路拓扑设计原则，通过采集停车场内关键特征的定位数据建立停车场拓扑地图。其次，基于道路拓扑设计原则与泊车规划原则，设计“第1次平滑处理-路径协调-第2次平滑处理”的流程，对规划出的全局路径与泊车路径进行协调与优化。其中，“第1次平滑处理”利用对称极多项式，以车辆最小转向半径为约束，对全局路径的转折处平滑处理；“路径协调”通过节点替换的方式实现全局路径与泊车路径的无偏差对接；“第2次平滑处理”利用梯度下降的方法，分别优化前进段与倒车段的路径曲率，消除路径对接与均匀插值之后引起的曲率抖动。最后，在PreScan/Simulink联合仿真平台和实车试验平台上，验证路径协调与优化策略的有效性。研究结果表明：所提策略能够无偏差对接全局路径与泊车路径，并生成曲率平滑的可行驶路径，为横向控制提供了平滑变化的曲率值，有助于提高路径跟踪时转向的平稳性；在路径跟踪前为自主泊车控制系统提供了精准的泊车切换位姿，保证了低速自动驾驶与自动泊车之间的准确切换。     

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。