预瞄跟随驾驶员模型的复合校正

由于汽车动力学特性呈现强非线性,经典的开环校正控制方式不能自动适应被控车辆动力学特性的变化。据此,本文中提出一种对汽车非线性动力学具有自适应性的复合校正方法,它采用经典的开环校正作为主校正部分,而用BP神经网络PID控制器作为补偿校正部分。在Matlab/Simulink中对Car Sim样车进行仿真,结果表明,采用复合校正方法的预瞄跟随驾驶员模型跟随性较好,参数无需标定,且对汽车动力学的非线性特性具有很好的自适应能力。     

基于BP-PID控制器的盾构液压推进控制系统研究

为解决盾构在复杂地层施工时推进速度和压力难以控制的问题,在压力流量控制的基础上提出BP神经网络控制策略。通过AMESim建立推进系统物理模型,并利用Simulink设计出BP神经网络控制器,最后对系统进行联合仿真,分析推进系统液压缸在变流量和变负载工况下推进速度和压力的响应特性。仿真结果表明:该控制策略与常规PID控制相比,波动幅度降低,调节时间快。采用BP神经网络PID控制能够有效地提高盾构在负载突变情况下速度和压力控制精度,稳定性好、适应能力强,为盾构控制系统设计和优化提供理论参考。     

电控空气悬架车高调节与车姿控制研究

针对电控空气悬架在车高调节过程中存在的过充,过放以及震荡等不良现象和加速、减速、转弯以及路面随机干扰对整车姿态的影响,根据变质量充放气系统热力学理论,提出一种能够对气体质量流量进行自适应快速调节的单神经元PID控制方法。根据车辆动力学理论,建立了加速、减速、转弯以及路面随机干扰下的空气悬架车身高度调节系统整车模型。基于神经网络控制算法,设计了车身高度调节的单神经元PID控制器和整车姿态控制的BP神经网络PID控制器。为检验所设计控制器的性能,搭建了Matlab/Simulink车身高度控制仿真模型和整车姿态控制仿真模型。仿真结果表明所设计的控制系统不仅能够实现车身高度的有效调节,同时还能抑制车身高度调节中的整车姿态变化。     

灭火智能车辆PID控制方法研究

为满足灭火智能车辆在火灾现场所需的精确运动要求和技术性能,充分利用BP神经网络能够逼近任意非线性系统的优点,将BP神经网络和PID控制相结合,把训练后的网络输出作为PID控制器输入,并不断调整其P、I、D参数,进而调整控制器的输出电压以控制灭火智能车辆的速度。     

起-停车辆巡航系统的建模与仿真

将理论和试验数据相结合,建立了起-停车辆巡航跟随仿真系统混合模型,然后根据滑模控制和模糊控制的优点,设计了车间距离控制器;结合建立的车辆巡航跟随仿真系统模型,进行了前车在静止和运动2种情况下的仿真。仿真结果表明:建立的车辆巡航跟随仿真系统模型和控制器能比较真实地反映实际起-停车辆巡航跟随情况,该模型和控制器可以用于对起-停车辆巡航跟随情况的研究。     

基于BP-PID的电动汽车热泵空调温度控制系统研究与设计

电动汽车热泵空调系统具有时变性、非线性和滞后性的特点,传统的比例-积分-微分（PID）控制方法无法达到理想的控制效果。针对反向传播（BP）神经网络,推导出其正向和反向传播阶段公式,给出了详细的控制算法设计,在传统PID控制器基础上设计出一种自学习BP神经网络PID控制器。对热泵空调系统模型仿真,结果表明,该控制器具有稳定性高,鲁棒性好等优点,优于传统PID控制效果。最后把BP-PID算法与脉冲宽度调制（PWM）控制相结合,进行了系统软硬件原理设计,与传统PID控制相比稳定时间从155 s减少到145 s,实现空调温度控制,为后续车型开发做准备。     

模糊神经网络在发动机怠速控制中的应用

讨论了发动机怠速控制方法,对用模糊控制，BP神经网络控制方法进行了深入研究，给出了模糊控制和PID调节在怠速控制上的对比及BP神经网络用于学习模型控制器的输入与输出之间的函数关系，以取代模数控制规则表。在BP网络的训练过程，采用了自调整的学习算子以加速收敛，并给出了仿真结果。     

软计算方法研究车-车间跟随模型

采用软计算方法对车辆跟随算法模型进行对比分析,主要介绍基于自适应神经模糊推理系统ANFIS的跟随模型,并简要介绍基于BP网络和径向基RBFN网络模型与ANFIS模型的对比分析。为了取得模型训练所需的参数和测试模型的效果,设计了一个车辆跟随试验,试验中采用GPS模块来获取车间距和车速差两个参数。最后对模型进行训练和仿真决策输出,仿真输出表明采用自适应神经模糊推理系统的算法模型能较好地模拟驾驶员操作。     

6-AMT微型乘用车起步优化控制

为提高车辆起步过程中的舒适性及动力性,以6挡电控机械式自动变速器的起步控制为例进行了仿真试验。搭建了6-AMT传动系AMESim仿真模型,通过与试验结果的对比验证了仿真模型的可靠性,并对控制参数进行了优化。分别采用优化控制方法和PID控制方法对车辆起步进行控制试验,结果表明,与PID控制方法相比,优化控制方法的起步过程更快速、更平顺。     

神经网络PID控制参数整定及仿真

PID控制器算法简单,鲁棒性好,可靠性高,但是参数整定通常是依靠经验来确定。神经网络具有很好的自适应能力和非线性映射功能,对智能控制有很好的效果。本文通过BP神经网络的自学习能力对PID参数进行在线整定,并通过matlab软件进行仿真研究。仿真结果表明:通过BP神经网络,可以对PID参数进行有效的整定。     

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。     

基于神经网络的电动汽车动态无线充电功率控制

为实现多初级绕组并联电动汽车的动态无线充电,建立双发单收无线电能传输系统模型,得到动态模式下的传输特性与磁场分布。为保证输出功率的稳定调节,增加基于副边控制的升压型变换器。设计了反向传播(BP)神经网络控制器,通过控制高频开关管占空比的变化,实现输出电流的平稳控制。仿真分析表明,所设计的BP神经网络控制器在控制速度、超调量、控制稳定性等方面均优于传统PID控制,同时具有较好的泛化能力。     

基于模糊PID控制的车辆横向稳定性系统

文中针对模糊控制和PID控制的各自特点,将模糊控制与PID控制结合起来,设计了一个模糊PID控制器。将其引入到车辆横向稳定性控制系统中,并结合MATLAB的模糊逻辑工具箱进行仿真。仿真结果表明。模糊PID控制相对于常规PID控制具有良好的性能。     

基于模糊PlD开关控制器的磁流变减振器控制

依据车辆悬架的1/4车体模型,对装有磁流变减振器的悬架系统进行了理论研究,设计了模糊PID开关控制算法.在所建模型的基础上,借助MATLAB可视化的动态仿真平台,对控制系统进行了数值仿真,通过仿真验证了算法的有效性.设计了硬件控制电路,通过编制控制软件实现了控制算法,并进行了台架试验.试验结果表明,模糊PID开关控制器应用于磁流变减振器可以实现良好的车身振动控制.     

基于小波控制的电动汽车稳定性研究（双语出版）

针对前轮独立驱动电动汽车,研究一种基于小波控制器的驱动稳定性控制系统。为提高车辆对开路面的行驶稳定性,根据驱动轮等转矩分配控制策略,提出基于神经网络PID的驱动轮滑移率相近为目标控制策略。针对矢量控制中的电流控制,提出基于离散小波变换的电流控制器。通过CarSim/Simulink建立前轮独立驱动电动汽车联合仿真平台,进行不同工况整车性能仿真与分析,并基于A&D5435快速原型开发平台进行实车试验。仿真与试验结果表明：基于小波控制器的驱动控制系统不仅提高了车辆对开路面行驶的稳定性,而且具有更平滑、更快速的转矩响应;对开路面工况下,提出的控制策略左侧、右侧驱动轮速度仿真结果与试验结果最大偏差分别为3.43%和3.56%;等转矩分配控制策略下,左侧、右侧驱动轮速度仿真结果与试验结果最大偏差分别为3.86%和3.25%,表明了试验与仿真的一致性;对开路面仿真工况下,相比于驱动轮等转矩分配控制策略,基于神经网络PID的驱动轮滑移率相近为目标控制策略的车辆峰值质心侧偏角降低了79.57%,侧向跑偏距离降低了73.39%。     

基于人工神经网络的高速公路入口匝道控制算法

利用BP人工神经网络对高速公路单个入口匝道进行控制。根据具体问题对神经网络控制器的设计进行了讨论，利用BP改进算法对神经网络控制器进行训练。利用Matlab对控制器的控制效果进行了仿真，将仿真结果与车道、需求-容量控制的效果进行了比较，结果表明，该神经网络控制器可以获得优良的控制效果。     

利用五轮仪实验数据建立车辆跟驰模型

车辆跟驰模型是微观交通流模拟的一个基本模型，用来分析和描述在无法超车的同一车道上一辆车(驾驶员)跟随另一辆车的方式。由于实际道路上驾驶员信息的获取困难，建立的车辆跟驰模型难以标定或验证。本文利用五轮仪试验系统获取的车辆跟驰数据，应用BP神经网络，建立了车辆跟驰神经网络模拟模型。     

驾驶员辅助系统中自适应加速度跟随控制器的设计

为满足驾驶员辅助系统在实车嵌入式控制中对加速度跟随控制的要求,设计了自适应加速度控制器。由动力学分析验证了车辆在一定节气门开度或制动压力下可以达到特定的稳态加速度,并由此通过离线计算得到了标称工况下加速度控制的节气门开度与制动压力查询表。设计了加速度自适应调整机构,以使实际车辆在自身和环境参数发生变化时仍可利用标称工况查询表完成对加速度的跟随控制。仿真和实车试验表明,自适应加速度跟随控制器运算控制过程简单,可有效完成在实车嵌入式控制中实际加速度对期望值的跟随控制,同时对车辆和环境参数变化有一定的自适应能力。     

遗传算法优化的整车7自由度EPS控制仿真

根据EPS的结构和动力学特性,建立EPS动力学方程,采用PID控制和基于遗传算法优化的BP神经网络控制策略,并结合7自由度的整车模型和魔术轮胎模型建立整车EPS仿真模型。文中使用了一种含有3个参数的双指数形式的道路附着系数与滑移率关系计算模型,分析了PID控制和优化神经网络控制对EPS整体系统的影响。     

驾驶员辅助系统中自适应加速度跟随控制器的设计EI北大核心CSCD

为满足驾驶员辅助系统在实车嵌入式控制中对加速度跟随控制的要求,设计了自适应加速度控制器。由动力学分析验证了车辆在一定节气门开度或制动压力下可以达到特定的稳态加速度,并由此通过离线计算得到了标称工况下加速度控制的节气门开度与制动压力查询表。设计了加速度自适应调整机构,以使实际车辆在自身和环境参数发生变化时仍可利用标称工况查询表完成对加速度的跟随控制。仿真和实车试验表明,自适应加速度跟随控制器运算控制过程简单,可有效完成在实车嵌入式控制中实际加速度对期望值的跟随控制,同时对车辆和环境参数变化有一定的自适应能力。