电动轮减振系统设计及参数优化研究

为降低电动轮对车辆垂向振动性能的负面效应,提高车辆行驶平顺性和安全性,将轮毂电机视为动力减振器,设计了车身减振型、车轮减振型和综合减振型等不同减振方案,采用粒子群优化算法对各方案中减振系统的弹簧刚度、阻尼进行优化,并利用随机路面和脉冲路面激励验证不同方案的减振效果。结果表明,经过参数优化的几种减振方案均可有效减小车轮和整车的垂向振动,优化车辆行驶平顺性,其中,轮毂电机同时与车身、车轴相连的综合减振型方案减振效果最佳。     

基于模糊扩展卡尔曼滤波的轮毂电机驱动车辆纵向速度估计算法

为了获取轮毂电机驱动车辆的纵向速度,设计了基于轮速信号和车身加速度信号的扩展卡尔曼滤波的估计算法,建立了研究对象的离散状态方程和测量方程,并采取不同的扩展卡尔曼滤波器对测量信号进行滤波去噪处理和车辆纵向速度估算.通过模糊控制器,对车速估计滤波器的估算参数进行实时动态调节,实现了估计算法的自适应性.研究结果表明,在路面附着系数为1.00的良好路面上,估算得到的车速和动力学模型输出的实际车速误差小于2%;在路面附着系数为0.25的路面上,最大估算误差小于10%.      

基于多模式切换的智能汽车自适应巡航控制研究

针对前车运动状态和驾驶意图的不可预知性导致传统自适应巡航控制(ACC)系统应用受限的问题,设计了一种多模式切换的自适应巡航控制方法。根据自车与前车的运动学关系划分行驶模式,采用紧急系数表征各行驶模式下的危险程度;设计模糊控制器调节模型预测控制(MPC)中目标函数的权重值,以满足不同工况下跟车性和舒适性的需求差异,实现不同控制模式间的切换。仿真结果表明,多模式切换控制方法有效提高了车辆跟车性和舒适性,在各种工况下取得了优良的控制效果。     

基于多目标优化的自动驾驶车辆轨迹跟踪控制

针对自动驾驶车辆行驶轨迹的横向跟踪问题，设计了线性时变模型预测控制器。以车辆3自由度动力学模型为预测模型，以横向位置偏差最小为主要控制目标，考虑车辆状态约束、控制约束和轮胎侧偏角约束，优化了自动驾驶车辆轨迹跟踪安全性、转向稳定性和操作可行性等多目标性能。搭建MATLAB/Simulink和CarSim联合仿真模型，并将所设计的控制器控制效果与熟练驾驶员操纵结果、线性二次规划控制器控制效果进行了比较分析，结果表明，所设计的控制器可以有效解决多约束条件下自动驾驶车辆行驶轨迹的横向跟踪问题，且在安全性、转向稳定性和操作可行性方面具有显著的优势。     

基于自适应模糊扩展卡尔曼滤波的车辆运动状态联合估计

为准确实时地获取车辆运动状态信息,满足车辆主动安全控制系统的需求,基于模糊控制器和扩展卡尔曼滤波（EKF）算法,采用非线性3自由度车辆动力学模型,提出一种基于自适应模糊扩展卡尔曼滤波（AFEKF）的车辆运动状态联合估计策略。首先利用EKF算法对待测量噪声的输入量联合估计得到所需的状态量,然后建立模糊控制器对其进行自适应调节,最后应用MATLAB/Simulink仿真平台建立14自由度车辆动力学模型对估计算法进行仿真和实车试验验证。结果表明：AFEKF算法能够准确有效地估计车辆的行驶状态,且与EKF算法相比,准确性和鲁棒性更好。