应用模糊自适应PID和预瞄策略的自主车辆转向控制

文中结合智能车辆路径跟踪过程中转向控制方面的特点，提出了一种将模糊逻辑、预瞄规律和自适应PID控制相结合的控制策略，建立起了相应的模型，验证了该方法的可行性和有效性，并提出了进一步改进的方向。     

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...     

基于模糊自适应PID的智能车辆路径跟踪控制

选取车辆当前位姿和参考位姿来构造车辆的动态位姿误差,建立车辆路径跟踪闭环控制系统的Simulink仿真模型,并设计了模糊自适应PID控制器,利用模糊推理的方法,对PID控制器的参数进行自动调整。利用常规PID和模糊自适应PID控制算法分别进行仿真实验。仿真结果表明,模糊自适应PID改善了控制器的动态性能且具有较好的自适应能力。     

基于轴距预瞄的半主动悬架模糊神经网络控制

应用模糊控制和神经网络控制理论,构建了1/2车辆的半主动悬架模型,设计了基于轴距预瞄的半主动悬架模糊神经网络控制系统.对前轮半主动悬架采用以对应处车身垂向加速度为目标的模糊控制,对后轮半主动悬架采用轴距预瞄模糊控制,并利用神经网络来调整模糊控制器的控制规则和隶属度函数.在不同车速下对所建的控制系统分别进行了白噪声和路面脉冲输入的仿真.结果表明,与传统的被动系统相比,轴距预瞄模糊神经网络控制的半主动悬架系统能有效降低车辆振动;与模糊控制的半主动悬架系统相比,质心垂向加速度和后轮对应处车身加速度均有显著减小,较好地改善了车辆的行驶平顺性.     

基于稳态特性的路程预瞄转向模型

为实现车辆稳态转向的理想状态,建立更真实的预瞄-跟踪行为,提出了2种基于稳态转向的路程预瞄转向模型,假设车辆处于稳态转向状态,预测车辆的行驶轨迹,基于预测轨迹的侧向误差最小原则,分别建立了将单点预瞄转化为路程预瞄的理想转向模型和修正转向模型。CarSim/Simulink联合仿真结果表明,2种转向模型均具有较好的路径跟踪精度、适应性和转向平顺性。     

基于轴间预瞄的主动悬架研究

以某型汽车的1／2车辆模型为研究对象，提出了一种轴间预瞄控制的方法，并结合最优控制理论设计了车辆悬架的控制策略。通过模拟和仿真分析，验证了所提出的轴间预瞄比传统的轴距预瞄具有更好的控制效果。     

基于虚拟弹簧阻尼的智能车辆路径预瞄跟踪控制

针对智能车辆的路径跟踪控制问题,基于虚拟质量-弹簧-阻尼(MSD)模型以及驾驶员预瞄理论,设计了一种路径跟踪控制方法.首先,利用脉冲响应法对虚拟MSD模型的运动响应进行求解,得到不同工况下车辆的状态响应,并获得前轮转向角的控制函数;随后,结合路径跟踪的稳定性和快速性要求,建立系统性能函数,得到虚拟MSD模型最优参数;最...     

基于前轮转角约束自适应模型预测控制的路径跟踪研究

针对在车辆行驶中较小的前轮转角无法充分利用路面附着能力,较大的前轮转角使得车辆的行驶稳定性差的问题,文章提出了一种前轮转角约束自适应模型预测方法。首先建立车辆的动力学模型,然后通过计算得到轮胎纵向力,最终得到车辆的前轮转角。将车辆的状态量与前轮转角自适应约束条件输入给模型预测控制器,输出车辆的前轮转角,实现对参考路径的跟踪。在Carsim和MATLAB平台上联合仿真,仿真结果表明前轮转角约束自适应模型预测控制的车辆相比固定转角约束的车辆具有较好的跟踪能力和稳定性。     

驾驶员方向控制模型圆弧式预瞄算法的研究

在传统的预瞄算法中,预瞄位置的确定需要大量坐标变换,影响运算速度;且通过线性插值计算预瞄点坐标和路径方向,会使预期路径方向在路径点处不连续,导致人-车-路闭环系统仿真出现振荡.为此,本文中提出一种无需坐标变换的圆弧预瞄位置确定算法,并通过三次埃尔米特插值实现对局部路径的光滑处理.仿真结果表明:该算法效果良好,运算速度较快;且采用三次埃尔米特插值代替线性插值,可有效缓解闭环系统仿真振荡.     

路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律,分别构建基于预瞄的纯跟踪（PP）算法、前轮反馈控制算法和模型预测控制（MPC）算法的车辆模型,在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明：PP算法预瞄距离越短,横向控制精度越高,但稳定性越弱,低速鲁棒性较好;前轮反馈控制算法在高速下具有更小的横向控制误差,且增益系数k影响控制精度;相较于前两者,MPC算法在不同速度下均具有良好的横向跟踪性能。最后,开展实车试验对比验证3种算法的跟踪性能,结果表明,在同一工况下,MPC算法具有更优的跟踪性能。     

基于多点预瞄的车道保持辅助系统

提出一种基于多点预瞄的车道保持辅助系统,通过选取多个预瞄点建立仲裁规则,以最能表征车辆偏离车道中心线的预瞄点作为误差输入,设计前馈控制加反馈控制的横向位置控制方法.并进行实车试验验证.     

基于动力学模型预测控制的铰接车辆多点预瞄路径跟踪方法

现有的铰接车辆路径跟踪控制方法在模型线性化和预瞄误差过程均产生较大误差,导致跟踪精度降低.针对铰接车辆路径跟踪控制,构建了铰接车辆动力学模型,采用基于状态轨迹的线性化方法补偿动力学误差,提出了考虑路径多点预瞄误差的控制目标,设计了基于动力学模型的模型预测控制器,用以优化铰接点处转向力矩.为验证该方法的有效性,采用Mat...     

结合卡尔曼滤波器的车辆主动悬架轴距预瞄控制研究

利用轴距预瞄信息，即前后轮路面输入之关系，同时结合卡尔曼滤波器作为状态估计器，本文提出了一种算法用于车辆悬架控制律的设计，根据模拟结果，研究了算法的可行性，分析了卡尔曼滤波器对状态变量的估计精度，以及轴距预瞄控制对进一步改进车辆性能的潜力。     

基于状态反馈和预瞄前馈的智能车半主动悬架控制

为提高智能车辆的半主动悬架综合控制性能,提出一种基于状态反馈和预瞄前馈的半主动悬架控制方法。首先,以8轮车为研究对象建立11自由度半主动悬架模型,设计LQR状态反馈控制器。然后,为解决状态反馈控制抗路面干扰能力弱和基于固定时序延迟的预瞄反馈控制适用性差的问题,提出一种基于状态反馈和预瞄前馈的控制器：建立车轮运动规划模型和路面预瞄模型,计算出悬架控制系统所需的车轮规划轨迹点序号和控制延迟响应时间;以路面激励和垂向加速度为输入、以前馈阻尼力为输出,设计基于类模糊的预瞄前馈控制器,并与LQR反馈控制器一并构成所提控制器。最后,基于MATLAB/Simulink和Trucksim联合仿真平台,进行匀速转向工况、变速直线工况、变速转向工况和匀速直线工况下的试验验证。结果表明,在垂向加速度、俯仰角加速度、侧倾角加速度均方根值方面,与被动悬架相比,所提控制方法在4种工况下至少降低了23.52%、13.59%、19.35%;与基于固定时序延迟的预瞄反馈控制相比,所提控制方法在前3种工况下至少降低了14.04%、8.09%、13.79%;与基于状态反馈的控制方法相比,所提控制方法在第4种工况下降低了13...     

基于VSL-MPC的半主动悬架预瞄控制研究

车载传感器为智能汽车提供了丰富的环境感知信息,然而,在电控悬架控制算法中,车辆所感知的路面信息尚未能被充分利用,造成车辆动力学控制效果不佳。本文以半主动悬架高性能预瞄控制问题为研究主题,提出了一种变步长模型预测控制（VSL-MPC）算法。该算法根据实时车速和双目相机采集的路面信息来确定预瞄控制步长,使得纳入控制算法中的路面感知信息能够更准确地反映路面特征,有助于半主动悬架在更恰当的时刻对悬架阻尼特性进行调节,能够实现更理想的悬架决策控制。利用双目相机对真实道路开展路面信息采集,引入半主动悬架系统最优性能界限作为性能评价基准,建立4种基于模型预测控制的半主动悬架仿真模型,仿真对比结果表明,驶过连续减速带和井盖冲击等典型城市路面特征时,所提出的VSL-MPC算法控制下的簧载质量垂向加速度与最优性能界限的差距仅为0.72和2.33 dB,相比传统预瞄MPC算法的4.31和4.46 dB、传统无预瞄MPC算法的4.04和4.74 dB具有显著提升,新算法能有效提升半主动悬架的动力学性能。     

基于轴距预瞄的非匀速工况车辆悬架状态估计

为实现车辆在非匀速行驶时的悬架相对速度和簧上绝对速度估计,同时减小车载传感器的数量,构造了不考虑车轮动力学、以车轮垂直速度为输入的车辆悬架系统简化模型,设计了一种基于速度自适应轴距预瞄的结合卡尔曼滤波算法估计整车悬架相对速度和簧上绝对速度的方法。仿真结果表明,在车辆非匀速行驶通过低频正弦路面、减速带、凹坑以及典型随机路面时,所提出的方法可以准确估计车辆的悬架相对速度和簧上绝对速度,且速度自适应轴距预瞄的引入减少了传感器的使用数量。     

基于改进Stanley算法的无人车路径跟踪融合算法研究

针对斯坦利（Stanley）跟踪算法无法更好地同时满足无人驾驶路径跟踪的精确度和平滑性要求的问题,根据车辆的航向角、横向偏差、车速等特性,基于合适的预瞄距离,采用纯跟踪（Pure Pursuit）算法对Stanley算法中车轮转角的计算方式进行改进,提出一种新的融合算法,实时计算车辆在当前车速下合适的车轮转角。仿真结果表明,相比于Stanley算法,所提出的融合算法在不失跟踪精确度的情况下,不同车速下跟踪平滑性均有较大提升。实车试验结果表明,在20 km/h车速下,所提出融合算法的跟踪路径比原Stanley算法的跟踪路径有更好的精确度和平滑性。