驾驶机器人车辆的多模式切换控制EI北大核心CSCD

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

驾驶机器人车辆的多模式切换控制

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

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。     

基于拥堵工况辨识的车辆自动变速器换挡控制

针对拥堵工况下车辆自动变速器频繁换挡的问题,选取车辆平均车速、平均节气门开度和采样时间内制动踏板作动次数为评价因子,建立T-S模糊神经网络进行拥堵工况辨识,提出基于拥堵工况辨识的车辆自动变速器分层修正控制策略;将车辆自动变速控制分为上层辨识决策层与下层换挡执行层,上层采用T-S模糊神经网络进行拥堵工况辨识与换挡修正决策;下层接收上层修正控制指令执行换挡修正。仿真与实车试验结果表明:采用TS模糊神经网络可准确识别拥堵工况,基于拥堵工况辨识的车辆自动变速分层修正控制策略可有效避免拥堵工况时频繁换挡,减少换挡执行部件和制动系统的磨损。     

遗传算法优化的双线圈磁流变制动器模糊PID控制

针对磁流变制动器制动力矩输出不稳定的问题,采用遗传算法优化后的模糊PID控制器对双线圈磁流变制动器进行力矩控制。基于Bingham模型建立了双线圈磁流变制动器的制动力矩数学模型,同时推导了磁流变制动器的动态模型。完成了双线圈磁流变制动器的制动力矩实验,当励磁电流为1.0 A时,磁流变制动器制动力矩最大值为4.8 N·m;采用最小二乘结构模型,开展了双线圈磁流变制动器传递函数的参数辨识;基于遗传算法和模糊PID控制,设计了双线圈磁流变制动器的遗传算法优化的模糊PID控制器;搭建了磁流变制动器控制实验平台,开展了磁流变制动器力矩控制实验研究。研究结果表明,相比于传统模糊PID控制,在基于遗传算法优化的模糊PID控制下,双线圈磁流变制动器能实现较好的力矩控制效果,制动力矩阶跃响应上升时间为0.63 s,超调量为4.17%,制动力矩跟踪误差在0.2 N·m以内,具有较快的响应速度、较小的超调量以及较小的力矩跟踪误差。     

磁力表座配合百分表在汽修中的应用

<正>车辆在一定车速范围内实施制动时常会引起方向盘、制动踏板、车身地板和座椅等的剧烈抖动,制动抖动一般发生在车辆高速行驶并实施中等强度制动时。制动抖动是汽车制动系统的重要故障之一,故障出现时严重影响车辆的舒适性且增加了驾驶     

基于逆控制策略模型的电动车驾驶机器人车速控制

为满足驾驶机器人利用加速踏板行程信号实现对于电动车速度跟随的需求,提出了一种基于逆控制策略模型的车速控制方法。该方法在传统纵向动力学的车速控制回路基础上,引入了车辆控制策略模型,将原有的通过电机转矩控制车速转换为通过加速踏板行程来控制,从而降低了驾驶机器人对原车辆的改造风险,提高了机器人的适用性。转鼓试验结果表明,与人工驾驶相比,本文中提出的控制方法有效提高了车速跟踪精度,误差不超过±1 km/h,满足国家电动车试验标准。     

基于模糊神经网络的汽车辅助制动控制系统的研究

为保障辅助驾驶模式下汽车具备良好的制动减速性能,提出了一种基于模糊神经网络的体现驾驶员制动特点的辅助制动系统,该系统以两车的相对速度和车间距离为网络输入,以汽车制动力为网络输出.利用驾驶员在不同车况下的合理而充足的制动数据对网络参数进行离线训练,优化网络权值,建立了体现驾驶员制动特点的模糊神经网络控制器模型.进而在Matlab/Simulink中建立汽车动力学模型与基于滑移率的ABS模型进行仿真,仿真结果表明汽车辅助制动系统能很好地起到减速制动效果.     

无人驾驶机器人机械腿模糊监督控制

为实现对无人驾驶机器人机械腿运动的精确控制,提出了一种模糊监督控制方法。通过对驾驶机器人机械腿操纵自动挡汽车油门/制动踏板的运动分析,描述了机械腿各杆件的运动学关系,并建立了机械腿的拉格朗日动力学模型。在此基础上,设计了一种模糊监督控制器,并通过Lyapunov稳定性分析原理,验证了跟踪误差的收敛性,保证了机械腿对位移跟踪的稳定性。模糊监督控制器以机械腿的位移跟踪误差及误差变化率为输入,位移跟踪过程中,实时监测跟踪误差的变化趋势,当误差不超过给定值时,模糊控制器单独作用,当误差超出给定值,采用模糊监督控制器。最后,设计了一种油门/制动机械腿切换控制器,搭建了油门/制动机械腿车速跟踪仿真模型,仿真结果与实车试验数据比较,验证了提出方法的有效性。     

基于EMB的纯电动汽车制动能量回收优化控制策略研究

为提高电动汽车制动时回收的能量,减少能源浪费,本文中提出了一种基于电子机械制动(EMB)系统的再生制动力分配策略。首先,根据制动踏板信号得到当前制动强度,结合前后轴制动力分配策略分别得到前轴、后轴制动力。然后以车速、电池SOC值和制动踏板行程为输入,再生制动占比为输出,创建模糊控制器,且以制动时回收能量最大化为优化目标,运用PSO算法优化模糊控制器。最后进行Simulink和AVL Cruise的联合仿真。结果表明,在NEDC工况下能量回收提升2.5%,在CLTC-P工况下能量回收提升1.56%。     

eTS fuzzy driver model for simultaneous longitudinal and lateral vehicle control

In this paper, evolving Takagi-Sugeno (eTS) fuzzy driver model is proposed for simultaneous lateral and longitudinal control of a vehicle in a test track closed to traffic. The developed eTS fuzzy driver model can capture human operator’s driving expertise for generating desired steering angle, throttle angle and brake pedal command values by processing only information which can be supplied by the vehicle’s on-board control systems in real time. Apart from other fuzzy rule based (FRB) models requiring human expert knowledge or off-line clustering, the developed eTS driver model can adapt itself automatically, even ‘from scratch’, by an on-line learning process using eTS algorithm while human driver is supervising the vehicle. Proposed eTS fuzzy driver model’s on-line human driver identification capability and autonomous vehicle driving performance were evaluated on real road profiles created by digitizing two different intercity express ways of Turkey in IPG© CarMaker® software. The training and validation simulation results demonstrated that eTS fuzzy driver model can be used in product development phase to speed up different tests via realistic simulations. Furthermore eTS fuzzy driver model has an application potential in the field of autonomous driving.     

电动汽车真空助力制动系统仿真研究

对电动汽车真空助力系统进行建模仿真,分析了踏板行程与真空度消耗关系、不同真空度条件下助力器的输出性能关系、真空泵响应是否满足助力器等问题,仿真结果显示,助力器输出力与踏板输入力相协调,符合制动要求.真空泵抽速、启停真空度、罐体大小与真空助力器的需求搭配合理.制动主缸液压压力满足制动强度需求.在连续制动时,真空罐内真空度...     

分布式驱动电动汽车回馈制动失效的液压补偿控制

分布式驱动电动汽车各驱动轮转速和转矩可以单独精确控制,便于实现整车动力学控制和制动能量回馈,从而提升车辆的主动安全性和行驶经济性。但车辆在回馈制动过程中,一旦1台电机突发故障,其他电机产生的制动力矩将对整车形成附加横摆力矩,从而造成车辆失稳,此时虽可通过截断异侧对应电机制动力矩输出来保证行驶方向,但会使车辆制动力大幅衰减或丧失,同样不利于行车安全。为了解决此问题,提出并验证一种基于电动助力液压制动系统的制动压力补偿控制方法,力图有效保证整车制动安全性。以轮毂电机驱动汽车为例,首先建立了整车动力学模型以及轮毂电机模型,通过仿真验证了回馈制动失效的整车失稳特性以及电机转矩截断控制的不足;然后,建立了电动助力液压制动系统模型,并通过原理样机的台架试验验证了模型的准确性;接着,基于滑模控制算法设计了制动压力补偿控制器,并在单侧电机再生制动失效后的转矩截断控制基础上完成了液压制动补偿控制效果仿真验证;最后,通过实车试验证明了所提控制方法的有效性和实用性。研究结果表明:在分布式驱动电动汽车单侧电机再生制动失效工况下,通过异侧电机转矩截断控制和制动系统的液压主动补偿,能够使车辆快速恢复稳定行驶并满足...     

重型载货汽车气压制动系统危险状态识别

针对重型载货汽车因气压制动系统发生管路破裂、机械故障或热衰退导致制动效能下降且不易察觉从而引发严重交通事故的问题，提出基于主成分分析降维（PCA降维）和马尔可夫模型的气压制动系统危险状态识别方法。考虑到三轴载货汽车双回路制动系统的结构复杂性以及制动过程制动踏板动作、系统压力建立和实现车辆减速具有明显的时序性特点，首先采用PCA降维的方法对系统状态进行辨识；然后运用驾驶人制动意图与制动系统响应的双层隐形马尔可夫模型对系统状态进行识别。受驾驶人习惯影响制动踏板作用瞬间辨识度低，采用混合高斯聚类法提取不同制动意图时制动保持阶段数据建立制动意图识别模型和系统响应识别模型，通过二者匹配程度判定系统状态。最后，分别依据实车试验数据对模型进行离线训练和在线辨识验证。试验结果表明：系统正常状态下，基于PCA降维和马尔可夫模型相结合的识别方法能够准确、有效地识别制动系统状态；制动管路断开压力降低状态下，PCA降维方法能够及时有效识别其危险状态。     

智能可变轮胎附着力系统的设计与应用

通过检测车轮速度及踩踏制动踏板的急缓程度,由电控单元判断,若是在紧急制动的情况下,控制电磁线圈通电,电磁作用使安装在轮辋上的泄气电磁阀动作,轮胎泄压,瞬间增大轮胎与地面的附着力,从而缩短制动距离;若是在冰雪、泥泞等特殊路面上,由电控单元通过电磁线圈控制泄气电磁阀,使轮胎泄半压,增大轮胎与地面的附着力,提高车辆的加速和制动性能,保持方向稳定。当紧急制动或特殊路面的情况消失之后,安装在轮辋上的充气阀将自动充气到轮胎的正常气压,并自动停止。     

ISG hybrid powertrain: a rule-based driver model incorporating look-ahead information

According to European regulations, if the amount of regenerative braking is determined by the travel of the brake pedal, more stringent standards must be applied, otherwise it may adversely affect the existing vehicle safety system. The use of engine or vehicle speed to derive regenerative braking is one way to avoid strict design standards, but this introduces discontinuity in powertrain torque when the driver releases the acceleration pedal or applies the brake pedal. This is shown to cause oscillations in the pedal input and powertrain torque when a conventional driver model is adopted. Look-ahead information, together with other predicted vehicle states, are adopted to control the vehicle speed, in particular, during deceleration, and to improve the driver model so that oscillations can be avoided. The improved driver model makes analysis and validation of the control strategy for an integrated starter generator (ISG) hybrid powertrain possible.     

考虑预碰撞时间的自动紧急制动系统分层控制策略研究

为提升汽车的主动安全,对车辆自动紧急制动系统控制策略进行研究。利用分层控制的思想对控制策略进行建模,上层控制器为对车辆制动减速度进行决策的预碰撞时间模型,根据汽车追尾事故深度调查的驾驶员紧急制动数据分析制动系统的制动减速度,在考虑舒适性的条件下确定预碰撞时间阈值。下层控制器按照上层控制器输出的制动减速度,分析车辆轮胎模型和制动系统的关系,通过PID控制调节制动压力对车辆进行控制。在安全评价规程标准工况下验证控制策略的可靠性,通过追尾事故场景的重建来验证控制策略的有效性。仿真结果表明:设计的控制策略在相对车速65 km/h以内时能有效避撞,而高于65 km/h时能最大程度地降低碰撞车速,减小伤害。     

Energy recovery based on pedal situation for regenerative braking system of electric vehicle

ABSTRACT

Energy recovery is a key technology to improve energy efficiency and extend driving range of electric vehicle. It is still a challenging issue to maximise energy recovery. We present an energy recovery mode (mode A) which recovers braking energy under all situations that accelerator pedal (AP) is lifted, brake pedal (BP) is depressed, as well as AP and BP are released completely; and propose a control strategy of regenerative braking based on driver's intention identified by a fuzzy recognition method. Other two modes: (1) recovery braking energy only the BP is depressed (mode B), (2) no energy recovery, have been studied to compare with mode A. Simulations are carried out on different adhesion conditions. Recovered energy and driving range are also obtained under FTP75 driving cycle. Road test is implemented to validate simulation results. Results show that mode A can improve energy recovery by almost 15.8% compared with mode B, and extend driving range by almost 8.81% compared with mode B and 20.39% with the mode of no energy recovery; the control strategy of regenerative braking can balance energy recovery and braking stability. The proposed energy recovery mode provides a possibility to achieve a single-pedal design of the electric vehicle.     

基于交通信息的电动汽车制动策略及仿真

为了提高滑行能量回收经济性和踏板制动安全性、舒适性,基于交通信息,提出了电动汽车(EV)制动协调策略。分析了滑行制动的经济性,由交通信息和汽车行驶状态确定滑行制动强度;由道路信息和前方车辆信息建立汽车安全距离模型和碰撞预警策略,利用预警信息对滑行制动和踏板制动强度进行协调。对本策略进行仿真验证。结果表明:利用交通信息的滑行策略,在通行良好工况下综合能耗减少1.1%,拥堵工况下减轻驾驶员的制动疲劳;预警和协调策略避免了频繁预警,减小了紧急避撞触发几率。因此,利用交通信息能够辅助驾驶员进行更加合理的制动。