考虑系统复杂扰动的智能车模型预测路径跟踪控制

智能车路径跟踪控制面临系统模型简化、参数不确定、执行器与传感器信号延时及道路曲率变化等干扰,将产生系统扰动误差,导致跟踪精度降低。本文针对性提出一种考虑跟踪系统复杂扰动的模型预测控制方法（model predictive control,MPC）,首先以单轨车辆动力学模型为基础建立模型预测跟踪系统,并依据实时规划的路径和速度信息设计预瞄距离动态调整方法,获取最佳预瞄点,以改善智能车底盘执行器与传感器信号延时扰动问题;而后引入扩张状态观测器（extended state observer,ESO）实时估计因简化车辆模型对系统产生的未知扰动量并用于前馈补偿;同时,考虑道路参考曲率变化对系统产生的确定性稳态扰动,设计一种含曲率约束的前馈控制（feedforward control,FFC）方法用于消除该干扰;最终形成MPC控制器反馈输入、ESO抗干扰补偿输入及FFC前馈输入相叠加的转向角控制律。最后,以某品牌智能车平台在低速园区场景进行了实车测试对比分析,验证了本文所改进的融合扰动补偿的模型预测控制方法具备可行性和优越性。     

基于模型预测的横摆和侧向稳定性控制

针对无人驾驶车辆路径跟踪过程中横摆和侧向稳定性控制,提出一种转向和制动的模型预测控制方案。控制方法基于3自由度车辆模型,控制目标是通过制动和转向的联合来跟踪期望路径。该控制方案依赖于非线性预测控制方法的预测功能,搭建基于MPC(Model Predictive Control,模型预测控制)的车辆主动转向和制动控制系统。通过Car Sim和Simulink联合仿真试验进行验证,证明所提出方法的有效性。     

永磁同步电机模型预测控制系统设计

为追求更加智能的控制策略,本文通过研究模型预测控制原理和永磁同步电机控制系统对永磁同步电机模型预测控制（Model Predictive Control,MPC）系统进行设计。     

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。     

基于模型预测控制的智能车轨迹跟踪控制研究

为了完成智能车的轨迹跟踪,提出一种基于模型预测控制的轨迹跟踪方法,利用将运动学模型这个非线性系统线性化的方案,来获得必须的线性时变系统,采取模型预测控制的三要素来设计控制器。并且基于MPC在控制过程中能增加多种约束的优点,建立基于车辆运动学模型的约束做轨迹跟踪仿真实验,最后,基于山东理工大学智能车平台上GPS提供的定位信息,在校园中采集路线并对前提规划好的的轨迹进行实车验证。实验结果表明:基于MPC算法所设计的控制器能快速且稳定地跟踪期望轨迹。     

基于神经工效学的智能车辆横向控制模型研究

现有的驾驶人模型,在揭示驾驶人的驾驶机理上,或单独从驾驶人认知角度出发,或单独从控制角度出发,缺乏一个将驾驶人的认知过程和控制原理有机地结合起来的系统模型。鉴于此,本文中在神经工效学认知体系架构的基础上融合了模型预测控制算法(MPC)以及手臂肌肉模型,建立了一种基于神经工效学的车辆横向控制模型。模型采用了CarSim/Simulink联合仿真和基于dSPACE/驾驶模拟器硬件在环的方法进行验证。结果表明:基于神经工效学的车辆横向控制模型的轨迹跟踪精度优于MPC算法。同时,在控制转向盘转角、横摆角和横向加速度波动幅度等方面也较MPC算法有一定的提升。     

基于模型预测控制的半挂汽车主动防侧倾控制方法

提出了一种半挂汽车主动防侧倾控制方法。搭建了一个七自由度动力学模型和一个三自由度参考模型;用无迹Kalman滤波的方法,来估计车辆的横向载荷转移率;确定优化目标,运用模型预测控制(MPC)理论进行最优化求解,得到各车轴的主动防侧倾力矩;在Simulink/Trucksim联合仿真环境中,进行仿真对比与分析。结果表明:在本文的MPC控制器和PID控制器作用下,半挂汽车各状态量皆收敛,且横向载荷转移率保持在0.7以内;相比于PID控制,MPC控制所需的防侧倾力矩更小更均衡,各状态量变化也更加平稳。因此,本MPC控制器在提升半挂汽车侧倾稳定性的同时具有较好的鲁棒性。     

基于路面附着系数估计的车辆轨迹跟踪控制

针对车辆在高速转向和不同路面附着系数下的轨迹跟踪控制问题，基于模型预测控制理论提出了一种考虑路面附着系数的变侧偏角约束MPC控制策略。根据魔术公式轮胎模型分析轮胎的侧偏特性以及不同附着系数对轮胎侧偏角-侧向力线性区的影响，建立轮胎侧偏角约束与不同路面附着系数的函数关系；采用遗传算法（GA）优化BP神经网络模型设计路面附着系数估计器，将估计结果作为与轮胎侧偏角约束相关的变量传递到MPC控制器中；最后在MPC控制器中建立系统控制量约束、控制增量约束，以及考虑路面附着系数的变侧偏角约束，将不同路面附着系数工况下的轨迹跟踪问题转化为多约束条件下最优值求解问题，实现轨迹跟踪和车辆稳定性控制。仿真和试验结果表明，考虑路面附着系数变化的MPC控制方法相对传统MPC控制方法在各种工况下具有更高的轨迹跟踪精度和更好的车辆稳定性，GA-BP神经网络路面系数估计方法具有很高的估计精度。     

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...     

基于强化学习DDPG的智能车辆轨迹跟踪控制

针对智能车辆在轨迹跟踪过程中的横向控制问题，提出一种基于强化学习中深度确定性策略梯度算法（Deep Deterministic Policy Gradient，DDPG）的智能车辆轨迹跟踪控制方法。首先，将智能车辆的跟踪控制描述为一个基于马尔可夫决策过程（MDP）的强化学习过程，强化学习的主体是由Actor神经网络和Critic神经网络构成的Actor-Critic框架；强化学习的环境包括车辆模型、跟踪模型、道路模型和回报函数。其次，所提出方法的学习主体以DDPG方法更新，其中采用回忆缓冲区解决样本相关性的问题，复制结构相同的神经网络解决更新发散问题。最后，将所提出的方法在不同场景中进行训练验证，并与深度Q学习方法（Deep Q-Learning，DQN）和模型预测控制（Model Predictive Control，MPC）方法进行比较。研究结果表明：基于DDPG的强化学习方法所用学习时间短，轨迹跟踪控制过程中横向偏差和角偏差小，且能满足不同车速下的跟踪要求；采用DDPG和DQN强化学习方法在不同场景下均能达到训练片段的最大累计回报；在2种仿真场景中，基于DDPG的学习总时长分别为DQN的9.53%和44.19%，单个片段的学习时长仅为DQN的20.28%和22.09%；以DDPG、DQN和MPC控制方法进行控制时，在场景1中，基于DDPG方法的最大横向偏差分别为DQN和MPC的87.5%和50%，仿真时间分别为DQN和MPC的12.88%和53.45%；在场景2中，基于DDPG方法的最大横向偏差分别为DQN和MPC的75%和21.34%，仿真时间分别为DQN和MPC的20.64%和58.60%。     

考虑参数估计的MPC算法的商用车车道保持控制

设计了一种考虑参数估计的模型预测控制（MPC）算法的、智能辅助驾驶的商用车的车道保持算法,对于难以直接测量的质量和横向速度进行估计。建立车辆动力学模型和状态误差方程,通过扩展Kalman滤波（EKF）和递推最小二乘法（RLS）分别对车辆的横向速度、质量进行估计。基于估计得到的车辆参数,设计MPC车道保持控制器。构建硬件在环（HIL）仿真平台,设置不同的测试工况对车道保持算法进行了验证。结果表明：与普通MPC相比,在偏移回正工况中,车辆纠偏消耗的时间减少28.6%,并且超调量更小;高速路工况的横向位置偏差的均方根误差减小了4.2 cm。该方法提升了纠偏能力和跟踪精度,降低了传感器成本。     

基于单/双点线性化的质子交换膜燃料电池发动机温度预测控制研究

在已有的45 k W级质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)发动机模型的基础上,将电堆冷却液旁通阀开度、大循环旁通阀开度、水泵转速、风扇开度设定为操控变量,电堆温度设定为输出量,分别设计了单点线性化全工况预测控制(Model Predictive Control,MPC)控制器和两点线性化双MPC控制器,对PEMFC发动机电堆温度进行控制和分析。在相同的仿真环境条件下,分别运行两种控制算法进行仿真运算,并对其结果进行对比分析。仿真试验结果表明,两点线性化双MPC控制的控制效果优于单点线性化全工况MPC控制。     

带可变几何涡轮增压器柴油机的双回路废气再循环多变量控制

研究双回路废气再循环(EGR)柴油机采用多变量控制器的设计问题。发动机需控制2个EGR阀(高压阀和低压阀)、1个排气节流阀和1个可变几何涡轮增压器。提出了一种利用模型预测控制(MPC)方法,对柴油机进行适用于生产的空气管理控制。此外,概述了所提出设计的调整过程。在1台2.8L轻型柴油机上获得了设计的性能试验结果。控制器闭环性能的LA-4循环瞬态数据验证了设计过程的有效性。在整个瞬态行驶循环控制器的标定过程中,MPC从数据采集开始到建立发动机标定模型仅用10天时间。     

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Tube MPC的多轴重型车辆全轮转向路径跟踪策略

本文中为具有智能驾驶功能的五轴重型车辆提出一种基于鲁棒不变集的模型预测控制（Tube MPC的全轮转向路径跟踪策略。首先提出了基于第1桥和第5桥转角控制的全轮转向路径跟踪策略,使多轴车的控制更灵活,侧向力响应可实现同步且能得到充分利用。接着控制模型考虑轮胎参数不确定和侧向风产生的有界干扰,采用Tube MPC求解路径跟踪问题。同时采用基于支撑函数计算的简化最小鲁棒正不变集（mRPI）代替了通用的基于Minkowski求和的mRPI运算,有效地节约了mRPI的离线计算时间,也减少了不变集的顶点个数,以保证Tube MPC的在线实现。最后进行硬件在环仿真,验证了所提基于Tube MPC的全轮转向策略对比普通的全轮转向策略具有更高的路径跟踪精度和车辆稳定性,面对未知干扰时有更强的鲁棒性。     

基于非线性预测和沿轨迹线性化MPC的车辆路径跟踪控制方法

针对车辆路径跟踪模型预测控制(MPC)的动力学非线性问题和实时性要求,引入基于非线性预测和沿轨迹线性化的模型预测控制算法(MPC-NPLT),依据上一控制周期得到的控制序列预估系统未来的运动轨迹,将非线性因素从在线优化计算中排除,使其转化为二次规划问题;制定直接横摆力矩控制系统的切换策略和制动力分配策略,实现其与转向系...     

低附着下分布式驱动车辆的路径跟踪与横向稳定性控制方法

由于车辆在低附着工况（如积雪、潮湿）下跟踪性与横向稳定性的耦合关系,这使得二者之间的控制难以同时满足跟踪精度及良好的稳定性需求,因此,研究了基于分布式独立驱动电动汽车平台的路径跟踪与横向稳定性联合控制模型。对于路径跟踪问题,采用了横纵向解耦控制;对于横向跟踪控制问题,模型采用基于Frenet坐标系的模型预测控制（model predictive control,MPC）路径跟踪控制方法,并引入了转角补偿策略以提升路径跟踪的准确性;对于纵向车速控制问题,模型利用MPC求解期望加速度,并根据行驶平衡方程和保证路面附着最大利用率的条件下确定电机扭矩输出,实现对纵向车速的控制。对于横向稳定性控制问题,提出了基于稳定性增强系统（stability augmentation system,STA）的横摆力矩控制模型,在获得附加力矩后,以二次规划方法将其合理分配到各个车轮上,从而增强了车辆的横向稳定性。最后,通过CarSim/Simulink联合仿真平台,在双移线道路工况下进行了仿真验证。结果表明：在积雪路面,改进模型相比传统MPC在保证横向误差接近的条件下,最大的质心侧偏角降低了83.1%;在潮湿...     

自动驾驶车辆侧向路径跟随控制算法仿真

路径跟随是依照规划轨迹信息通过对执行元件的控制实现沿期望轨迹行驶,控制算法对实现路径跟随非常重要。针对自动驾驶车辆的侧向控制技术,文章研究了基于最优预瞄理论的路径跟随控制,建立车辆二自由度模型和预瞄误差模型,设计模型预测控制（MPC）侧向跟随控制器以提高跟随精度。利用CarSim-Simulink联合仿真,仿真结果表明,该算法策略能稳定跟踪规划路径。     

面向全矢量线控车辆极限运动的分层式协同控制

装配四轮分布式驱动-转向（4WID-4WIS）底盘的全矢量线控车辆具备多可控自由度、高速稳定性强的特点,是极限工况稳定裕度和安全性较高的理想车型。为了解决全矢量线控车辆在极限工况下纵横向控制冲突危害行车安全的问题,提出一种基于模型预测控制 （MPC） 的分层式车辆纵向和横向运动协同控制方法。建立基于单轨模型的期望运动状态识别方法,设计模型预测控制器转换动力学目标,采用泰勒展开和前向欧拉方法对预测模型进行线性离散化处理;设计基于负荷率的轮胎力优化分配方法,利用反正切轮胎逆模型求解控制执行量。仿真结果表明,协同控制方法能显著提高车辆在不同路面下的极限运动稳定性,更精准地跟踪期望运动状态,扩大稳定裕度,保障行车安全。     

应用于车辆纵向控制的无模型自适应滑模预测控制方法

鉴于汽车纵向动力学系统为典型的参数时变不定、多扰动的非线性离散系统,基于精确数学模型的控制算法较难取得理想效果,本文中采用无需模型、基于输入/输出数据的控制算法.首先,基于紧格式动态线性化数据模型,将无模型自适应控制(MFAC)算法、滑模控制(SMC)算法和模型预测控制(MPC)算法相结合,设计了无模型自适应控制器.接...