基于PSO-BP优化MPC的无人驾驶汽车路径跟踪控制研究

针对模型预测控制（MPC）路径跟踪控制器在不同路面附着系数及车速下跟踪误差大的问题，提出了基于粒子群寻优（PSO）-反向传播（BP）神经网络优化MPC的无人驾驶汽车路径跟踪控制策略。首先，设计了MPC路径跟踪控制器；其次，利用PSO-BP对MPC进行优化，以控制器精度和车辆稳定性作为评价函数，获得PSO离线最优时域参数；最后，选择4种工况进行双移线跟踪对比仿真验证。结果表明：所提出的控制策略在保证行驶稳定性的条件下，低路面附着系数低速、高路面附着系数低速、高路面附着系数高速及中路面附着系数中速工况下双移线跟踪横向控制精度分别提高了50%、55%、9%和20%。     

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。     

基于安全仿真模型的小半径环圈匝道超高设置研究

为加深对互通立交小半径匝道的行车安全性和匝道超高之间关系的认知,综合天气,道路线形等因素,利用行车动力学仿真软件建立小半径环形匝道仿真模型,选取车辆的临界附着系数和横向荷载转移率为侧滑和侧翻风险指标,通过改变超高e值,分别分析了不同天气条件下大货车在小半径匝道段行车的侧滑和侧翻风险。研究结果表明:《公路立体交叉设计细则》中规定的匝道圆曲线半径最大值为8%,当因工程特殊性采用最大值时,在晴天路面干燥或雨天路面湿滑等条件下,大货车侧滑,侧翻危险性均较低,但横向力系数较大,驾驶员及乘客有车辆行驶不稳定,有倾覆的危险感的心理活动;当在路面积雪的车辆行驶条件下,e=7%和e=8%对应的路段侧滑风险较大,但当超高值增大至9%时,小客车侧滑风险显著降低。     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

基于横向安全距离模型的主动避障算法

现有的安全距离模型是基于纵向相对车速或减速度值建立的,没有考虑移动目标的横向运动特性。本文利用移动目标横穿马路的速度、相对位置,建立横向安全距离模型,并提出一种基于横向安全距离模型的主动避障算法。首先,根据横向移动目标横穿马路的速度、相对位置和自车的制动距离建立横向安全距离模型,设计主动避障算法。接着,为计及路面条件对制动效果的影响,引入当前行驶路面估算的附着系数峰值估算最大制动减速度,约束目标避障减速度,并调整制动强度,以适应不同路况的安全避障行驶。最后,以典型横向移动目标骑行者作为研究对象,通过PreScan/Simulink/CarSim联合仿真验证避障算法的有效性。结果表明:基于横向安全距离模型的主动避障算法能有效避免与骑行者碰撞,提高行车的主动安全性。     

四轮独立转向-独立驱动电动车主动避障路径规划与跟踪控制

四轮独立转向-独立驱动电动车(4WIS-4WID EV)具有低速机动性强、高速稳定性好的特点,是一种理想的智能车构型。本文中针对4WIS-4WID EV进行了主动避障系统的设计,主要包括避障路径规划和跟踪控制。首先基于车辆运动学模型,提出了采用七次多项式的避障路径规划算法;然后基于简化2自由度车辆动力学模型,设计了模型预测路径跟踪控制器;为提高车辆主动避障过程中的操纵稳定性,路径跟踪控制算法采用四轮转向与直接横摆力矩控制技术。通过不同附着系数路面工况与侧风扰动工况仿真,验证了所设计的主动避障系统具有良好的避障能力和鲁棒性。     

侧风作用下山区高速公路行车稳定性仿真分析

为研究山区高速公路在侧风作用下的行车安全问题,基于CarSim仿真软件构建特定道路模型和侧风模型,选取车辆滑移角和侧向加速度作为行车风险评价指标,将圆曲线半径、路面摩擦系数、行驶速度分别作为单一变量,系统地模拟了侧风作用下山区高速公路行车稳定性.结果表明,降低车速、增大路面摩擦系数和圆曲线半径,可以有效地减小车辆的滑移角和侧向加速度.以7级侧风为仿真条件进行定量分析可知:80 km/h设计速度对应的圆曲线半径极限值应为280 m;路面摩擦系数为0.4和0.18时,分别限速70 km/h和60 km/h可维持车辆稳定性;105 km/h是车辆危险驾驶的临界车速,如进一步考虑舒适性,则应适当减速.      

低附着路面电动助力转向系统助力控制研究

对传统的电动助力转向系统,当车辆在低附着系数路面上转向时,转向阻力矩会大幅降低,容易导致车辆侧滑甚至侧翻,因此助力控制必须考虑附着系数的影响。本文中在建立了整车动力学模型和Dugoff轮胎模型的基础上,利用横摆角速度和轮速实时估算出当前的附着系数,并据此设计了电流补偿助力模糊控制器。在MATLAB/Simulink环境下构建了系统的仿真模型并进行仿真。结果表明,在低附着系数路面上,该控制策略可在保证转向轻便性的前提下提高驾驶员的转向力矩,且附着系数越小或车速越高,转向力矩增加的程度越大,有效地防止了车辆转向过度,提高了路感。     

山区公路弯坡组合路段铰接列车行车风险仿真分析

为了分析铰接列车在弯坡组合路段的行车风险,提升载重货车在山区公路的运行安全,文中综合考虑降雨、超速和道路几何线形等因素,利用Trucksim软件建立车辆动力学仿真模型,以稳态临界附着系数和横向荷载转移率作为行车风险评价指标,建立弯坡组合路段铰接列车行车风险评价模型.结果表明,应避免极限最小半径与陡坡组合,严格执行限速和...     

弯道安全车速建模及影响因素分析

车速的合理选择,是影响弯道行车安全的关键.为此,针对车辆在弯道行驶过程中因超速导致的侧滑、侧翻等侧向失稳事故,通过建立车辆转向行驶动力学模型,结合道路环境信息,在分析车辆转向时载荷横向偏移、悬架变形等基础之上,对传统模型进行改进,建立精度更高的弯道安全车速计算模型.并采用车辆动力学仿真软件CarSim和TruckSim进行不同工况下的仿真试验验证.运用正交试验方法对试验结果进行极差和方差分析,获取弯道安全车速对7种主要影响因素的敏感度.结果表明,该模型所得的安全车速值,与车辆侧向失稳时的临界车速值之间的平均误差为1.55%;相比于其他因素,弯道半径和路面附着系数对安全车速的影响最为显著;当路面附着系数达到特定值时,模型考虑了车辆的侧翻危险,使其计算得到的弯道安全车速呈现饱和现象.      

冰雪路面安全驾驶

寒冬冰雪天行车,路面附着系数小,容易打滑,给驾驶带来诸多困难。驾驶员必须谨慎驾驶,正确掌握冰雪路面驾驶要领,以确保行车安全。检查车况出车前应对车辆技术状态进行检     

基于线控制动的轮胎与地面附着系数实时检测

轮胎与地面间的附着系数是影响车辆安全性能的重要因素.在理论分析的基础上,提出了基于线控制动的路面附着系数检测方法.利用踏板位置传感器估计制动器制动力,采用MMA6260Q加速度传感器检测车辆制动减速度,由制动器制动力与地面制动力判断轮胎运动状态,根据车辆载荷转移公式得到车轮法向载荷,获得进入滑动区域的利用附着系数,并由此得到地面附着系数.分析显示,该检测方法可以较准确地识别轮胎与地面附着系数,具有一定的实用价值.     

高速公路苜蓿叶型立交环形匝道侧滑事故仿真研究

环形匝道是一类事故高发的互通立交匝道,为得到环形匝道的事故发生机制,以宜泸高速公路白鹤林枢纽互通对象,在Carsim软件环境下建立该互通的三维数字模型,模拟车辆在主线-匝道-主线的完整运行过程,在仿真中改变汽车行驶工况和道路运行条件,得到了环形匝道行驶的临界条件并提出了安全改善对策,主要结论如下:超速行驶对车辆匝道行驶稳定性及车辆侧向偏移量有显著影响,超速程度越严重,车辆在匝道上的侧滑风险越高.路面条件对行驶稳定性影响较大,车辆行驶超速20%,在较差的道路条件下(路面有积水、浮雪、霜等),也可以安全行驶,车辆侧滑的风险较低;行驶超速50%,车辆在稍差的道路条件下(路面湿润),可以完成行驶,但存在较高的侧滑风险;超速70%,即使在干燥路面(路面附着系数0.65)行驶也一定会发生侧滑;即超速程度越高,道路附着系数对车辆侧滑影响越大.车辆超速进入匝道时,驾驶员减速操作的起点位置对侧滑存在较大影响,减速起点距离匝道圆曲线越近,侧滑风险水平越高.      

基于MPC的独立驱动电动汽车稳定性集成控制

针对独立驱动电动汽车在高附着系数路面高速急转时易发生侧翻事故,在低附着系数路面急转易发生侧滑失稳事故,且单一控制器在不同附着系数路面适应性较差等问题,根据独立驱动电动汽车特点设计了基于分层式结构的稳定性集成控制器。建立了整车动力学模型,并进行了车辆状态参数估计;设计了稳定性集成控制器的控制策略,对车辆的侧倾、横向稳定性状态判定条件和协调策略的制定进行了研究,分别设计了侧倾稳定性控制器和横向稳定性控制器;设置了路面附着系数0.9到0.2的对接路面仿真工况,并在此工况下对所设计的控制器的控制性能进行了仿真测试。结果表明,所设计的稳定性集成控制器相比于单一控制器具有更好的适应性,可有效降低车辆高速行驶过程中的横向载荷转移系数、质心侧偏角等状态量,提高车辆行驶的稳定性和安全性。     

路面-电磁双激励下电动轮汽车行驶平顺性分析

为研究电动轮车辆系统在路面-电磁双重激励下的振动特性，明确轮毂电机电磁激励对车辆行驶平顺性的影响规律，建立了基于刚性连接结构的轮毂驱动式电动汽车1/4的2-DOF垂向振动动力学模型；考虑路面激励的随机性以及电磁激励的分段周期性，得到了含随机性和周期性的复杂外激励模型；采用时域分析法，得到复杂外激励下电动轮车辆平顺性评价指标即车身加速度、悬架动挠度、轮胎动载荷时间历程图，并分析了电磁激励对电动轮汽车平顺性的作用规律。结果表明：轮毂电机电磁激励对各指标的影响程度依次为车身加速度>轮胎动载荷>悬架动挠度；在加速行驶工况下，速度越快电机激励振动冲击越大，对车辆的行驶平顺性和舒适性越为不利。     

冰雪路面上的摩托车驾驶

冬季冰雪路面十分光滑,摩托车在这种路面上行驶,因附着系数小,车辆行驶的稳定性大大降低,车轮容易产生滑转,车辆极易产生侧滑现象.并且积雪地面阻力大,造成行车困难.其困难程度随着路面形状、冰雪厚薄、行车时间的不同而不同.     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数，进一步提高观测路面附着系数算法的精度和收敛速度，结合非线性车辆动力学模型和轮胎力修正模型，搭建分布式驱动电动汽车联合仿真平台，提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器，应用协方差匹配判据对观测器发散趋势进行判别，设计自适应加权系数修正预测协方差，以增强新近观测数据的利用率；同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计，抑制观测器的记忆存储长度，调整过程噪声和测量噪声的均值与协方差，提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验，并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下，所设计的算法估计误差可控制在0.64%以内；低附着路面条件下，所设计的算法估计误差可控制在1.03%以内；对开路面条件下估计误差可控制在1.26%以内；自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快，具有更高的估计精度和较强的自适应能力，估计结果整体上维持稳定，能够适应各种不同路面的估计。     

基于制动转向协同控制的智能车紧急避障研究

为使车辆在紧急情况下能够快速稳定地完成换道避障,本文中将车辆纵向控制和侧向控制结合在一起,综合考虑车辆在紧急制动转向避障的过程中由于路面附着条件的限制可能会造成车辆失稳问题,在上层进行避障规划过程中加入基于哈密顿能量函数的理想纵向力和侧向力分配,并搭建稳态预测动态校正驾驶员模型跟踪规划的期望路径。然后利用Matlab/Simulink搭建3自由度车辆动力学模型,并基于Carsim和Labview的硬件在环试验对理想纵向力和侧向力的分配进行验证,仿真结果表明,所计算的纵、侧向力分配规律能够在车辆紧急制动转向避障时,在较短的时间和纵向距离条件下行驶到相邻车道。最后通过实车试验进一步验证了所提出方法的有效性。     

基于智能轮胎系统的实时路面辨识技术

在复杂和极限工况下,路面附着系数是进行轮胎受力分析和车辆动力学控制的重要状态参数。相对于模型估计的方法,智能轮胎技术能够将轮胎与路面的交互信息反馈给车辆控制系统。本文提出了一种将智能轮胎系统和机器学习相结合的车辆路面附着系数获取方法。首先,考虑行驶工况环境进行传感器选型,开发基于MEMS三轴加速度传感器的智能轮胎硬件采集系统,并采用简化硬件结构的无线传输模式。其次,通过采集不同路面上的实车实验数据进行车辆实验收集机器学习训练的数据集,并分析轮地关系及信号特征。最后,将CNN与LSTM两者的优势相结合实现了对加速度时序信号的特征学习。通过与其它神经网络模型训练结果的比较,验证了所提CNN-LSTM双通道融合神经网络模型的有效性和准确性。本文提出的路面辨识方案实现了实时道路识别的目标,硬件与软件架构和神经网络模型更适合车辆系统搭载,为车辆运动控制提供了实时准确的路面信息。