基于车辆动力学混合模型的智能汽车轨迹跟踪控制方法

基于机理分析的车辆动力学建模过程通常进行简化及假设,无法准确计算实际车辆在不同道路条件下的动力学变化,进而导致智能汽车轨迹跟踪控制精度低、不稳定等问题。鉴于此,本文中提出了一种基于混合建模技术的非线性建模与控制方法,构建机理分析-数据驱动的车辆动力学串联混合模型,车辆状态与控制数据经机理模型实现计算处理,级联合并后作为数据驱动模块的输入,长短时记忆网络作为主干网络实现时序数据的非线性关联特征提取和最终的模型输出计算。测试结果表明,该模型可以补充计算机理模型中的部分未建模动态并提高模型计算精度,且具有隐式理解不同路面附着条件的能力。其次,使用Euler积分完成对预测模型的离散化并设计模型预测控制轨迹跟踪算法,设计前馈反馈控制算法在实现车辆的纵向控制的同时提供横向控制中预测模型所需的外部输入,最终实现更符合实际行驶环境且更精准的轨迹跟踪控制效果。CarSim/Simulink联合仿真结果表明,该方法实现了不同道路附着系数下控制量精确输出,同步提升了智能汽车轨迹跟踪控制精度和稳定性,具有良好的横纵向协调控制效果。     

基于RLS和BO算法的重型车载重估算研究

针对重型车实际使用过程中载重估算精度低、成本高等问题,提出基于递归最小二乘法（RLS）和贝叶斯优化（BO）算法的内燃机重型车辆载重估算方法。该方法提出了基于数据滤波的车辆加速度和道路坡度计算方法,使用控制器局域网络（CAN）总线和全球定位系统（GPS）高程数据,基于车辆纵向动力学和RLS进行重型车载重估算。采用BO算法对12组训练数据建模,对车辆载重估算模型中的多变量滤波参数进行寻优配置,并利用测试数据进行模型估算性能评价。结果表明,该方法具有良好的载重估算精度,估算误差在6%以内。     

基于跟踪误差模型的智能车辆轨迹跟踪方法

为提高智能车辆轨迹跟踪精度,以车辆动力学模型为基础,提出一种基于线性时变模型预测控制的轨迹跟踪方法。该方法将车辆非线性动力学跟踪误差模型进行线性化和离散化处理,作为控制器的预测模型;建立系统控制增量的目标函数,设计状态量、控制量和控制增量约束条件,利用带约束的二次规划问题求解目标函数;将求得的最优序列的第一项控制量作用于系统。实验结果表明,在双移线工况下,当车速小于15 m/s时,横向最大误差小于0.52 m,航向最大误差小于0.067 rad。     

具有量化误差反馈的车辆纵向跟随控制

针对自动跟随车辆间信息传输存在无线网络量化误差的情况,研究了车辆跟随系统的纵向控制问题.假定每个跟随车辆能够通过无线网络获得相邻车辆及领头车辆的状态信息,并且信息在对数量化器传输下存在量化误差.基于车辆非线性纵向动力学耦合模型和车辆固定间隔跟随策略,应用向量Lyapunov函数方法得出的指数稳定性判据,将量化误差处理为系统状态的不确定性,给出补偿量化误差的滑模控制律,并设计满足系统群稳定性的控制器参数.仿真结果表明:相较于不考虑量化误差的控制器,本控制器能够显著提高车辆跟随误差的收敛速度,确保了自动车辆纵向跟随系统的稳定性.     

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。     

基于质量估计的商用车线控制动减速度控制

为了满足无人驾驶商用车线控制动系统的减速度控制需求,提出了一种基于质量估计的减速度控制算法.根据车辆纵向动力学模型得到估计质量的初始值,利用模糊逻辑法获取估计质量的置信度从而改变滤波系数,既能使估算结果快速收敛,也能过滤掉噪声信号,并且算法运算量小可以降低计算负荷.基于估计质量信息,设计"前馈+反馈PID"控制器,控制...     

用于动力学模拟的STI轮胎模型分析

介绍了用于汽车驾驶模拟器动力学模拟的STI（Systems Technologies Inc）轮胎半经验模型,建立了该轮胎模型的复合滑移率、横向刚度和纵向刚度以及横向力和纵向力的计算方程,并利用Vc＋＋6．0编程计算得到的理论值与实验值对比,对该模型进行了分析和验证。分析结果表明,该轮胎模型用于车辆动力学模拟时有较好的精度。     

无人驾驶车辆解耦混合运动规划方法研究

高速公路无人驾驶车辆运动规划要充分考虑车辆的动力学特性和道路环境构成的复杂约束,优先确保车辆的无碰撞行驶轨迹,同时算法实时性比常速情况下要求更高,要充分考虑计算的复杂性。提出一种可生成横纵向最优解逼近群的解耦增强混合运动规划方法,引入Frent坐标系将运动规划问题进行横纵向解耦,在横向偏移规划中融合数值优化和多项式规划算法,在纵向速度规划中融合围绕速度和围绕避障规划算法,解耦规划完成后使用代价函数和碰撞检测方法对生成的轨迹群进行评估和选择。搭建Apollo-LGsvl无人驾驶联合仿真测试平台,对所提出的运动规划方法进行仿真验证。结果表明,提出的横纵向解耦增强混合运动规划算法在高速公路各工况中所生成的运动轨迹能够有效避免车辆发生碰撞,其横向偏移和纵向速度均能满足二阶平滑,最大横向加速度、最大纵向加速度、最大纵向jerk等满足动力学约束。该方法有效减少了最优解逼近群内的轨迹数量,使轨迹评估阶段计算复杂度降低了46%,证明提出的方法具备一定的应用价值。     

基于跃度信号的自动驾驶横向控制

针对自动驾驶车辆的横向控制,提出了一种基于跃度信号的预瞄控制。建立车辆二自由度动力学误差模型,采用线性二次调节（LQR）反馈控制和前馈控制构成闭环横向控制模型。以CarSim和Simulink为仿真平台,模拟车辆进入并跟踪稳态圆。通过分析横向位置误差和横摆角误差等指标,表明该预瞄算法在横向控制精度、跟踪速度方面具有良好效果。     

车辆纵向速度估算算法发展现状综述

车辆的纵向车速是车辆主动安全系统的重要参考信息,在制动防抱死(ABS)和驱动防滑系统(ASR)中,纵向车速是计算纵向滑移率、保持车辆行驶稳定性的重要参数。文章对现存的车辆纵向速度算法进行了分类综述,将其分为基于基本信息的直接计算方法和基于模型信息的间接计算方法两大类,对各种方法的优缺点进行了讨论,并对其发展趋势进行了展望。     

基于交互多模型的车辆质量与道路坡度估计

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一,而车辆质量与道路坡度信息是多种汽车控制系统的必要信息,因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题,提出了一种基于交互多模型的质量与坡度融合估计方法。首先,设定了适宜进行质量精确估计的工况条件,据此提出了基于模糊规则的质量估计置信度因子计算算法,进而设计了基于置信度因子的递推最小二乘车辆质量估计算法,以实现质量的在线估计。然后,以车辆纵向动力学模型为基础,建立了运动学和动力学2种坡度估计模型,并设计了基于运动学模型的线性卡尔曼滤波坡度观测器,基于电子稳定性程序ESP的纵向加速度信息实现坡度估计,设计了基于动力学模型的无迹卡尔曼滤波坡度观测器,基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息,坡度估算结果与实际值有偏差;动力学模型对模型精度要求高,算法稳定性差,为充分发挥2种方法优势实现坡度的精确估计,采用交互多模型算法实现了2种坡度估计方法的加权融合。最后,对所设计的算法进行了实车试验验证。结果表明:所设计的质量与坡度估算算法具有较好的实时性和准确性,适合智能汽车运动控制的应用需求。     

基于交互多模型的车辆质量与道路坡度估计（双语出版）

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一，而车辆质量与道路坡度信息是多种汽车控制系统的必要信息，因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题，提出了一种基于交互多模型的质量与坡度融合估计方法。首先，设定了适宜进行质量精确估计的工况条件，据此提出了基于模糊规则的质量估计置信度因子计算算法，进而设计了基于置信度因子的递推最小二乘车辆质量估计算法，以实现质量的在线估计。然后，以车辆纵向动力学模型为基础，建立了运动学和动力学2种坡度估计模型，并设计了基于运动学模型的线性卡尔曼滤波坡度观测器，基于电子稳定性程序ESP的纵向加速度信息实现坡度估计，设计了基于动力学模型的无迹卡尔曼滤波坡度观测器，基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息，坡度估算结果与实际值有偏差；动力学模型对模型精度要求高，算法稳定性差，为充分发挥2种方法优势实现坡度的精确估计，采用交互多模型算法实现了2种坡度估计方法的加权融合。最后，对所设计的算法进行了实车试验验证。结果表明：所设计的质量与坡度估算算法具有较好的实时性和准确性，适合智能汽车运动控制的应用需求。     

基于线性模型的导航路径图像检测算法研究

对智能车辆视野内的车道采用线性模型进行拟合，分析线性模型拟合车辆道的误差，提出减小误差的方法，并分析户外环境中几种典型光照变化和阴影响对智能车导航的影响，改进基于线性车道模型的边缘检测算法。实验证明：在JUTIV-Ⅱ上采用线性模型可提高导航路径识别的准确性，减少数据处理量和获得较高计算机处理频率。     

汽车半主动悬架线性二次型最优控制

被动悬架的刚度和阻尼在车辆运行过程中均不可调,难以适应路面的多样性,不利于车辆平顺性、乘坐舒适性的提高。以某款乘用车为研究对象,分别建立1/4车辆2自由度被动悬架、半主动悬架动力学模型;对半主动悬架动力学模型输出指标进行加权处理,得到性能指标函数;运用极小值原理,结合线性二次型最优控制算法对悬架的阻尼力进行控制;采用MATLAB/Simulink搭建仿真模型,对悬架的性能进行仿真分析。仿真结果表明,采用线性二次型最优控制可使悬架性能指标函数达到极小值,有效地改善了车辆的平顺性和乘坐舒适性。     

一种面向自动驾驶汽车的非线性纵向级联控制策略

为了稳定控制自动驾驶汽车,本文提出了一种非线性纵向级联控制策略,并混合横向控制方法,以使自动车辆能在多弯道状态下安全行驶。首先将车辆模型抽象为自行车车辆动态模型,设计纵向控制的外循环控制策略,用Lyapunov方法分析该系统的稳定性。然后建立发动机和动力系统的动力学模型,设计面向车辆底层控制的转矩控制器实现车辆的内循环控制策略。最后采用混合横向控制和纵向控制方式,控制车辆在多个弯道路上行驶。在多种弯度路段下进行测试。实验结果表明,在速度不高于30km/h情况下,该系统能够根据参考路线,依据参考速度安全行驶,达到预期控制车辆的目的。     

基于轮胎合力计算与分配的车辆横向稳定性控制研究

鉴于轮胎合力计算与分配算法只适用于四轮独立制动/驱动和四轮独立转向车辆,以及路面附着系数对轮胎纵向合力和横摆力矩可实现范围的限制,提出一种对轮胎纵向合力和横摆力矩进行实时计算调整和动态分配的车辆横向稳定性控制策略。针对线性反馈计算的误差,采用离线数值优化和非线性规划方法实时确定轮胎纵向合力和横摆力矩的可实现范围,将计算的合力和力矩调整至可实现范围内并进行动态分配。设计滑移率和前轮侧偏角控制器使轮胎摩擦力跟踪各分力,在保证精度的同时避免对车辆后轮侧向力的估计。最后进行了仿真分析与基于LabVIEW PXI和veDYNA的驾驶员在环试验验证。结果表明,基于合力计算与分配的车辆横向稳定性控制可有效地提高车辆轨迹保持能力,改善低附着路面上车辆的稳定性,控制效果优于滑模变结构控制。     

AMT平顺起步的优化控制

当离合器摩擦片的摩擦系数、车身质量及道路坡度等参数发生较大变化时,会使线性二次型优化控制算法改善AMT车辆起步平顺性的效果下降。设计了一种考虑模型误差估计的优化控制算法,即通过一个降维误差观测器对时变的参数和模型的不确定性进行估计,并由估计的模型误差和车辆状态共同构成控制算法的线性反馈。通过实车试验对该算法进行验证,结果表明在车辆参数变化时该算法可以保证AMT车辆平顺起步。     

基于长下坡路段车速与制动器温度实时监测的模糊推理预警算法

提出一种实时的车辆长下坡路段车速与制动器温度预警算法.建立长下坡路段的整车纵向力平衡方程和能量方程,分析制动器耗散能量占总能量的比例,研究车速对制动器耗散能量大小的影响,结合制动器吸收能量占制动器耗散能量的比例经验公式,建立制动器温升计算模型;基于试验数据,采用最小二乘法确定模型中的待定系数,比较模型计算的温升与试验数据,最大的均方根误差为12.1℃,对应车速为38 km/h,最小均方根误差为3.7℃,对应车速为50 km/h.安全车速根据安全制动距离和路面纵坡计算得出.预警算法依据车速和制动器温度变化,构造模糊推理系统计算车辆危险指数,综合评价车辆下长坡的危险程度.     

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。     

轮胎动力学特性仿真分析研究

分析了各种常用轮胎模型的特点与应用范围,根据汽车操纵动力学研究的需求,在Matlab环境下运用魔术公式建立了轮胎动力学模型,并对汽车轮胎力与纵向滑移率,纵向力、侧向力及回正力矩与纵向滑移率、侧偏角、外倾角、垂直载荷的关系等轮胎特性进行了仿真分析,实验结果表明,魔术公式轮胎动力学模型可以较好地模拟轮胎的动力学特性,适用于车辆动力学研究领域。