驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。     

车辆自动驾驶系统纵向和横向运动综合控制

为提高车辆自动驾驶系统的运动性能,基于模糊逻辑和滑模控制理论设计了一种车辆纵向和横向运动综合控制系统。该控制系统通过对前轮转向角度、发动机节气门开度、制动液压及主动横摆力矩进行协调控制,使车辆能够以期望速度在理想道路轨迹上行驶,并提高车辆在行驶过程中的操纵稳定性。仿真结果表明:纵向和横向运动综合控制系统能够提高车辆在不同行驶工况下的跟踪性能和运动性能,在车辆自动驾驶过程中是有效的。     

混驾环境下基于主从博弈的多车协同决策规划

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中,如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响,是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先,综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性,建立人工驾驶车辆的纵向博弈策略。其次,考虑自动驾驶车辆与周围车辆的安全性约束,以及自动驾驶车辆在换道过程中的舒适性和通行效率目标,设计了自动驾驶车辆的纵向博弈策略。然后,基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解,得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹,并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后,根据人工驾驶车辆不同配合度和延迟响应时间的差异,设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度,选择出最优的目标换道间隙,并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中,自动驾驶车辆始终与周围车辆保持安全...     

基于遗传算法的智能驾驶车辆纵向PID控制研究

针对智能驾驶车辆纵向速度跟随问题,为提高智能驾驶车辆在速度变化时的跟踪控制精度,设计了一种分层控制策略。上层控制器设计了一种基于遗传算法的PID控制器,在期望车速为恒速或变速的情况下得到最优的加速度,下层控制通过对加速踏板和制动踏板的标定,得到不同速度和加速度下节气门的开度和制动压力。建立CarSim/Simulink联合仿真模型,完成不同速度工况下的仿真验证,验证结果表明所设计的控制器有效地提高了速度跟踪精度。     

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。     

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。     

智能车辆的研究及发展

智能车辆也叫无人车辆，是一个集环境感知、规划决策和多等级辅助驾驶等功能于一体的综合系统。它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能。它的主要特点是在复杂的道路情况下，能自动地操纵和驾驶车辆绕开障碍物并沿着预定的道路(轨迹)行进。     

冰雪路面驾车四要点

冰雪路面上的驾驶,由于路面附着系数最小,所以这种路面最滑,给汽车的行驶造成困难,危险率增高,处理不好甚至会发生如轮胎打滑、侧滑、制动后停不住车等危险事故.那么,冰雪路面应该如何驾驶车辆呢?首先,由于制动距离会随着车速的提高而加大,所以控制车速和加大前后车距是冰雪路面行驶的关键.其次,还要注意以下4点:     

基于双状态动态规划混动汽车坡道生态驾驶策略

研究了车辆驶过坡道的驾驶时间对混合动力汽车(HEV)生态驾驶(ECO)策略的影响,通过调整车速来改善驾驶人的驾驶策略以减少车辆能耗.所构建ECO驾驶策略模型,采用以驾驶里程和车速为双状态、以驾驶时间为阶段变量的动态规划,以车辆驱动能量和制动能量之和为目标函数,这是由于在实际道路下HEV油耗主要受车辆需求能量影响.运行于...     

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GGAP-RBF的重型载货汽车持续制动匹配分级控制策略

为了有效降低长大下坡路段重型载货汽车行车制动器的使用频率和驾驶强度,基于持续制动匹配等级和广义生长剪枝径向基函数(GGAP-RBF)减速度估计模型提出持续制动匹配控制策略。首先以重型载货汽车为研究对象,基于发动机制动、排气制动和电涡流缓速器制动试验研究持续制动力随行驶车速的变化关系;然后以当前车速、车速差以及道路坡度作为输入参数,需求减速度作为输出参数,基于GGAP-RBF建立需求减速度估计模型;最后依据需求制动力与等级制动力差值最小原则选择持续制动匹配等级,同时分别进行定坡度工况下试验验证和变坡度工况下仿真研究以验证控制效果。结果表明:4.2%定坡度工况下,采用所提出的控制策略持续制动等级仅切换2次,比控制最优驾驶人切换少1次,速度变化基本一致;13 160m变坡度工况下,能够实现稳定减速,150m后达到预定车速,随后在60~62km·h~(-1)范围内变化,具有变坡度工况适应性强的特点;所提出的控制策略能够依靠持续制动匹配分级控制而有效降低行车制动器的使用频率和驾驶强度,实现车辆减速和稳定车速下坡行驶的效果。     

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     

重型汽车电子制动系统(EBS)应用

EBS系统作为制动系统的重要构成,能够给重卡车型提供快速、稳定和合理的制动性能,其也是重型汽车自动驾驶系统中的重要组成部分,能够为车辆提供线控制动的相关控制接口,能够快速响应其他系统(如智能驾驶控制系统)的减速和制动请求。本文主要介绍重型汽车EBS电子制动系统的组成、系统电路,以及制动控制的相关内容,为重型汽车的后期自动驾驶的开发和应用提供支持。     

基于横向稳定的减速变道轨迹与跟踪控制

随着自动驾驶的发展,无人自动驾驶车辆的控制已经成为热点.而无人自动驾驶车辆的安全性和稳定性是重中之重.针对智能驾驶汽车在一定换道距离下保持稳定的减速换道鲁棒性差的问题,提出了 一种基于MPC模型预测控制器和比例积分PI控制器相结合双控制器的变道稳定性轨迹确定与跟踪控制方法.为了确定汽车行驶路线,横向与纵向位移分别由5次...     

2020年一汽奥迪A3 新技术剖析(十四)

Audi pre sense front的系统特点.在带挂车行驶模式时,因总质量发生了变化,制动特性和稳定特性就不同了,因此自动制动时制动特性与平常是不一样的.在车辆上实施紧急制动时,Audi pre sense front最多可将车速降低50km/h.ABS控制单元J104根据情况可能会接通危险警报灯(紧急制动警报).     

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。     

《玩转四驱》 【贰拾壹】冰雪

正第1节速度和制动快速是冰雪驾驶头号敌人根据路面情况,选择合适的车速行驶,是冰雪行驶的基本原则。保持一定速度,不能太快但也不能太慢。四轮驱动车辆具有较强的抓地力,因此它们在冰雪路面上的行驶速度往往比两轮驱动车辆更快,但它的制动系统与两轮驱动车辆是一样,并没有特别之处,所以一定要注意控制车速,尤其是在转弯时,防止车辆     

油门踏板快速松开时自动变速器换挡控制

针对装备自动变速器的车辆在油门踏板快速松开时的意外换挡问题,通过采集车速、油门和制动信号并结合2参数换挡规律,找到了该车辆意外换挡的原因.对该车TCU换挡控制策略进行了优化.建立整车纵向动力学仿真模型,以实车采集到的油门、制动信号作为模型的输入量进行了仿真试验,并通过实车试验对优化后策略进行了验证.结果表明,优化后策略...     

自动紧急转向系统测试场景及试验设计研究

针对目前纵向避障技术在相对速度较高、路面附着条件差、与障碍物重叠率低等特定场景下制动距离过长的缺点，对纵向距离更小，避碰效能更高的车辆横向避碰典型测试场景及道路试验展开研究。通过分析梳理我国最大规模事故场景驾驶注意预测（DADA）数据集，并结合欧盟ECE-R79自动转向标准要求，得到自动紧急转向（AES）系统的典型测试场景，同时对道路试验进行设计，提出软硬件测试设计方案，可实现对典型测试场景下不同车速条件下的紧急转向试验监控，从而对AES系统进行有效测试评估。