FSAC赛车轨迹跟踪协同控制策略研究

针对中国大学生方程式赛车（FSAC）在比赛中横向-纵向协同控制的轨迹跟踪精度和稳定性问题,根据现代控制理论和经典控制理论提出一种以纵向速度为结合点的线性二次控制器（LQR）和比例-积分-微分算法（PID）的横纵向协同控制策略,并根据赛车相对参考轨迹的位置设计了一种协同控制器。建立二自由度车辆动力学模型,基于该模型设计了横向LQR位置跟踪控制器和纵向PID速度跟踪控制器。所设计的控制策略在CarSim和Simulink搭建的循迹工况联合仿真场景下进行仿真验证,仿真结果为纵向位置偏差小于0.07 m,横向位置偏差小于0.03 m。对控制算法进行实车验证,结果表明,该策略有效提高了赛车的轨迹跟踪精度和行驶稳定性。     

复杂路况下无人驾驶路径跟踪模型预测控制研究

为了提高无人驾驶车辆在直角转弯、连续弯道和弧形弯的复杂路况下路径跟踪精度、行驶稳定性与安全性,提出了一种改进的模型预测控制算法。该改进算法是根据行驶路径弯曲度确定车辆在平坦路面上不发生滑移的最大纵向速度,即车辆纵向速度不是假定恒定值。基于模型预测控制,建立车辆运动学模型,设置以速度和前轮转角为约束条件,设计以位置偏差和控制增量为目标函数,获得最优前轮转角和行驶速度。最后,借助某新能源汽车有限公司提供的无人驾驶车辆平台与测试场地,试验对比分析了在复杂路况下改进的模型预测控制算法与纵向速度恒定的模型预测控制算法时车辆路径跟踪效果,试验验证了改进模型预测控制算法的有效性与优越性,保证了车辆的路径跟踪精度、行驶平稳性与安全性。     

基于自适应模型预测的智能汽车轨迹跟踪控制研究

针对车辆纵、横向跟踪的强耦合、非线性特性,设计了基于自适应模型预测控制理论的轨迹跟踪控制器.同时考虑纵、横向跟踪控制,并引入线性变参数模型(LPV),把纵向速度对横向跟踪的影响转化为LPV模型中调度参数的变化,把纵、横向跟踪的高度非线性动力学模型转化为LTI模型的插值队列,以用于自适应纵向速度的改变.基于预测控制理论,...     

车辆自适应车道偏离识别算法研究

针对车辆在行驶时由于车道线检测方法单一,导致对直道线和弯道线检测效果不一致,从而影响车道偏离识别效果的问题,基于摄像头采集到的图像信息,提出了1种自适应车道偏离识别算法。该算法对车辆在直道行驶时采用偏离判断基准线法,而在弯道行驶时采用基于触线时间阈值法,分别对行驶状态进行车道偏离判断,该算法既保证了计算速度,又保证了结果的准确性。为了验证所提出方法的有效性,采用仿真的方法,使用车道偏离识别算法获取的数据,通过比例-积分-微分(PID)算法对车辆行驶状态进行控制,得到车辆在预期车道内的行驶状况,以此证明了所提出的车道偏离识别算法的有效性。     

基于微分几何的四轮独立驱动车辆运动解耦控制研究

针对车辆在纵向运动和横摆运动时的强耦合关系给车辆动力学控制带来的困难，以四轮独立电驱动车辆作为研究对象，基于微分几何理论设计了车辆系统运动解耦控制方法，将非线性强耦合的四轮驱动车辆动力学系统解耦为纵向和横向两个相对独立运动控制子系统，并设计了鲁棒控制器，以提高抵抗车辆行驶时不确定外力如侧风的干扰能力。基于 Trucksim 软件建立四轮驱动车辆模型，并针对车辆解耦控制策略和抗干扰策略进行了仿真测试。结果表明，相比于无解耦控制的车辆，采用微分几何解耦控制的四轮独立驱动车辆纵向速度偏差降低了 82.1%，横摆角速度偏差降低了80.7%，且微风干扰下的抗干扰能力明显改善，车辆稳定性显著提升。为验证该运动解耦控制策略在实时系统中的控制效果，还进行了硬件在环试验，结果表明，硬件在环试验的结果与仿真结果一致。     

基于自适应控制系统的智能车横向轨迹跟踪控制

智能车辆轨迹跟踪控制的研究中,由于不同工况下控制算法的适应性不强,存在着较大的跟踪误差。为提高智能车辆行驶的自适性、跟踪精度与鲁棒性,提出了一种基于模型参考自适应控制系统（MRAC）的自适应PID控制方法。利用车辆模型与参考模型输出误差自适应PID控制器的3个参数,从而得到一种基于MRAC的自适应PID控制方法。MATLAB仿真对比结果表明,2种工况基于MRAC的自适应PID最大侧向跟踪误差分别为0.036 m和0.076 m,相比传统PID控制模型,该控制模型的控制精度分别提升52.10%、11.76%,表现出更好的横向轨迹跟踪性能。     

基于前轮转角约束自适应模型预测控制的路径跟踪研究

针对在车辆行驶中较小的前轮转角无法充分利用路面附着能力,较大的前轮转角使得车辆的行驶稳定性差的问题,文章提出了一种前轮转角约束自适应模型预测方法。首先建立车辆的动力学模型,然后通过计算得到轮胎纵向力,最终得到车辆的前轮转角。将车辆的状态量与前轮转角自适应约束条件输入给模型预测控制器,输出车辆的前轮转角,实现对参考路径的跟踪。在Carsim和MATLAB平台上联合仿真,仿真结果表明前轮转角约束自适应模型预测控制的车辆相比固定转角约束的车辆具有较好的跟踪能力和稳定性。     

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...     

智能车辆路径跟踪横向控制方法的研究

提出了一种智能车辆的路径跟踪横向控制系统.系统由期望航向偏差生成器和反馈控制系统两部分组成.期望航向偏差根据车辆-道路之间运动学关系来确定;而反馈控制系统则采用基于车辆-道路动力学模型的鲁棒PID控制器.在分析系统特性的基础上设计以某一速度为基准的、ITAE性能指标最优的固定增益鲁棒PID控制器和前置滤波器.在分析纵向速度对反馈系统影响的前提下,给出固定增益PID参数所适用的车速范围;分析了PID参数对闭环反馈系统的影响,调整了其他车速区间的PID参数.实车试验验证的结果表明,所提出的路径跟踪横向控制系统具有良好的路径跟踪能力.     

基于LQR双PID的智能电动汽车轨迹跟踪横纵向协同控制

为提高智能电动汽车(IEV)轨迹跟踪精度和稳定性,提出了一种考虑前馈控制和转角补偿的线性二次调节器 (LQR) —双比例-积分-微分 (PID)横纵向协同控制方法.设计了LQR横向控制器、前轮转角补偿控制、纵向双PID控制器,得到驱动或制动力输出到车辆模型.在Carsim和Matlab/Simulink环境下搭建了系统...     

自动驾驶汽车高速超车轨迹跟踪协调控制

自动驾驶汽车高速超车时不仅要规划合理的换道路径来保证安全性,而且还要确保车辆高速转弯行驶的横向稳定性和舒适性。针对车辆超车的换道、匀速和换道3个阶段,分别规划了纵向速度和横向超车路径。提出了考虑路径曲率、换道时间、纵向车速的期望横摆角速度计算方法。以最小化横向位置偏差、横摆角速度跟踪偏差和控制增量为优化目标,通过可拓集的关联函数动态分配轨迹跟踪精度和横向稳定性的权重系数,建立了自动驾驶汽车轨迹跟踪的多目标模型预测可拓协调控制策略。数值仿真结果表明,提出的路径规划方法能保证车辆安全超车,轨迹跟踪控制策略不仅能精确地跟踪规划的路径,而且具有较高的横向稳定性和舒适性。     

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。     

基于多点序列预瞄的自动驾驶汽车路径跟踪算法研究

针对自动驾驶汽车自主行驶问题,提出了一种基于预瞄信息的路径跟踪算法。以GPS轨迹点序列作为目标路径,建立车辆—路径相对运动关系模型,使用实时差分GPS数据确定车辆位置。通过预瞄点序列,计算路径的预瞄偏差角和路径弯曲度。根据路径弯曲度确定行驶速度,实现纵向控制;通过Pure Pursuit算法将预瞄偏差角转换成前轮转角的控制量,实现横向控制。试验结果表明,提出的路径跟踪方法在纵向、横向控制和跟踪平稳性方面都具有良好的效果。     

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。     

基于变权重系数的分布式驱动无人车轨迹跟踪

为了提高分布式无人车轨迹跟踪的精度，提出了基于自主与差动协调转向控制的轨迹跟踪方法。首先，在车辆三自由度模型基础上，基于模型预测控制（MPC）实时计算前轮转角以控制车辆进行自主转向轨迹跟踪。在此过程中，为了提高自主转向下车辆的轨迹跟踪精度与行驶的稳定性，考虑多种因素，利用经验公式及神经网络控制对MPC的预瞄步数和预瞄步长进行多参数调整，实现预瞄时间的自适应控制。其次，在恒转矩需求的情况下，以轨迹偏差为PID控制器的输入及左右轮毂电机转矩为输出进行差动转向控制，实现了差动转向下的轨迹跟踪控制。然后，通过设置权重系数的方法将自主与差动转向相结合。考虑到车辆横纵向动力学因素，采用模糊控制及经验公式对权重系数进行了调整，从而在提高车辆转向灵活性与轨迹跟踪效果的同时保证车辆行驶的稳定性。CarSim与Simulink联合仿真以及实车试验结果表明：与自主转向轨迹跟踪相比，采用变权重系数的协调控制可以在不同的工况下提高车辆的转向灵活性与轨迹跟踪的精度，轨迹跟踪偏差的均方根值改善率达到了11%。所提出的协调转向控制方法可为分布式驱动车辆转向灵活性的提高及轨迹跟踪精度的改善提供一种新的思路。     

一种引入行驶状态识别的半主动悬架PID控制修正算法

基于车辆不同行驶状态（路面不平度和车速）下悬挂质量垂向加速度和悬架动挠度响应不相同的客观事实,针对半主动悬架PID控制器无自适应能力的局限,以悬挂质量垂向加速度和悬架动挠度响应作为车辆行驶状态的识别判据．建立起一种引入行驶状态识别的半主动悬架PID控制修正算法,进而以某型轿车为对象,采用MATLAB／Simulink建立起半主动悬架PID控制的仿真模型,针对不同行驶状态计算出PID控制算法修正前、后的车辆平顺性响应并加以对比,表明所提出的PID控制修正算法是有效的。     

基于纵横向协同控制的路径跟踪策略研究

为了提高智能车的路径跟踪精度和行驶稳定性,针对智能车路径跟踪控制提出了一种考虑车辆纵横向协同的跟踪策略。从车辆整体系统出发,对纵向运动和横向运动进行解耦,采用分层控制的结构,上层控制器利用基于径向基函数（RBF）神经网络的自适应滑模变结构控制对车辆运动学耦合进行解耦,并用RBF神经网络对模型不确定性造成的系统扰动实时追踪;下层控制器以轮胎利用附着系数作为优化目标,将轮胎力约束在附着椭圆内。基于纵横向协同控制对纵横向轮胎力进行优化分配,从而提高极限工况下车辆路径跟踪的精确度和稳定性。     

无人驾驶汽车纵向速度控制研究

针对无人驾驶汽车在上下坡道的过程中,汽车纵向速度对行驶状态影响较大的问题。文章提出了一种针对无人驾驶汽车在路径跟踪过程中的纵向速度控制方法,该方法采用增量PID控制,结合坡道速度增量预估模型,实现无人驾驶汽车在上坡和下坡时,速度可以保持相对稳定的状态。     

基于MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

基于模型预测控制的自动驾驶车辆横纵向协调控制

针对自动驾驶车辆系统中的车辆控制问题,采用一种基于模型预测控制的横纵向协调控制方法,实现车辆的轨迹跟踪控制。所设计的控制器将车辆横向控制问题、纵向控制问题综合考虑,使用模型预测控制方法将轨迹跟踪控制问题转化为优化问题,以位置和速度误差为优化目标,同时考虑控制的平滑性,最终求解出最优的控制输入。仿真结果表明:所设计的控制器能达到较好的控制效果。