基于驾驶员方向控制模型的汽车侧风稳定性虚拟试验研究

在预瞄跟随理论基础上设计的驾驶员方向控制模型常用于弯道、移线、蛇行试验中横向轨迹的控制,文中研究了它对汽车侧风稳定性的控制效果.根据预瞄跟随理论及PID控制技术,采用MATLAB/Simulink建立了驾驶员方向控制模型;根据某轿车实测数据,采用多体动力学软件ADAMS建立了车辆-侧向风-道路耦合模型;通过定义输入变量(转向盘转角)和输出变量(侧向位移),实现了基于ADAMS与MATLAB/Simulink的汽车侧风稳定性联合仿真.试验结果显示驾驶员模型能够有效控制由侧向风引起的大幅度侧向偏移,系统具有较强的跟随性和鲁棒性.     

基于认知差异的交通流动力学建模及仿真

车路通讯技术的发展为驾驶员提供当前和预测的交通状态信息创造了条件.本文考虑驾驶员的预测性及驾驶员群体对交通信息认知的异质性,建立了新的宏观交通流动力学模型.基于线性稳定性理论,获得了新模型的稳定性条件;通过仿真算例,分析了模型参数对交通流稳定性的影响.结果表明,驾驶员的预测时间、记忆时间、最优记忆流量差权重系数、驾驶员类型比例和记忆时间差异对交通流稳定性存在显著影响;而增大预测时间步长、记忆时间步长、权重系数和认知强度系数都可以有效增强交通流的稳定性;但交通信息认知差异增大却会破坏交通流稳定性.     

带有最优流量记忆时间差的一类新格子模型

为了分析最优流量记忆时间差对交通流稳定性的影响,本文基于考虑驾驶员估计得到的最优流量信息,同时考虑驾驶员在驾车过程中受到记忆时间的影响,给出了一类新的格子流体动力学模型.首先,基于线性稳定性理论,获得了新模型的稳定性条件;随后,通过非线性分析方法,给出该模型的mKdV方程;然后,基于求解上述方程所得到的扭结-反扭结孤立波可用于描述交通拥挤的转化和传播过程.最后,通过仿真算例验证了上述理论分析的结论,即驾驶员的记忆时间和最优流量记忆时间差能够显著影响交通流的稳定性,同时增大记忆时间步长和强度系数可以有效地增强交通流的稳定性.     

基于差动制动的单拖挂汽车列车道路跟踪控制

对汽车列车的运动特点进行了研究,建立了考虑铰接角的单拖挂汽车列车驾驶员模型;对挂车制动时车辆运动状态的变化进行了分析,设计了基于差动控制的道路跟踪控制器,建立了基于Simulink和Trucksim的联合仿真模型,验证了双移线工况下模型的路径跟随性和行驶稳定性.结果表明:基于差动制动的单拖挂汽车列车道路跟踪控制器,与单...     

考虑驾驶员记忆的多前车速度差跟驰模型研究

为了探究驾驶员记忆和多前车速度差对交通流的影响,本文基于全速度差模型（full velocity difference model,FVDM）,结合驾驶员记忆因素和多前车对跟驰车的作用,构建了一种考虑了驾驶员记忆和多前车速度差的跟驰模型。通过改进模型的线性稳定性特征,得出改进模型的稳定性条件。再对改进模型下的车流启动和制动过程进行仿真,并与FVDM的仿真结果作对比。然后采用微小扰动法对改进模型进行数值仿真,研究驾驶员记忆因素和多前车速度差对交通流稳定性的影响。最后,利用下一代仿真（next generation simulation,NGSIM）数据标定了改进模型的参数,并预测了其加速度。研究结果表明：驾驶员记忆在一定程度上不利于交通流的稳定,而多前车速度差对稳定交通流具有积极作用;与FVDM相比,改进模型的启动延迟和制动延迟分别降低了10.0%和19.0%,预测精度更高,均方根误差降低了24.3%。     

基于感知能力的微观交通流动力学建模与仿真

基于驾驶员驾驶行为感知能力,提出了一种新的微观交通流动力学模型. 通过理论分析和数值模拟,对新模型的性能进行了详细的研究分析. 通过理论分析,基于线性稳定性理论,得到了新模型的稳定性条件. 通过数值模拟,深入分析了各参数对密度波和迟滞环的影响,进而对交通流稳定性的影响. 仿真算例结果表明：驾驶员感知能力对交通流稳定性有显著影响,车头距离变化信息可有效增强交通流的稳定性,对stop-and-go 交通拥堵有显著抑制作用,但不可避免的感知缓冲时间会破坏交通稳定性,进而产生严重的stop-and-go 交通拥堵;密度波和迟滞环的数值仿真结果与理论分析结果吻合得很好,验证了理论分析结果.     

神经网络在公路交通中的应用—汽车转向仿真

结合人工智能的最新方向－人工神经网络，利用ＢＰ网络的联想、记忆功能，建立了具有神经网络的驾驶员－环境闭环控制系统模型；研制了闭环控制系统仿真软件，对几种典型转向情况进行了模拟，并进行了汽车转向试验，结果表明：闭环系统模型合理，仿真结果准确。     

EPS系统在路面激励下的汽车操纵稳定性响应研究

针对不同路面输入状况对汽车操作稳定性产生的使转向盘产生抖动的不良影响,将EPS动力学模型与整车12自由度模型相结合,同时引入基于摆振系统的轮胎模型和路面激励模型,建立完善的由转向系统到路面激励输入的完整仿真模型。基于消除路面激励输入对转向性能产生影响的目的,设计了基于趋近率的滑膜控制器跟踪助力电机电流,减弱路面冲击产生的不良影响。建立仿真模型,分析不同路面状况下车辆的操作稳定性。通过MATLAB/Simulink建立仿真模型,仿真结果验证了设计的EPS电机控制系统可以有效减弱路面随机激励对转向系统性能产生的不良影响,提高了车辆的操作稳定性。     

车辆电子稳定性程序的最优控制

引入轮胎魔术公式,建立了车辆的两自由度非线性动力学模型．以车辆质心侧偏角和横摆角速度为控制变量,基于车辆的线性动力学模型设计了最优控制器,将此控制器应用于非线性动力学模型并进行了仿真．结果表明,车辆电子稳定性程序显著提高了车辆的操纵稳定性,使驾驶员在大侧向加速度、大侧偏角的极限工况下能够对车辆进行正常操纵．     

基于Matlab的某4WS越野车建模与仿真

通过建立的三自由度4WS汽车模型,基于零质心侧偏角-前馈控制,利用Matlab软件建立了某4WS越野车仿真模型,通过参数的时域与频域响应分析,结果表明:与2WS相比,时域分析中基于前馈控制的4WS汽车明显减小了质心侧偏角,路径跟踪能力较好,同时有效提高了低速时的操纵性和机动性,以及高速时的稳定性和安全性,并具有较好的瞬态响应特性。频域分析表明驾驶员以不同低频缓慢转动方向盘时,4WS汽车输出响应能较好地执行驾驶员的输入指令,同时相位滞后相对不大,汽车操纵稳定性随输入频率变化的动态特性较好。     

基于模糊控制的智能车辆自主行驶方法研究

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

Intelligent Vehicle's Path Tracking Based on Fuzzy Control

Autopilot vehicle is an important part of intelligent transportation systems. The objective is to develop the driver assistance systems on highway and urban road, to help or even to replace the driver, which may reduce traffic accidents and improve the efficiency of traffic system. A method based on machine vision and fuzzy control is proposed to realize intelligent vehicles' autopilot. It uses the CMOS sensor as its path recognition device to draw its lane centerline through image analysis. Taking the feedback speed as the additional input, the study forms the closed-loop control and establishes one graduation fuzzy controller which controls vehicle direction with two fuzzy controller combinations and replaces traditional PID control vehicle speed by fuzzy control. Compare with the conventional PID algorithm and the fuzzy control algorithm, the improved fuzzy control algorithm ensures a high speed and steady running of intelligent vehicle with smaller over modulation in corner.     

Intelligent Vehicle Human-Simulated Steering Characteristics Access and Control Strategy

As the traditional control algorithm is over-dependent on accurate vehicle model in intelligent vehicle steering control, a human-simulated intelligent control method is proposed based on experienced driver steering characteristics. Intelligent vehicle unmanned steering system dynamics model and the driver model are set up. Through experienced drivers’ trial run experiment, the analysis is mainly conducted on the double lanes condition. After the transformation of coordinates on global positioning system (GPS) derivative, the path information of local coordinates is accessed. The ideal driver steering path is obtained through fuzzy C-means clustering algorithm. The human-simulated intelligent controller is designed. Characteristic model is established according to the ideal and practical steering angle deviation and the deviation rate. Besides, the corresponding control rules and control modality set are designed. The joint simulation under CarSim joint/Simulink environment shows that the humanoid steering controller designed in this paper has better tracking performance than the model predictive control.     

预瞄跟随理论和驾驶员模型在汽车智能驾驶研究中的应用

根据预瞄跟随理论及驾驶员的开车行为特性 ,指出汽车智能驾驶与驾驶员操纵行为的内在一致性——汽车智能驾驶系统的控制特性与熟练驾驶员的驾驶行为特性基本一致。结合驾驶员操纵行为模式将汽车智能驾驶系统划分为信息感知、轨迹决策和操纵控制三个部分 ,并一一加以具体分析 ,利用系统模糊决策理论对几种汽车行驶的典型工况进行了智能车辆方向控制仿真计算。理论分析和仿真结果表明预瞄跟随理论为智能车辆的研究提供了一个可行的研究途径 ,按照该理论建立的驾驶员方向控制模型可以直接应用于智能车辆控制算法的研究开发     

基于联合仿真的汽车操纵稳定性分析及控制研究

将多体系统动力学与模糊控制理论相结合对汽车稳定性控制(VDC)系统进行了研究.基于ADAMS/CAR建立整车多体动力学模型;研究汽车在不同行驶工况下,行驶稳定性参数的变化;利用Matlab/Simulink模糊控制工具箱建立稳定性模糊控制策略:通过ADAMS与Matlab间的数据接口将控制系统与整车动力学模型结合,对带...     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。      

前馈多源信息下异构动力学卡车队列协同控制系统

针对目前卡车队列动力学异构性所导致的系统弦稳定性、内部稳定性以及队列耦合性降低的问题,提出了一种异构协同自适应巡航系统控制器设计方法,建立了基于前馈多源信息的异构动力学卡车队列闭环耦合系统;考虑由异构车型所构成的卡车队列存在发动机执行器的饱和态异构问题,建立了发动机饱和性和状态约束条件;在上层协同控制器的基础上,建立了一种非线性下层异构发动机扭矩输出控制模型,用于控制车辆动力学仿真软件TruckSim中的真实车辆模型;建立了基于三维燃油特性图的车辆能耗模型,用于计算实时车辆油耗和节能性分析;通过频域分析法,结合已知异构动力学参数量化标定了协同自适应巡航系统控制器的增益,确保系统满足弦稳定条件。分析结果表明：相比同构动力学控制器,异构协同自适应巡航系统控制器可以确保距离误差在-0.01～0.15 m内,优于同构控制器作用下的-0.3～0.5 m,且当领航车进入匀速行驶状态时,跟随车辆能立刻收敛至相同的行驶状态,收敛性能优于同构协同自适应巡航控制系统;卡车队列节油率最大可达8.15%,随着车头时距减小至0.5 s,平均节油率最大可达8.10%。由此可见,多源前馈信息异构控制系统能有效降低车...     

四轮独立转向车辆稳定性的模糊最优控制方法

为改善四轮独立转向（4WIS）车辆的操纵稳定性,在设计了4WIS模型跟踪最优控制器的基础上,对最优控制参数对控制性能的影响以及4WIS车辆转向动力学特性进行了分析,提出了一种基于车辆转向状态的最优控制器参数调整策略,并设计了模糊逻辑控制参数调节器,实现最优控制器参数的自适应调整.结合4WIS车辆的八自由度动力学模型对提出的模糊最优控制系统进行仿真实验分析,结果表明:设计的4WIS模糊最优控制系统能够极大地改善车辆的稳定性与安全性;在高速低附着系数的极限工况下,该系统仍然够能保证车辆的理想转向状态.该系统对于强侧向风一类的侧向干扰具有很强的抑制能力;风速90 km/h的强侧风且无驾驶员干预情况下,车辆在320 m行驶距离内,侧向偏移量仅为0.78 m.      

新型智能控制系统研究

本文从实际应用的高度出发，基于传统控制方法和智能控制思想，提出了一种新型智能控制（ＩＣ）结构，并应用小增益定量为闭环自学习智能控制系统建立了稳定性分析，给出了ｌ＾∞稳定性结果。该控制器已成功地应用于一温湿度自动控制系统，效果良好。