基于广义Sigmoid函数的车辆紧急转向避障策略研究

为提高无人车在紧急转向避障时的高效性和安全性,提出了一种基于广义Sigmoid函数的车辆紧急转向避障策略。首先,在Sigmoid函数基础上,引入米塔-列夫勒(Mittag-Leffler)函数,提出了一种广义Sigmoid函数。然后,研究了广义Sigmoid函数参数变化对避障路径的影响,并提出新的代价函数作为车辆紧急避障时选取路径的指标。接着,为了验证广义Sigmoid函数的效果,提出改进的Stanley轨迹跟踪器跟踪生成的紧急避障路径。最后,搭建三自由度车辆模型进行仿真。结果表明,相比于传统的Sigmoid函数,提出的广义Sigmoid函数能够提供更优的避障路径,且在改进Stanley算法下,车辆的动态响应效果更好。     

基于间接共享控制的智能车协同接管方法

从自动驾驶模式向手动驾驶模式切换时的控制权移交问题已成为智能车领域的研究热点.为了改善驾驶人从非驾驶任务状态接管车辆时因认知和操作能力不足而引起的安全性和稳定性问题,在总结现有研究成果的基础上,提出一种基于间接共享控制的智能车协同接管控制方法.首先,定义协同接管方法的应用对象是控制系统良好、全局感知或决策受损需要接管的...     

基于模糊解耦控制的车辆转向制动系统研究

车辆转向系统和制动系统之间存在着很强的速度耦合关系,造成两个系统之间的性能相互影响,使得车辆在转向制动这一工况成了汽车最危险的工况之一。本文结合实际车辆参数建立转向系统的二自由度模型和制动系统的单车轮模型,针对车辆转向制动工况设计了模糊解耦控制器,实现了车辆的转向与制动同时控制。经验证含有模糊解耦控制的车辆转向制动系统具有很好的动态控制效果,并且有很强的鲁棒性和自适应性。     

半挂汽车列车高速紧急避障稳定性控制研究

分析了半挂汽车列车转向的特点,对其稳定性控制原理进行了研究,包括横摆角速度跟踪控制和防倾覆控制.在此基础上,建立了半挂汽车列车多体动力学模型,采用虚拟样机技术,对横摆角速度跟踪控制和防倾覆控制进行运动学与动力学仿真.结果表明,装用车辆动态控制系统后,提高了半挂汽车列车高速紧急避障时的操纵稳定性,因而,其避障行驶的极限条件大大宽松.     

基于RGB-D SLAM的智能车自主避障与路径规划试验研究

针对GPS信号弱、导航数据缺失场景下自主移动车辆难以精准定位的问题,采用即时定位与地图构建(SLAM技术实现未知环境下无人小车地图构建与自主定位功能,采用动态A*算法实现了无人小车的避障与路径规划。分别进行了验证试验和未知环境下局部路径规划及全局路径规划试验,结果表明,提出的方案能有效地控制小车自主规划路径,避开障碍物到达目的地。     

基于障碍物衍生状态格的智能车避障轨迹规划

对智能汽车避障过程进行研究,提出衍生状态格的概念,并在此基础上确定避障轨迹规划算法。该算法结合避障车辆和障碍物的运动状态和位置信息,将复杂道路环境中期望避障轨迹的求取问题转换为避障车辆和状态格之间的轨迹规划问题。由相关算法生成的避障轨迹能针对性地考虑障碍物的状态并适用于多障碍物环境,提出状态格成本的概念,再采用Dijkstra搜索算法在多条可行避障轨迹中进行寻优。仿真结果表明,汽车在障碍规避过程中横摆角速度和侧向加速度值均符合稳定性要求,验证了该算法的可行性。最后通过CarSim/LabView硬件在环试验对该方法进行了进一步的验证,所得结论与仿真结果基本一致。     

紧急避障工况下的分布式驱动电动汽车稳定性控制

为了提高紧急避障工况下分布式驱动电动汽车的稳定性,提出了一种基于纵向力优化的转矩分配策略。控制器采用分层控制:在上层控制器中,根据纵向力的需求,基于线性二次型控制算法计算出控制横摆角速度与质心侧偏角所需的附加横摆力矩;在下层控制器中,考虑各约束条件,将计算出的附加横摆力矩合理地分配给各轮。分别利用CarSim和MATLAB/Simulink搭建整车模型和控制策略模型,进行联合仿真。仿真结果表明,所提出的转矩分配策略可以有效地保证车辆的稳定性,同时通过减少制动力在主动安全控制中的参与范围,起到减少能量损耗的作用。     

面向智能车的电子液压制动系统研究

面向智能车设计了一款并联式电子液压制动系统,并针对智能车在紧急制动时易失稳的问题,基于车辆制动时的载荷转移特性,提出一种制动力分配控制策略.根据车辆在制动时前、后轴载荷转移量调节前、后轴车轮制动力,并将此时前、后轴车轮制动力矩作为基准制动力矩,基于径向基神经网络和PID算法设计附加制动力矩控制器,以此调节各车轮的制动力...     

基于顶层设计的转向与悬架系统协同控制的研究

针对汽车复杂工况行驶对操纵稳定性及平顺性的综合要求,提出了一种基于顶层设计的转向与悬架底盘子系统协同控制策略。首先在底盘系统的顶层框架设计与协同机制研究基础上,建立了综合性能控制分配模型,设计了启发式协商算法;接着以某车多体动力学模型为例进行了脉冲路面上角阶跃转向输入复合工况的SIMPACK/Matlab联合仿真,最后进行整车道路试验。仿真和试验结果表明,基于顶层设计的协同控制策略是可行、有效的,综合改善了车辆行驶平顺性和操纵稳定性。     

分布式电动车转向电液复合制动控制

针对分布式电动汽车,在弯道制动过程中,既能保证车辆行驶稳定性又能兼顾制动能量回收,文章提出一种带稳定性加权系数的制动力矩分配方法,以驾驶员制动意图和路面附着情况为参考条件得出稳定性加权系数,将系数代入系统目标函数中,求出各车轮的最佳制动力矩,最后利用Carsim/Simulink联合仿真对分配算法进行验证,结果显示文章所提出的分配策略能使分布式电动车辆在转弯制动时,制动力矩分配既能满足稳定性需求又能使在当前工况下经济性能最大化。     

基于模型预测控制的智能车轨迹跟踪控制研究

为了完成智能车的轨迹跟踪,提出一种基于模型预测控制的轨迹跟踪方法,利用将运动学模型这个非线性系统线性化的方案,来获得必须的线性时变系统,采取模型预测控制的三要素来设计控制器。并且基于MPC在控制过程中能增加多种约束的优点,建立基于车辆运动学模型的约束做轨迹跟踪仿真实验,最后,基于山东理工大学智能车平台上GPS提供的定位信息,在校园中采集路线并对前提规划好的的轨迹进行实车验证。实验结果表明:基于MPC算法所设计的控制器能快速且稳定地跟踪期望轨迹。     

汽车主动前轮转向与防抱死制动系统集成控制研究

以车辆动力学软件Carsim和Matlab/Simulink为平台,分别建立了基于滑模变结构控制的主动前轮转向(AFS)和滑移率门限控制的防抱死制动系统(ABS)控制器模型,并将2种控制系统进行了集成,建立了联合仿真模型。仿真结果表明,在分离路面紧急制动工况下,通过将AFS与ABS进行集成控制,能够进一步提高ABS的制动效能,在保持车辆制动稳定性的同时缩短了制动距离。     

智能汽车极限工况下联合制动与转向的自动紧急避撞研究

为提高智能汽车极限工况下的自动紧急避撞能力,提出了一种联合制动与转向的综合控制方法.首先,建立了包含转向、制动和悬架子系统耦合特性的18自由度统一动力学模型,并对其进行了水平路面上的转向制动仿真.接着,提出了联合制动与转向的自动紧急避撞系统总体框架,其中路径规划选用五次多项式规划算法,纵向采用滑模跟踪控制,侧向采用基于...     

制动与转向协调动作的车辆避撞控制研究

为了弥补现有汽车避撞控制策略以及碰撞风险评价指标单一的不足,提出转向和制动协调的主动避撞控制系统。首先规划了五次多项式换道路径,在对其理论分析的基础上得到转向临界避撞距离和与目标车道车辆的安全距离约束。其次,考虑道路附着系数和系统延迟的影响,基于制动过程给出制动临界避撞距离,并以纵向行驶安全系数ξ和碰撞时间倒数T■划分安全行驶区域,利用驾驶人实车跟车数据标定稳态跟随/定速巡航区域的阈值。随后,通过转向/制动临界避撞距离的对比给出2种避撞方式的安全收益范围。最后搭建Simulink/CarSim联合仿真模型,并对其进行不同初始条件下的避撞仿真试验。研究结果表明:转向操作在制动距离不足时仍是有效的;当主车高速近距离接近静止前车时,主车可以顺利采取转向换道动作,而常规ACC系统在2.5 s处的车间相对距离为-0.76 m,事实上已经发生了碰撞;当相邻车道前车与主车纵向间距不满足换道安全距离约束时,避撞控制系统进入紧急制动模式,最大制动减速度达到-0.8g(g为重力加速度),实际最小车间距为5.1 m;通过转向和制动的协调动作,充分发挥了车辆的避撞潜力;ξ和T■指标的融合,可以更好地评估碰撞风险并实现不同控制模式的转换,在保证行车安全的同时可避免过分制动给乘客造成的紧张感。     

基于模型预测的主动前轮转向与直接横摆力偶矩协同控制研究

为提高中低附着系数路面下车辆的侧向稳定性,构建了基于模型预测控制(MPC)的主动前轮转向(AFS)及直接横摆力偶矩(DYC)协同控制器,其决策层基于MPC获取附加横摆力偶矩,执行层由AFS和DYC控制协同修正前轮转角或施加轮缸制动压力。在双移线(DLC)工况下仿真验证了该策略的有效性,结果表明:路面附着系数为0.25时,车身侧偏角和横摆角速度分别稳定于-3.5°~3.5°和-16~16 (°)/s内,纵向车速稳定于88 km/h左右;路面附着系数为0.40时,纵向车速、车身侧偏角与横摆角速度等稳定性指标均有明显改善。综合分析表明,该AFS-DYC协同控制策略可显著改善中低附着系数条件下的操纵稳定性。     

智能车轨迹跟踪控制方法研究

随着信息化的发展,智能驾驶技术应用前景广阔。轨迹跟踪控制作为智能驾驶技术中的一环,受到越来越多的关注。文章介绍了智能汽车的运动学以及动力学模型,详细阐述了目前常用的几种跟踪控制方法的理论推导,分析了其各自的适用场景及优缺点。从而可知,无论哪一种控制方法都有其弊端,建模方法以及行驶速度的不同,都会影响控制效果。因此,需要结合实际情况进行改进,使智能汽车的控制更有适用性。     

智能汽车自动紧急转向避撞的跟踪控制方法对比研究

为了提高智能汽车的主动安全性,提出3种不同的自动紧急转向避撞跟踪控制方法。首先建立汽车避撞简化模型,对制动、转向及两者相结合的3种不同避撞方式进行对比分析。其次,为深入研究汽车避撞过程中的实际响应,建立包含转向、制动及悬架3个子系统耦合特性的底盘18自由度统一动力学模型,并进行相关试验验证。随后构建智能汽车自动紧急转向避撞控制框架,对五次多项式参考路径和七次多项式参考路径的横摆角速度和横摆角加速度进行对比分析。接着以线性2自由度转向动力学模型为参考对象,对最优控制四轮转向、最优控制前轮转向、前馈与反馈控制相结合的前轮转向3种不同的跟踪控制系统分别进行设计。最后,以汽车底盘18自由度统一动力学模型为研究对象,对上述3种避撞控制系统进行仿真试验对比分析。研究结果表明：与制动避撞相比而言,转向避撞所需的纵向距离有较大降低,随着车速的增加和路面附着系数的越低,效果越明显;七次多项式参考路径比五次多项式参考路径的避撞过渡过程更为平缓,当实际车速与控制器所用车速不一致时,前者避撞性能表现更优;最优四轮转向控制系统在高、低2种不同附着路面都具有较好的避撞效果,最优前轮转向控制系统次之,而前馈与反馈相结合的前轮转向控制系统在低附着路面上则表现出严重的失稳。     

基于改进BP神经网络的智能车纵向控制方法

针对传统PI控制在车辆速度跟踪过程中参数固定且不易整定的问题,提出了一种基于改进BP神经网络的智能汽车纵向控制方法。分别构建驱/制动模式下的BP神经网络,针对BP神经网络初始参数选取困难及反向自学习存在梯度消失等问题,利用粒子群算法和批处理归一化方法对BP神经网络进行改进,最终实现PI控制参数的动态自整定。通过Carsim/Simulink联合仿真与实车测试对该方法进行了验证,结果表明：相比于传统PI控制,所提出的纵向控制方法在实现基于误差快速调整参数的同时提高了车辆纵向控制精度。