基于模糊控制的自动泊车的研究

针对模糊控制算法在自动泊车技术中的应用,提出了基于模糊控制和自动泊车的运动学模型,建立精简模糊规则库,设计模糊控制器模型,并使用学习算法对模糊控制器的参数进行优化,实现了自动泊车的最优的控制。利用MATLAB软件建立模糊控制器模型,进行了仿真对比验证。结果表明,通过学习算法优化的模糊控制器能够较好地实现自动泊车,并且具有自学习能力,大幅缩短了泊车时间。     

基于多模式切换的智能汽车自适应巡航控制研究

针对前车运动状态和驾驶意图的不可预知性导致传统自适应巡航控制(ACC)系统应用受限的问题,设计了一种多模式切换的自适应巡航控制方法。根据自车与前车的运动学关系划分行驶模式,采用紧急系数表征各行驶模式下的危险程度;设计模糊控制器调节模型预测控制(MPC)中目标函数的权重值,以满足不同工况下跟车性和舒适性的需求差异,实现不同控制模式间的切换。仿真结果表明,多模式切换控制方法有效提高了车辆跟车性和舒适性,在各种工况下取得了优良的控制效果。     

高速公路入口匝道模糊神经网络ACO控制

针对入口匝道控制中局部需求大于高速公路主线容量情况下Alinea控制算法不能有效反馈的问题,结合模糊控制和神经网络的优点,通过神经网络来训练模糊控制规则,提出蚁群算法优化的模糊神经网络控制器,并对控制器应用于入口匝道控制进行了详细设计。仿真结果表明,基于蚁群优化算法的模糊神经网络控制器学习次数远小于Alinea控制算法,且收敛速度快,运算效率高,控制品质好,能够更好地稳定主线交通流密度。     

基于工况预测的复合储能系统功率分配策略研究

本文中提出了一种基于工况预测的复合储能系统自适应神经模糊功率分配策略,采用马尔可夫链模型对汽车未来的运行工况进行预测,得到的车速预测结果,作为自适应神经模糊控制器的一个输入,经自适应神经模糊控制器处理后得到功率分配值。实验结果表明,采用自适应神经模糊控制的复合储能系统功率分配策略可明显提升电池寿命,降低综合使用成本。     

基于广义预测控制的DCT换挡过程发动机扭矩请求控制

为解决双离合器式自动变速器换挡过程中发动机扭矩控制的时滞和参数摄动问题,提出广义预测控制实现自动变速器电控单元对发动机的扭矩请求控制。首先分析发动机扭矩控制系统的特点,建立被控对象的传递函数。利用Pade近似方法求取被控对象的离散数学模型及CARIMA模型。在此基础上构建合适的目标函数,通过使目标函数最优,获得广义预测控制器的解析解。为进一步减少算法的计算量,采用直接广义预测算法对预测方程的参数进行辨识,以提高算法的实时性。最后根据发动机台架试验数据设计了广义预测控制器和PI控制器,并通过仿真试验和硬件在环试验,对比分析了广义预测控制和PI控制在阶跃响应、斜坡响应、抗参数摄动以及换挡时的扭矩跟随等方面的性能。研究结果表明:基于广义预测控制的扭矩请求控制,在扭矩的跟随性能和抗参数摄动等方面都明显优于PI控制。因此,基于广义预测控制的扭矩请求控制方法在一定程度上降低了时滞对控制效果的影响,这对于提高双离合器车辆驾驶品质和换挡快速性有十分重要的意义。     

基于神经网络的柴油机轨压模型补偿容错控制研究

电控柴油机高压共轨燃油喷射系统具有很强的非线性、时变性和扰动性,传统的控制方式难以精确控制系统的轨压。基于BP神经网络辨识得到了非线性柴油机燃油喷射系统模型,提出了一种模型补偿容错控制方法。该方法在PID参数模糊自整定控制的基础上,通过加入一个基于梯度下降算法的误差补偿控制器修正输出偏差,实现了对柴油机燃油喷射系统时变性和扰动性的控制。仿真结果证明了该方法的有效性,与传统PID控制和模糊PID控制相比具有更好的鲁棒性和抗扰动性。     

一种天然气发动机空燃比控制策略的研究

提高电控天然气发动机的空燃比控制精度，是改善发动机经济性、动力性和降低尾气排放的关键环节。本文将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。将该算法应用于天然气发动机空燃比控制中，利用宽域空燃比传感技术，通过调整喷射脉宽控制发动机的空燃比，取得了较好的控制效果。     

湿式离合器出油口甩出油温度预测方法

为了实现对湿式离合器出油口甩出油温度传感器的冗余校验和自我诊断，提出了一种基于粒计算约简的离合器出油口甩出油温度的模糊预测方法。首先分析出油口甩出油温度的影响因素，将主要影响因素作为预测输入量，并采用模糊推理理论预测当前离合器出油口甩出油温度。在设计模糊预测方法的过程中，通过分析实车数据得到车辆行驶时离合器处于高滑摩功率过程和低滑摩功率过程的不同特性，分别确定相对应的隶属度函数和模糊预测规则，从而进一步提高出油口甩出油温的预测精度。为了提高模糊预测算法的实时性，基于模糊预测规则创建模糊决策表，模糊输入量和模糊输出量分别作为决策表的条件属性集与决策属性集。利用粒计算理论对模糊决策表的条件属性集进行属性约简，通过削减冗余信息有效降低模糊输入量和模糊预测规则的个数。最后利用实车采集的数据对比分析约简前后模糊预测算法的单步运行时间和预测误差等性能指标。试验结果表明：基于粒计算约简的模糊预测算法能够有效保障预测精度，同时拥有更少的模糊预测规则数和模糊输入量，有效解决了模糊预测算法占用资源较多以及实用性较差的问题。     

基于遗传PID算法的自适应巡航控制

随着高级驾驶辅助系统(ADAS)成本的下降,ADAS系统逐渐被下放到普通家用车上。自适应巡航系统(ACC)作为ADAS的重要组成部分,深受广大消费者的关注。文章设计了基于遗传算法和PID算法的上位控制器和基于模糊控制的下位控制器。使用Carsim和Simulink仿真后结果显示,基于遗传PID算法的自适应巡航控制具有更好的控制精度和控制效率。     

基于PLC的模糊PID控制在气动伺服系统的应用

针对气动位置伺服控制系统,提出一种基于模糊算法与PID相结合的控制方式。系统以三菱PLC为控制器,位移传感器反馈信号,以位置偏差E及其变化率EC为双输入,控制量U为单输出,通过建立模糊控制规则,对PID参数进行在线整定。试验表明,该方法得到很好的系统响应和跟随性。     

单交叉口交通信号控制优化研究

为了解决现有路网条件下交叉口通行效率低的问题,提出了一种改进型模糊控制方法,并且以平均延误作为单交叉口信号控制的最终评价参数。针对二维模糊控制器中模糊规则库依赖人工经验的问题,使用有较好寻优能力的最优-最差蚁群算法对模糊规则库进行优化调节,并使用VISSIM8.0进行建模,将仿真时间设置为600s,仿真证明,优化后的控制方法在平均延误上优于定时控制和模糊控制,能够有效提高路网的通行效率。     

规则自调整模糊控制及其在主动悬架系统中的应用

根据路面 车辆系统的非线性特点,本文提出一种在线可调整的模糊控制算法,其模糊控制规则表可以用解析的方法进行计算。该方法不仅体现了模糊控制算法对非线性系统具有的明显优势,而且利用LMS自适应算法在线调整模糊控制器的修正因子。针对简化的车辆模型,以路面信号作为激励源进行了仿真研究,证明该算法对悬架系统的振动控制具有较好的效果,簧上质量加速度功率谱密度得到明显降低。     

基于模糊PID控制的摊铺机布料器控制系统

摊铺机的布料系统是影响摊铺质量的重要因素之一,以布料器的液压系统为研究对象,在经典PID的基础上增加模糊控制器,提高各种工况下液压系统的控制水平;结合系统的工作特点,提出相应的模糊PID控制算法,设计出适应性的模糊PID控制器,并进行Simulink仿真。结果表明,相较常规PID控制,模糊PID算法可以有效地提高系统的动态特性,并且具有更强的抗干扰性。     

基于布谷鸟算法优化的模糊逻辑控制策略

混合动力能量管理模糊控制器在使用过程中表现出来的性能好坏，和设计者的工程经验以及对控制器的输入/输出变量之间逻辑关系的理解程度呈正相关，因此，如果控制器的设计存在局限性，就容易被设计者的主观判断所影响。为了让模糊控制器的设计过程更加客观，且保证控制效果更有参考价值，选择布谷鸟算法针对模糊控制器的隶属度函数进行优化，有效地实现了设计者的经验对模糊控制器性能影响的弱化。     

车辆自适应巡航控制系统的建模与分层控制

为改善车辆自适应巡航控制(ACC)系统的功能,本文中研究一种ACC系统建模和分层控制方法。首先建立考虑纵向、侧向和垂向耦合特性的14自由度整车模型,并根据电子节气门和制动器的实际物理特性建立能准确跟踪期望输入的执行器模型。接着建立包含驱动/制动切换逻辑、发动机逆模型和制动器逆模型的车辆逆动力学模型。最后针对ACC系统的功能需求,应用模型匹配控制理论设计能适应不同工况的鲁棒下层控制器,而上层控制器则通过线性二次最优控制理论获得综合考虑车距、相对速度和自车加速度的期望跟车加速度。仿真结果表明,该ACC系统能使车辆在加速行驶、稳态跟车和制动减速等行驶工况下保持良好的跟踪性和自适应性。     

基于纯追踪模型的算法改进

针对前视距离随速度、跟踪偏差变化而调整的问题,将模糊控制器应用与纯追踪算法线性拟合公式中速度增益系数的调节。把横向偏差和航向偏角作为模糊控制器的输入量,利用驾驶经验制定模糊控制规则,输出速度增益系数,从而得到更为合理的前视距离,以达到理想的跟踪效果。在直线道路和定曲率道路上,对传统纯追踪算法和改进后的纯追踪算法进行仿真对比,结果表明改进的算法使得路径跟踪效果得到明显提高。     

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。     

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。     

汽车主动悬架自调整模糊控制试验

以汽车操纵稳定性及行驶平顺性为控制目标,提出一种在线可调整的模糊控制算法,其模糊控制规则表可以用解析的方法进行计算。针对简化的汽车模型,为控制悬架系统的振动设计了自调整模糊控制器。与自适应控制主动悬架系统相比较,在两自由度悬架系统试验台架上进行了对比试验研究,结果表明该算法对汽车的振动控制具有明显效果,进一步说明提出的算法对汽车悬架系统的振动控制具有较好的适应性。     

基于分数阶理论的车辆ABS控制研究

针对车辆制动过程中出现制动失稳问题及对控制安全、稳定性的要求,结合车辆动力学模型,提出一种基于分数阶比例积分微分理论的车辆制动防抱死分数阶PID主动控制方法,并利用Oustaloup滤波器和遗传优化算法对分数阶PID控制器进行有理化和参数整定处理,得到优化后的分数阶PID控制器,最后采用MATLAB/Simulink对车辆制动防抱死分数阶PID控制器进行了离线仿真分析。通过仿真分析表明,当车辆以20m/s的速度在路面上制动时,路面参数一定,采用遗传算法优化的分数阶PID控制相对于模糊自适应控制、传统整数阶PID控制,在制动时间上下降了2.1%和3.1%,制动距离缩短了3.86%和5.82%,其具有较低的超调量、较快的响应和较小的稳态误差。