燃料电池轿车动力系统线性二次型最优控制研究

建立了包括燃料电池发动机、电机及其控制器、动力蓄电池组在内的燃料电池轿车动力系统的动态数学模型,根据系统的噪声特性,将动力系统线性二次型最优控制问题归结为线性二次型高斯问题,并建立了考虑随机干扰的燃料电池轿车动力系统线性二次型最优动力控制算法。离线仿真和实车转鼓试验证明,该算法能够充分考虑动力系统主要部件的动力性和经济性,具有一定的实用价值。     

面向动态避障的智能汽车滚动时域路径规划

为解决城市低速条件下智能汽车在避障过程中的路径规划问题，提出面向动态避障的智能汽车滚动时域路径规划方法。首先，划分车道可行区域，利用3次拉格朗日插值法拟合车道边界，并根据"车-路"的相对位置关系将车道区域进一步划分为车道间区域与车道内区域两部分。其次，以区域虚拟力场进行动态交通场景模拟，包括在障碍车周身沿车道方向的虚拟矩形区域斥力场，行驶目标位置的虚拟引力场和车道保持虚拟区域引力场3个部分，然后结合划分的车道区域确定各虚拟力场的作用区域。再次，建立主车动力学与运动学模型，障碍车运动学预测模型，把主车与障碍车无碰撞，主车行驶在车道内区域，趋向目标位置以及保证车辆稳定性作为优化目标，综合车辆模型的控制输入、状态变量等动力学约束条件，构建多目标的滚动时域控制器用于车辆避障路径规划，求解获得前轮转角作为控制量。最后，利用MATLAB和veDYNA软件对提出的路径规划控制系统分别在静态障碍和动态障碍工况下进行联合仿真。研究结果表明：该方法能够很好地解决躲避静态障碍和低速动态障碍车的问题，控制车辆驶向目标位置，并且在避障过程中满足车辆的动力学约束，同时又不会与道路边界发生碰撞，保证了车辆的安全性和稳定性。     

基于线性路径跟踪控制的换道避撞控制策略研究

为实现车辆自主避撞,改善道路交通安全状况,提出一种基于线性路径跟踪控制的换道避撞控制策略。为实时确定制动和换道时机,获取跟车状态下自车和前车车速、加速度、相对距离以及驾驶人制动反应时间计算制动安全距离和换道安全距离,并在此基础上分别引入制动危险系数B和换道危险系数S评估制动与换道风险,使得车辆发生追尾碰撞的危险程度和主动干预阈值更直观。根据车辆期望横向加速度和期望横向位移的变化特性,采用5次多项式法规划符合驾驶人换道避撞特性的避撞路径。为保证换道避撞过程中驾驶人的安全舒适,采用最大横向加速度约束换道避撞轨迹。为实现对换道避撞路径的线性跟踪控制,保证车辆的操纵稳定性和横摆稳定性,基于车辆稳态动力学模型建立前馈控制,结合线性反馈控制消除换道路径的位置和横摆角偏差,修正参考路径实现直车道场景追尾避撞控制。仿真和实车交叉验证试验表明：根据车辆期望横向加速度和期望横向位移建立的符合驾驶人换道避撞特性的五次多项式换道路径与驾驶人实际换道避撞路径基本吻合,结合碰撞时间和车间时距的制动避撞控制策略能够在保证车辆行驶安全舒适性的同时有效避免车辆追尾碰撞,减少交通事故的发生。     

汽车半主动悬架线性二次型最优控制

被动悬架的刚度和阻尼在车辆运行过程中均不可调,难以适应路面的多样性,不利于车辆平顺性、乘坐舒适性的提高。以某款乘用车为研究对象,分别建立1/4车辆2自由度被动悬架、半主动悬架动力学模型;对半主动悬架动力学模型输出指标进行加权处理,得到性能指标函数;运用极小值原理,结合线性二次型最优控制算法对悬架的阻尼力进行控制;采用MATLAB/Simulink搭建仿真模型,对悬架的性能进行仿真分析。仿真结果表明,采用线性二次型最优控制可使悬架性能指标函数达到极小值,有效地改善了车辆的平顺性和乘坐舒适性。     

沥青管道加热系统的最优线性二次型PID温度控制

在不破坏沥青路用性能的前提下,为优化管路沥青的加热动态响应性,设计了管道循环加热控制系统。并采用最优线性二次型方法为沥青循环流动的管道加热系统建立了数学模型,将最优线性二次型PID温控法与传统的PID温控法进行了分析与对比。结果表明,前者加热时温度的超调量明显小于后者,加热到目标温度所需要的时间也明显更短。可知,最优线性二次型PID温控法可以大大减少PID参数整定时间,其加热效率更高更节能,能很好地满足循环加热系统控制需要。     

基于LMI的主动悬架的滚动时域H_∞输出反馈控制

以2自由度1/4车辆的悬架动力学模型为研究对象,提出滚动时域H∞输出反馈控制策略.利用在线最小化H∞性能指标,设计控制器,协调相互冲突的诸性能要求.仿真结果表明,系统在保证满足约束的前提下可以尽可能地降低干扰对输出的影响,获得优化的动态性能指标.     

基于MPC的局部路径规划与路径跟踪控制研究

文章主要针对无人驾驶车辆在进行路径跟踪遇到障碍物时,需要局部重新规划出一条可行路径的问题,首先基于车辆点质量模型的MPC局部路径规划算法,得到满足车辆动力学约束并实现避障功能的局部路径,然后在二自由度车辆动力学模型的基础上基于MPC进行路径的跟踪,最后使用Simulink/Carsim进行联合仿真验证,结果表明基于该局部路径规划与路径跟踪算法能够可靠地规划出避开障碍物的局部路径,实现高速下的路径跟踪。     

基于线性二次最优算法的电动汽车AMT换挡力控制

为提高纯电动汽车两挡自动变速器（AMT）的换挡平顺性,针对一款电动汽车无离合器两挡AMT进行详细的换挡过程动力学分析,采用线性二次型调节器（LQR）最优控制算法确定同步阶段的最优换挡力,进行换挡台架试验。试验结果表明,在换挡时间增幅不大的前提下,变速器输出轴转速波动峰值较未优化时降低了48.4%,基于LQR的换挡力最优控制能够有效降低换挡冲击,改善换挡品质。     

车速和路面附着系数的滚动时域估计

基于Dugoff轮胎模型建立了车辆的非线性动力学方程,并给出了路面附着系数的约束条件.针对车速和路面附着系数约束的非线性估计,提出了一种基于滚动优化原理的滚动时域估计法(MHE),并给出了MHE法的具体步骤.在不同路面上对MHE法进行了多种工况的实验验证,并在同样条件下与扩展Kalman滤波法进行了比较.实验结果表明,MHE法的估计性能优于扩展Kalman滤波法.     

基于曲率控制的紧急避让路径跟踪研究

针对紧急避让工况,提出一种基于曲率控制的路径跟踪控制方法。以车辆二自由度动力学模型为基础,设计基于曲率控制的二阶自抗扰路径跟踪控制器,采用前馈与反馈相结合的复合控制方法进行曲率跟踪控制。为了解决避让过程中侧向加速度过大或产生阶跃、曲率不连续问题,引入三次B样条曲线进行路径跟踪曲率规划,采用CarSim/Simulink联合仿真方法进行控制器性能验证。仿真结果表明,在对接和对开路面工况下,基于曲率控制的路径跟踪控制器能够保证车辆实际行驶路径曲率跟踪理想路径曲率,抵抗外界干扰能力强。     

基于线性模型的导航路径图像检测算法研究

对智能车辆视野内的车道采用线性模型进行拟合，分析线性模型拟合车辆道的误差，提出减小误差的方法，并分析户外环境中几种典型光照变化和阴影响对智能车导航的影响，改进基于线性车道模型的边缘检测算法。实验证明：在JUTIV-Ⅱ上采用线性模型可提高导航路径识别的准确性，减少数据处理量和获得较高计算机处理频率。     

基于线控转向的智能驾驶车辆路径跟踪研究

针对搭载线控转向系统的智能驾驶车辆路径跟踪问题,基于汽车动力学仿真软件分析车辆转向特性,推导出横摆角速度对转向盘转角的稳态增益曲线,并获得了仿真稳态增益与理论稳态增益之间的修正系数,以此搭建单点预瞄模型和变角传动比线控转向系统模型.通过预瞄式横向运动控制与线控转向变角传动比控制相结合的方式,完成智能驾驶车辆路径跟踪控制...     

基于预瞄的模糊自适应路径跟踪算法研究

基于车辆的预瞄和纯追踪模型设计一种自适应调整前视距离的路径跟踪控制器。利用模糊控制原理简单和控制参数少的特点,将车辆当前横向、航向偏差作为模糊控制输入,前视距离作为模糊控制输出和纯追踪模型输入,得到模糊自适应纯追踪算法。基于MATLAB/Simulink进行仿真,验证算法的有效性和准确性。     

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。     

公共慢行系统的动态调度建模与滚动时域调度算法研究

针对公共慢行系统存在公共自行车在时间和空间上分布不均衡的问题,研究了公共慢行系统调度过程中租赁点需求的动态特性及其模糊时间窗的约束,以最大化租赁点的满意度为目标建立了公共慢行系统调度的模型,并用滚动时域调度算法对该模型进行求解,动态的获取调度计划,进而实现公共慢行系统的动态调度。     

基于模型预测的智能客车路径跟踪控制研究

为实现智能客车跟随预瞄路径到达目标位置,本文提出一种基于模型预测的路径跟踪控制方法,并进行实车验证,表明此方法具有较小的跟踪误差和较强的系统鲁棒性。     

无人驾驶汽车路径规划及路径跟踪的研究

文章基于车辆动力学模型和轮胎模型,采用模型预测控制设计预测模型,为提高跟踪实时性和精度而引入了前轮侧偏角变量,使无人驾驶汽车在较低的附着系数工况下以及高速公路的工况下,可以精准地跟踪目标路径.文章实验结合Carsim和Simulink联合仿真,通过仿真实验可以得出结论:在模型中考虑前轮侧偏角约束之后,相比于传统的MPC...     

基于模糊推理的无人车路径跟踪算法

针对传统的纯跟踪算法的缺点,提出了一种可变预瞄距离的路径跟踪算法。该算法在纯跟踪算法的基础上,利用模糊推理方法,将车辆的速度和加速度作为输入,将预瞄距离作为输出,并且在实验的基础上制定合理的隶属度函数和控制规则,实时地根据车辆的状态计算出合理的预瞄距离,从而兼顾路径跟踪的准确性和车辆的稳定性。最后通过Simulink/CarSim平台对算法进行验证。结果表明,该算法在0~60km/h速度内可保证无人车稳定准确的跟踪参考路径,且具有较强的鲁棒性。     

基于PSO-BP优化MPC的无人驾驶汽车路径跟踪控制研究

针对模型预测控制（MPC）路径跟踪控制器在不同路面附着系数及车速下跟踪误差大的问题,提出了基于粒子群寻优（PSO）-反向传播（BP）神经网络优化MPC的无人驾驶汽车路径跟踪控制策略。首先,设计了MPC路径跟踪控制器;其次,利用PSO-BP对MPC进行优化,以控制器精度和车辆稳定性作为评价函数,获得PSO离线最优时域参数;最后,选择4种工况进行双移线跟踪对比仿真验证。结果表明：所提出的控制策略在保证行驶稳定性的条件下,低路面附着系数低速、高路面附着系数低速、高路面附着系数高速及中路面附着系数中速工况下双移线跟踪横向控制精度分别提高了50%、55%、9%和20%。