基于模型预测控制的路径跟踪控制器模型仿真

文章建立车辆二自由度运动学模型,并将车辆二自由度运动微分方程离散化、线性化,设计了一种基于模型预测算法的轨迹跟踪控制器,并且在实验的基础上制定合理的约束函数和控制规则,从而兼顾路径跟踪的准确性和车辆的稳定性。采用CarsimSimulink平台对算法进行仿真验证,结果表明基于模型预测控制的轨迹跟踪控制器在5m/s以下时能够较好地跟踪预设轨迹。     

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。     

基于模型预测控制的智能汽车目标路径跟踪方法研究

为避免智能汽车在目标路径跟踪过程中发生侧滑,改善自动驾驶性能,通过改进目标函数、增加轮胎侧偏角动力学约束,以车辆动力学模型作为模型预测控制的预测模型,提出了一种改进的智能汽车目标路径跟踪方法。在CarSim与MATLAB/Simulink联合仿真平台对该方法进行了验证,结果表明,该方法有效地降低了智能汽车跟踪目标路径时发生侧滑的几率,提高了智能汽车目标路径跟踪的准确性和安全性。     

基于模糊自适应PID的智能车辆路径跟踪控制

选取车辆当前位姿和参考位姿来构造车辆的动态位姿误差,建立车辆路径跟踪闭环控制系统的Simulink仿真模型,并设计了模糊自适应PID控制器,利用模糊推理的方法,对PID控制器的参数进行自动调整。利用常规PID和模糊自适应PID控制算法分别进行仿真实验。仿真结果表明,模糊自适应PID改善了控制器的动态性能且具有较好的自适应能力。     

基于模型预测控制的智能车辆纵向控制研究

在ADAS的控制算法中,普遍的控制算法只能在本车道跟车,据此提出一种新方法,不仅能使车辆在本车道内跟车,还能在本车道无车的情况下,进行跨车道跟车。首先在考虑前后车辆制动距离的情况下,对车距算法进行了优化,并把其他车道的车辆通过算法投影至本车道;其次搭建了基于模型预测控制（MPC）算法的车辆离散化模型系统,对其控制参数施加约束;最后通过设置前车不同的车速和车况,在CarSim搭建车辆模型并与Matlab/Simulink联合仿真,针对车辆的纵向加速度变化的研究。     

基于模型预测的智能汽车轨迹跟踪控制

针对智能驾驶汽车轨迹跟踪问题,本文验证在五次多项式工况下,模型预测控制的轨迹跟踪效果。本文建立车辆运动学模型,为了便于建立基于模型预测的轨迹跟踪控制器,将所建立的非线性车辆运动学模型线性化,再通过向前欧拉法将系统离散化,得到基于线性时变的预测模型。为了使汽车可以快速且平稳地跟踪目标轨迹,建立包含系统状态量和控制增量的目标函数。最后在Matlab/Simulink中对设计的轨迹跟踪器在五次多项式工况下进行测试,与前轮反馈控制（Stanley）对比,验证此工况下所建立的基于模型预测控制的轨迹跟踪器与Stanley控制相比,可以更准确地跟踪期望轨迹。     

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.     

基于跟踪误差模型的智能车辆轨迹跟踪方法

为提高智能车辆轨迹跟踪精度,以车辆动力学模型为基础,提出一种基于线性时变模型预测控制的轨迹跟踪方法。该方法将车辆非线性动力学跟踪误差模型进行线性化和离散化处理,作为控制器的预测模型;建立系统控制增量的目标函数,设计状态量、控制量和控制增量约束条件,利用带约束的二次规划问题求解目标函数;将求得的最优序列的第一项控制量作用于系统。实验结果表明,在双移线工况下,当车速小于15 m/s时,横向最大误差小于0.52 m,航向最大误差小于0.067 rad。     

基于动力学模型预测控制的铰接车辆多点预瞄路径跟踪方法

现有的铰接车辆路径跟踪控制方法在模型线性化和预瞄误差过程均产生较大误差,导致跟踪精度降低.针对铰接车辆路径跟踪控制,构建了铰接车辆动力学模型,采用基于状态轨迹的线性化方法补偿动力学误差,提出了考虑路径多点预瞄误差的控制目标,设计了基于动力学模型的模型预测控制器,用以优化铰接点处转向力矩.为验证该方法的有效性,采用Mat...     

智能车辆动态避障轨迹预测与跟踪控制

为解决智能车辆动态避障路径预测及跟踪问题,文章对动态障碍进行建模并基于三角形面积法引入避障约束,设计代价函数以满足最优预测轨迹输出,同时设计引入侧翻约束的非线性模型预测控制器进行在线最优路径跟踪。通过Matlab进行基于结构化道路下的避障轨迹预测与跟踪控制仿真,仿真试验得出控制车辆在满足避障约束等条件下,可以实现换道超车并到达指定目标点,且加速度变化率（jerk）值小舒适性好。试验结果表明,预测轨迹理想、控制器准确性高且具有一定的鲁棒性。     

基于虚拟弹簧阻尼的智能车辆路径预瞄跟踪控制

针对智能车辆的路径跟踪控制问题,基于虚拟质量-弹簧-阻尼(MSD)模型以及驾驶员预瞄理论,设计了一种路径跟踪控制方法.首先,利用脉冲响应法对虚拟MSD模型的运动响应进行求解,得到不同工况下车辆的状态响应,并获得前轮转向角的控制函数;随后,结合路径跟踪的稳定性和快速性要求,建立系统性能函数,得到虚拟MSD模型最优参数;最...     

基于非线性模型预测控制的智能车路径跟踪算法

为解决高速工况下低附着系数复杂路面上转向和行驶稳定性等难以控制的问题,建立了6自由度整车动力学模型,在传统模型预测控制理论基础上,设计了前轮主动转向控制器,并通过CarSim和MATLAB/Simulink进行联合仿真,在兼顾路径跟踪精度和行驶稳定性的前提下,对控制器参数进行优化,使车辆在中低速下路径跟踪达到最佳状态,在较高车速下加入侧偏角软约束,以保证跟踪精度和行驶稳定性。试验结果表明,提出的控制方法能保证车辆在冰雪路面高速行驶时具备一定的转向精度和行驶稳定性。     

基于模型预测控制的智能车辆主动避撞控制研究

针对自主驾驶车辆的转向避撞问题,提出了一种分层避撞控制方法。上层路径规划控制器基于车辆运动学模型,引入人工势场函数,采用障碍物与车辆的相对状态描述车辆碰撞风险。基于模型预测控制理论,构建优化目标函数,规划最优避撞路线,并采用五次多项式拟合局部避撞路径。对于下层路径跟踪控制器,则建立车辆非线性动力学模型,构建基于最优转向盘转角输入的路径跟踪优化函数,实现局部避撞路径跟踪。最后搭建了Carsim/Matlab联合仿真平台,对被控车辆在不同路面、不同车速情况下的避障路径规划和跟踪效果进行了仿真。结果表明:上层控制器能根据障碍物信息实时规划局部避撞路径,下层控制器能控制车辆平滑、稳定地跟踪参考路径,从而实现车辆的主动避撞功能。     

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。     

基于自适应模型预测的智能汽车横向轨迹跟踪控制

当路面附着情况和车辆行驶状态不断变化时,基于恒定侧偏刚度的模型预测控制(MPC)不能考虑轮胎非线性特性的影响,难以保证车辆轨迹跟踪的适应性。为此,提出一种考虑轮胎侧向力计算误差的自适应模型预测控制(AMPC),以提高智能汽车在不确定工况下的轨迹跟踪性能。分析了路面附着系数和垂向载荷对轮胎侧向力的影响,基于平方根容积卡尔曼滤波(SCKF)算法,设计了利用侧向加速度和横摆角速度作为测量变量的前后轮胎侧向力估计器。利用轮胎侧向力线性计算值与估计值的差值计算得到侧偏刚度修正因子,设计了前后轮胎侧偏刚度的自适应修正准则,进而提出了一种基于时变修正刚度的AMPC控制方法。基于CarSim与MATLAB/Simulink联合仿真和硬件在环测试平台,对AMPC控制的有效性和实时性进行了验证。研究结果表明：在不同的路面附着情况和车辆行驶状态下,AMPC控制都能够降低横向位置偏差和航向角偏差,有效提高车辆的轨迹跟踪精度,其控制效果明显优于基于恒定侧偏刚度的标准MPC控制。尤其在低附着工况下,标准MPC控制会因为线性轮胎力的计算误差过大而导致车辆在轨迹跟踪时严重失稳,而AMPC控制通过估计轮胎力修正侧偏刚度依然能够保证车辆稳定有效的跟踪参考轨迹。所提出的AMPC控制在保证控制精度的同时具有良好的实时性,对智能汽车控制系统的设计与优化具有重要参考价值。     

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,...     

基于最小模型误差估计的智能汽车路径跟踪控制

为提高分布式驱动电动智能汽车在自主循迹过程中关键参数的估计精度并降低模型不确定性对控制系统鲁棒性的影响,本文中提出了一种基于观测器的自适应滑模路径跟踪控制策略。首先,针对难以直接精确测量的车辆纵、侧向速度,建立了5输入3输出3状态的状态估计系统,并采用最小模型误差准则以降低估计过程轮胎的非线性特性带来的观测模型误差。接着,基于运动学模型,计算出了路径跟踪期望横摆角速度响应,并采用自适应滑模算法实现主动转向控制。考虑线控转向系统的潜在失效风险,引入径向基神经网络对系统不确定性进行在线估计。同时,设计了直接横摆稳定控制器并采用最优转矩分配策略,进一步提高车辆的稳定性。最后,对车辆状态估计和路径跟踪进行了Carsim/Matlab联合仿真,结果表明:基于最小模型误差准则的观测器能取得较可靠的估计结果,路径跟踪控制器能保证车辆具有较好的跟踪精度和鲁棒性。     

基于RRT与MPC的智能车辆路径规划与跟踪控制研究

为分析智能车辆实时规划和跟踪控制的相互影响关系,基于改进的快速随机搜索树规划算法(improved-RRT)与线性时变的模型预测控制算法,提出了一种智能车路径规划与跟踪控制系统的构架。首先,采用目标导向、节点修剪、曲线拟合和最优路径选择等方法对基础RRT规划算法进行改进,保证规划路径满足车辆运动学约束并趋近最优解。然后,基于线性时变模型预测控制算法,实现智能车对期望路径的稳定控制。硬件在环仿真结果表明,车速为36 km/h,规划步长为2 m,规划周期为0.1 s时,侧向加速度小于0.2g,满足安全性和实时性要求。最后,分析了车速、规划步长和规划周期等因素对实时规划和稳定跟踪的影响。     

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...