智能汽车路径跟踪精度及操纵稳定性耦合机理分析

针对现有智能汽车路径跟踪算法研究中存在的智能汽车路径跟踪精度与操纵稳定性相互耦合和相互制约问题,在车辆二自由度模型基础上,设计了基于传统预瞄误差模型的PID控制方法,研究了智能汽车在蛇形道路工况、定曲率变车速工况和定车速变曲率工况下,车速及道路曲率对智能汽车路径跟踪精度和操纵稳定性的影响。仿真结果表明,随着车速和道路曲率的增加,智能汽车路径跟踪精度以及操纵稳定性降低;智能汽车的路径跟踪精度提高,操纵稳定性变差。     

面向变曲率道路的自动驾驶汽车换道博弈运动规划与协同控制研究

当多辆自动驾驶车辆在结构化道路上执行换道合流任务时，需要综合考虑转向和合流动作以避免事故的发生，同时曲率和周车车速的变化也增大了协同控制的难度。本文聚焦上述问题，提出了面向变曲率道路的多车换道博弈运动规划与协同控制方法。首先，建立曲率坐标系下的多车模型来解析车间安全距离及动力学状态。其次，通过系统地考虑道路曲率变化及周围车辆信息，提出基于博弈的多车换道运动规划算法，采用分布式框架快速求解兼顾个性化驾驶的最优速度轨迹及换道时机。最后，基于B样条曲线高效识别道路曲率及规划轨迹，构建了自适应时变预测控制算法实现轨迹跟踪，其特点在于单步参数矩阵实时更新，消除车速和曲率频繁变化带来的控制偏差累积。实验结果表明，相比斯坦利（Stanley）方法，能降低58%的跟踪误差；相较协同自适应巡航方法，能减少74%的合流时间；另外计算求解效率也仅为集中式模型预测控制方法的10%。     

基于数据驱动的人机混驾多车协同控制算法

针对多车协同控制系统中，传统控制算法需要准确获取系统中与驾驶员驾驶行为相关的参数以及与车辆系统动力学相关参数等问题，提出基于数据驱动的自适应动态规划控制算法。以有人与无人驾驶车辆混行的多车协同控制系统为研究对象，通过分析系统的横纵向控制模型，推导出系统状态方程，采用递推数值方法在线逼近最优解，并通过对最优反馈控制矩阵进行优化求解，得到最优控制输入。该算法简化了系统的控制输入参数，仅仅利用V2X通信获得的车辆的前轮转角以及车辆期望的纵向加速度作为控制输入，即可实现无人驾驶车辆的优化控制。基于Carsim和Simulink进行联合仿真测试验证，结果表明，该算法控制参数简单、收敛速度快、控制精度高、适应性强，能够控制无人驾驶车辆在多车系统中保持期望的车速并且与前车保持期望的车间距，同时在任意曲率道路上行驶时与车道中心线之间的横向误差趋于0。      

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.     

极限工况下无人驾驶车辆稳定跟踪控制

针对无人驾驶车辆在极限工况下跟踪控制精度和稳定性均难以保障的问题,提出一种纵横向稳定性综合协调控制方法。首先对无人驾驶车辆在摩擦极限下的速度进行规划,通过纵向加速度前馈和状态反馈控制器实现极限车速下的速度跟随。其次将预瞄前馈与人工势场反馈相结合设计了横向路径跟踪控制器。提出了基于期望与实际横摆角速度偏差的稳定性控制策略,优化纵向控制的驱动力矩。Simulink/Carsim联合仿真结果表明,所提出的纵横向协调稳定控制方法可在极限工况下改善无人驾驶车辆瞬态响应,抑制道路曲率突变处的超调量,减少路径跟随中的稳态误差,提高了无人驾驶车辆的轨迹跟踪精度和弯道运动过程中的横向稳定性。     

轮式差动转向无人车运动跟踪控制的研究

在分析车辆传动系统结构特点的基础上,基于差动转向原理,将无人车的运动跟踪控制分为:基于左右轮平均轮速的直线行驶控制和基于左右轮轮速差的行车转向控制。同时,基于抗积分饱和的比例积分控制法,提出了直线行驶下的车速跟踪控制算法;基于状态反馈法,提出了行车转向下的横摆角速度跟踪控制算法。最后,通过实车试验对提出的运动跟踪控制算法进行验证,实现了目标车的遥控行驶。     

视觉预瞄式智能车辆纵横向协同控制研究

针对智能车辆路径跟踪控制的高度非线性及纵横向运动控制的耦合性问题,结合视觉预瞄模型及模型预测控制理论提出了一种预瞄式MPC路径跟踪控制新方法。该方法首先对非线性预测模型进行局部线性化,将MPC最优化求解问题转化为二次规划问题。在每个控制时域内将纵向车速及预瞄距离视为已知,运用指数模型对纵向车速进行描述,并结合道路曲率及实际车速设计了预瞄距离发生器。仿真和试验结果表明:相较于传统MPC跟踪控制方法,本文中提出的预瞄式MPC控制方法在不同车速下均能减小跟踪过程中的横向偏差和方向偏差,提高了跟踪精度,且此提升效果在高速状态下更为明显。     

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。     

匝道合流交通场景下自动驾驶汽车安全性测试评价方法

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

矿用无人运输车辆轨迹跟踪控制算法研究

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

Vissim仿真软件中期望车速的设定方法研究

针对目前车辆运行速度值难以获取,特别是新建道路车辆运行速度更难确定的实际状况,采用交通模拟软件Vissim进行获取,不失为一种有效方法.文中探讨了软件中期望车速的设置单元划分原则,根据平曲线行车安全性和车辆动力学性能重点对平面曲线、纵坡和组合线形处期望车速的大小及设定方法进行了研究,并给出了计算方法.     

智能车辆换道行驶的经济车速研究

本文旨在实现智能车辆在换道过程中经济车速规划。基于瞬态燃油消耗模型、车辆动力学模型和换道过程中道路曲率信息,利用动态规划算法求得车辆在换道过程中的经济车速轨迹。Matlab/Simulink与Car Sim联合仿真结果表明,与定速巡航算法相比,动态规划算法可节油8%左右。采用所提出的方法可在保证智能车辆安全行驶的基础上,提升其燃油经济性能,为智能车辆换道的速度控制提供决策依据。     

基于道路坡度实时信息的经济车速优化方法

作为生态驾驶辅助系统的组成部分,提出了基于道路坡度实时信息的车辆经济车速优化方法。搭建了车辆油耗模型和车辆动力学模型,对于车辆行驶在没有坡度的和前方出现坡道的两种情况,进行最省油车速优化。根据坡度信息,利用动态规划算法,计算出通过坡道的经济车速。对于一款D级轿车,运用Matlab/Simulink和Carsim联合仿真,与真实道路信息上实车模拟结果进行对比分析。结果表明:与传统定速巡航控制算法相比,该算法节油达到5%。这说明,该算法能降低车辆油耗。结合全球定位系统(GPS)信息以及地理信息系统(GIS),该技术可用于基于车联网的生态驾驶辅助系统。     

弯道安全车速建模及影响因素分析

车速的合理选择,是影响弯道行车安全的关键.为此,针对车辆在弯道行驶过程中因超速导致的侧滑、侧翻等侧向失稳事故,通过建立车辆转向行驶动力学模型,结合道路环境信息,在分析车辆转向时载荷横向偏移、悬架变形等基础之上,对传统模型进行改进,建立精度更高的弯道安全车速计算模型.并采用车辆动力学仿真软件CarSim和TruckSim进行不同工况下的仿真试验验证.运用正交试验方法对试验结果进行极差和方差分析,获取弯道安全车速对7种主要影响因素的敏感度.结果表明,该模型所得的安全车速值,与车辆侧向失稳时的临界车速值之间的平均误差为1.55%;相比于其他因素,弯道半径和路面附着系数对安全车速的影响最为显著;当路面附着系数达到特定值时,模型考虑了车辆的侧翻危险,使其计算得到的弯道安全车速呈现饱和现象.      

基于参考向量场的车辆队列二维跟踪控制算法

当车辆队列的应用场景从一维拓展至二维时,纵向间距保持与横向跟踪控制之间将出现显著的耦合效应。在高速工况下,忽视纵横向跟踪功能的耦合效应将导致跟踪误差变大,甚至造成车辆失稳。为解决上述问题,本文中提出了一种车辆队列纵横向耦合跟踪控制算法,通过构建基于纵向间距和横向参考轨迹的参考向量场获得期望速度矢量,采用哈密尔顿函数获得车辆上层运动控制需求的期望总力和总力矩;同时,提出一种基于伪逆矩阵的控制分配算法,将期望总力和总力矩在有约束的物理环境下分配至各个车轮,在保证分配精度的前提下提高了实时性。仿真和实验结果表明,本文提出的纵横向耦合跟踪控制算法能有效完成二维场景下的车辆队列运动控制,实现队列的安全、高效的协同驾驶。     

高速无人驾驶车辆的操控稳定性研究

通过分析路面附着条件和道路曲率等因素对车辆转向特性和稳定性的影响,建立了高速车辆的等效动力学模型。提出了一种变步长的模型离散化方法,能够在保证车辆模型预测精度的基础上,实现较长的预测时域,并满足计算实时性的要求。通过对高速车辆稳定行驶状态进行分析,推导了基于包络线的滑移稳定性约束条件,并设计了基于模型预测控制的高速无人驾驶车辆的轨迹跟踪控制器。仿真结果表明,该方法可有效保证高速无人驾驶车辆在不同地面附着情况及道路曲率下的操控稳定性。     

考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

基于反步法的差动转向无人车辆轨迹跟踪

为满足车辆高速大侧向加速度工况下的跟踪要求,本文中对差动转向无人车辆的系统动力学特性和相关稳定性问题进行研究,分析了车辆航向角跟踪误差和路径跟踪的动力学稳定性。基于反步法和饱和控制设计的动力学控制器在稳定车辆内动态的同时跟踪给定的航向角信号。仿真结果证明了所提出控制方案的可靠性,在航向角1阶导数为零或常数的条件下,系统具有良好的跟踪性能。同时,控制器之间的互联稳定性使系统对于一般工况下的目标轨迹都具有良好的跟踪性能。     

智能驾驶车辆纵横向运动控制仿真研究

文章分析了智能驾驶车辆纵、横向运动特性,作出合理假设,并建立纵横向车辆动力学模型。分别设定车辆纵、横向运动的期望轨迹,基于线性二次型调节器（LQR）方法控制车辆横向运动,运用比例-积分-微分（PID）控制器调节车辆纵向运动。结合Carsim软件建立车辆运动模型,并在Matlab/Simulink中分别建立车辆纵、横向控制算法。仿真分析表明,车辆纵、横向运动控制算法具有良好的控制效果,使得仿真车辆很好地跟踪了期望运动轨迹。     

线控转向系统转角反步控制算法研究

为实现商用车线控转向,设计一套新的线控转向系统架构及其转角跟踪控制算法。新的线控转向系统采用丝杠螺母结构中的丝杠直接控制纵拉杆,螺母通过带轮机构被电机驱动。对线控转向系统结构进行运动学分析,推导转向系统可变传动比,采用前轮转角为状态变量,建立线控转向系统二阶动力学模型。基于转角跟踪目标,采用反步控制算法,设计线控转向系统转角跟踪控制器,通过反馈系统线性化处理系统参数不确定和环境干扰问题,实现准确的目标转角跟踪,并建立李雅普诺夫函数,证明了采用反步控制的线控转向系统是渐进稳定的。搭建采用“丝杠螺母+带轮机构”架构的线控转向实车底盘测试台架,选取蛇形和混合工况进行控制算法验证。研究结果表明：与滑模控制算法的测试结果对比可知,反步控制算法绝对平均跟踪误差值降低了71.88%~79.57%,跟踪误差标准偏差值降低了71.32%~78.50%;线控转向系统反步控制转角跟踪算法能够减少系统收敛到原点的时间,抑制系统的抖振,提高车辆线控转向系统转角跟踪的操纵灵活性。