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。     

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。     

智能汽车轨迹跟踪与横摆稳定性协同控制

为了提高四轮独立驱动智能电动汽车在变曲率弯道下的轨迹跟踪精度和横摆稳定性,提出了一种模型预测控制与直接横摆力矩控制协同的综合控制方法。建立了横纵向耦合的车辆动力学模型,采用2阶龙格库塔离散法保证了离散模型的精度,并基于简化的2自由度动力学模型推导了车辆横摆稳定性约束,设计了非线性模型预测控制器;利用直接横摆力矩控制能够改变车辆横摆角速度和航向角的特点,考虑模型预测控制器的预测状态、控制量以及跟踪误差,设计了协同控制规则。仿真结果表明,协同控制方法解决了考虑横摆稳定性约束的模型预测控制器中存在的稳定性约束与控制精度相矛盾的问题,并补偿了模型预测控制器没有可行解时对横摆稳定性的约束,同时提高了智能汽车的轨迹跟踪精度和横摆稳定性。     

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。     

基于遗传算法的智能驾驶车辆纵向PID控制研究

针对智能驾驶车辆纵向速度跟随问题,为提高智能驾驶车辆在速度变化时的跟踪控制精度,设计了一种分层控制策略。上层控制器设计了一种基于遗传算法的PID控制器,在期望车速为恒速或变速的情况下得到最优的加速度,下层控制通过对加速踏板和制动踏板的标定,得到不同速度和加速度下节气门的开度和制动压力。建立CarSim/Simulink联合仿真模型,完成不同速度工况下的仿真验证,验证结果表明所设计的控制器有效地提高了速度跟踪精度。     

基于多参数控制的分布式驱动电动汽车操纵稳定性控制策略研究

为改善高速低附着路面上的车辆动力学性能，本文针对分布式驱动电动汽车提出一种基于多参数控制的操纵稳定性控制策略，包括上层轨迹跟踪控制和下层转矩分配控制。上层控制器设计基于2自由度车辆模型和驾驶员预瞄偏差模型，提出了MPC轨迹跟踪控制策略，实现对侧向偏差、横摆角偏差、质心侧偏角、横摆角速度的多参数控制。下层控制器以轮胎负荷率最小为优化目标，获得4个车轮电机转矩的最优分配量，借助于7自由度动力学模型，在双移线、蛇行工况下完成了CarSim-Simulink联合仿真。结果表明：提出的控制策略改善了高速、低附着工况下的操纵稳定性和轨迹跟踪精度。     

基于自适应控制系统的智能车横向轨迹跟踪控制

智能车辆轨迹跟踪控制的研究中,由于不同工况下控制算法的适应性不强,存在着较大的跟踪误差。为提高智能车辆行驶的自适性、跟踪精度与鲁棒性,提出了一种基于模型参考自适应控制系统（MRAC）的自适应PID控制方法。利用车辆模型与参考模型输出误差自适应PID控制器的3个参数,从而得到一种基于MRAC的自适应PID控制方法。MATLAB仿真对比结果表明,2种工况基于MRAC的自适应PID最大侧向跟踪误差分别为0.036 m和0.076 m,相比传统PID控制模型,该控制模型的控制精度分别提升52.10%、11.76%,表现出更好的横向轨迹跟踪性能。     

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。     

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MPC的无人驾驶汽车轨迹控制研究

为更好地实现对无人驾驶汽车行驶路径的跟踪修正,基于模型预测算法控制车辆的车速和横摆角。通过建立车辆运动学模型、制定目标函数、确定约束条件,设计出了轨迹跟踪控制器。并通过Matlab/Simulink、CarSim软件搭建模型预测控制算法。结果显示,在预定工况下,车辆参考路径和实际行驶误差较小,并有较好的横向稳定性。结果表明该算法能在一定程度能保证无人驾驶汽车的安全性,为智能车辆控制提供了基础。     

四轮独立驱动电动车自适应巡航滑模控制

为实现四轮独立驱动电动汽车的自适应巡航功能,采用基于趋近律的滑模控制理论设计了自适应巡航控制系统.上位控制器以实际车距与期望车距的偏差作为输入,采用滑模控制律获得主车期望加速度,然后将期望加速度作为下位控制器的输入,计算出电机期望转矩,用于实现自适应巡航控制.在CarSim中建立电动汽车整车模型,并与Simulink进...     

基于MPC的独立驱动电动汽车稳定性集成控制

针对独立驱动电动汽车在高附着系数路面高速急转时易发生侧翻事故,在低附着系数路面急转易发生侧滑失稳事故,且单一控制器在不同附着系数路面适应性较差等问题,根据独立驱动电动汽车特点设计了基于分层式结构的稳定性集成控制器。建立了整车动力学模型,并进行了车辆状态参数估计;设计了稳定性集成控制器的控制策略,对车辆的侧倾、横向稳定性状态判定条件和协调策略的制定进行了研究,分别设计了侧倾稳定性控制器和横向稳定性控制器;设置了路面附着系数0.9到0.2的对接路面仿真工况,并在此工况下对所设计的控制器的控制性能进行了仿真测试。结果表明,所设计的稳定性集成控制器相比于单一控制器具有更好的适应性,可有效降低车辆高速行驶过程中的横向载荷转移系数、质心侧偏角等状态量,提高车辆行驶的稳定性和安全性。     

Full drive-by-wire dynamic control for four-wheel-steer all-wheel-drive vehicles

Most of the controllers introduced for four-wheel-steer (4WS) vehicles are derived with the assumption that the longitudinal speed of the vehicle is constant. However, in real applications, the longitudinal speed varies, and the longitudinal, lateral, and yaw dynamics are coupled. In this paper, the longitudinal dynamics of the vehicle as well as its lateral and yaw motions are controlled simultaneously. This way, the effect of driving/braking forces of the tires on the lateral and yaw motions of the vehicle are automatically included in the control laws. To address the dynamic parameter uncertainty of the vehicle, a chatter-free variable structure controller is introduced. Elimination of chatter is achieved by introducing a dynamically adaptive boundary layer thickness. It is shown via simulations that the proposed control approach performs more robustly than the controllers developed based on dynamic models, in which longitudinal speed is assumed to be constant, and only lateral speed and yaw rate are used as system states. Furthermore, this approach supports all-wheel-drive vehicles. Front-wheel-drive or rear-wheel-drive vehicles are also supported as special cases of an all-wheel-drive vehicle.     

基于混合仿真技术的车辆横向稳定性控制系统

介绍了利用先进计算机技术和仿真软件，进行车辆横向稳定性控制器设计以及系统混合仿真的过程。首先建立了8自由度车辆动力学系统模型，然后利用前馈补偿和模糊控制策略，设计了车辆横向稳定性控制器。最后对车辆横向稳定性控制系统进行了实时混合仿真研究。仿真结果表明所设计的车辆横向稳定性控制器控制有效，实时性好，而且在道路条件和行驶条件改变时具有较强的适应性和鲁棒性。     

FSAC赛车轨迹跟踪协同控制策略研究

针对中国大学生方程式赛车（FSAC）在比赛中横向-纵向协同控制的轨迹跟踪精度和稳定性问题,根据现代控制理论和经典控制理论提出一种以纵向速度为结合点的线性二次控制器（LQR）和比例-积分-微分算法（PID）的横纵向协同控制策略,并根据赛车相对参考轨迹的位置设计了一种协同控制器。建立二自由度车辆动力学模型,基于该模型设计了横向LQR位置跟踪控制器和纵向PID速度跟踪控制器。所设计的控制策略在CarSim和Simulink搭建的循迹工况联合仿真场景下进行仿真验证,仿真结果为纵向位置偏差小于0.07 m,横向位置偏差小于0.03 m。对控制算法进行实车验证,结果表明,该策略有效提高了赛车的轨迹跟踪精度和行驶稳定性。     

串联混合动力客车辅助功率单元控制研究

串联式混合动力客车上采用的辅助功率单元(auxiliary power unit,APU)是一个复杂的非线性耦合系统。文中提出了一种APU动态控制器结构,首先根据闭环系统稳定性和跟踪性能试验测试提出了速度和功率耦合PI控制器,进而基于静态试验设计了APU系统的前馈控制支路。通过台架测试表明,该控制方法能够保证APU动态过程中的转速稳定性和功率的快速调整特性,满足实用要求。     

Lateral handling improvement with dynamic curvature control for an independent rear wheel drive EV

The integrated longitudinal and lateral dynamic motion control is important for four wheel independent drive (4WID) electric vehicles. Under critical driving conditions, direct yaw moment control (DYC) has been proved as effective for vehicle handling stability and maneuverability by implementing optimized torque distribution of each wheel, especially with independent wheel drive electric vehicles. The intended vehicle path upon driver steering input is heavily depending on the instantaneous vehicle speed, body side slip and yaw rate of a vehicle, which can directly affect the steering effort of driver. In this paper, we propose a dynamic curvature controller (DCC) by applying a the dynamic curvature of the path, derived from vehicle dynamic state variables; yaw rate, side slip angle, and speed of a vehicle. The proposed controller, combined with DYC and wheel longitudinal slip control, is to utilize the dynamic curvature as a target control parameter for a feedback, avoiding estimating the vehicle side-slip angle. The effectiveness of the proposed controller, in view of stability and improved handling, has been validated with numerical simulations and a series of experiments during cornering engaging a disturbance torque driven by two rear independent in-wheel motors of a 4WD micro electric vehicle.     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。     

分布式驱动电动汽车动力学集成控制研究进展及趋势

分布式驱动电动汽车具有四轮可独立控制和响应速度快等突出优势，对增强车辆操纵稳定性、安全性和经济性具有重要的意义。但车辆是一个非线性、强耦合的系统，需研究解决各个控制器相互耦合、过驱动系统复杂性和不确定性等核心问题，这依赖于多维 （纵向、横向和垂向） 集成控制模式和容错控制。对现有研究进行分类和总结，从传统单一维度控制到多维集成控制，综述分布式驱动电动汽车的关键技术和发展现状，重点归纳了汽车动力学集成控制的多层结构及其应用，特别是集成了纵向-横向-垂向动力学的综合控制。最后对分布式驱动电动汽车动力学控制系统所面临的挑战提出了一些建议。     

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。