基于DMPC的智能汽车协同式自适应巡航控制

本文中针对单向通信拓扑的非线性车辆队列协同式自适应巡航(CACC)控制问题,提出一种保证队列稳定且满足队列各车跟随性、安全性和乘员舒适性的分布式模型预测控制(DMPC)策略。首先建立了车辆队列的动力学模型和通信拓扑结构模型,并基于队列系统的多项优化性能设计代价函数和系统约束,使队列中每一辆跟随车基于其接收到的有限信息求解一个开环局部最优问题,计算出当前时刻的最优控制量作为输入并不断重复这个过程,达到滚动优化的目的,实现车辆队列的协同式自适应巡航控制。其次通过CACC系统局部代价函数之和构建Lyapunov候选函数,证明了车辆队列系统渐进稳定性的充分条件。最后通过CarSim和Simulink联合仿真,分析了算法在理想状态下对不同形式单向通信拓扑车辆队列的控制性能;通过实车试验,验证了算法在实车条件下感知层存在抖动、底层控制存在延迟和误差时的控制性能。仿真和实车试验的结果表明,本文提出的控制策略能使队列车辆实现各项优化性能,同时对外部干扰有较好的鲁棒性。     

云控场景下车辆队列的模型预测控制方法

鉴于采用边缘云进行集中式车辆队列控制时,通信时延将会降低队列控制性能指标甚至导致队列失稳,本文在考虑通信时延和车辆纵向非线性动力学特性前提下,从包括队列能效的多目标优化出发,提出了一种基于边缘云的队列集中式模型预测控制算法,并设计了一种时延补偿方法.首先分析了控制算法的渐进稳定性;然后通过不同时延下的仿真试验对控制算法...     

基于非线性模型预测控制的车辆纵向队列协调控制

本文中针对基于分层控制结构的车辆队列上、下层控制缺少联系的问题,提出了车辆队列跟驰与个体车辆动力学稳定性协调控制的思路,其基本思想是在保证队列中个体车辆安全稳定行驶的同时,尽可能实现队列跟驰控制的目标。基于非线性模型预测控制(nonlinear model predictive control,NMPC)方法设计了车辆队列协调控制方案,设计了包括跟驰间距误差、跟驰速度误差以及车速与车轮圆周速度差3个子目标的优化目标函数,将队列跟驰与车辆动力学稳定性的协调控制转化为约束优化控制问题;基于序列二次规划(sequential quadratic programming,SQP)方法进行求解,得到车辆前、后轴的制动/驱动力矩来实现上层决策输出的期望跟驰加速度。基于由3车辆组成的非线性队列模型对控制方案进行了仿真分析,结果表明,所提出的基于NMPC的车辆队列协调控制策略可以在大范围操纵工况下,在保证车辆安全稳定行驶的基础上实现队列的跟驰控制。     

基于滑模控制的时滞自动车辆跟随系统数学模型

基于非线性车辆动力学方程和固定车辆间距跟随策略,对具有时间滞后的自动化公路系统车辆纵向跟随控制问题进行了研究。在假定车队中的每个被控制车辆能够接收到车队领头车辆以及该车前面一个车辆的位移、速度和加速度信息的情况下,应用滑模变结构控制方法,通过对滑模运动方程的分析,得到了关于车辆间距误差的车辆纵向跟随系统的数学模型。该模型属于一类具有时间滞后的无限维非线性关联大系统。在具有时间滞后的车辆纵向跟随控制器设计中,利用该类非线性关联大系统的稳定性判定条件来设计控制参数,可确保车辆纵向跟随控制系统的稳定性。     

基于V2V通信的车队纵向协同控制

传统的车队在实现车辆纵向队列控制时,仅仅依靠雷达或者视觉传感器进行感知,从而致使车辆获取信息的能力有限,无法满足车辆在复杂交通环境下的跟随性能。为了克服雷达和传感器的不足,文章将车车（V2V）相连通信技术应用于车辆的纵向协同控制系统中,通过车辆上搭载的车载单元（OBU）之间的通信进行数据交互。首先,设计车队纵向跟随的控制策略,选择固定车头时距的间距跟驰策略,根据前车状态反馈对后车车速进行调节,该方法能够保证后车的跟驰安全,提升跟驰的稳定性。然后基于Prescan/Simulink建立车队纵向协同控制系统的模型和实验场景,仿真结果证明车辆纵向跟随控制策略的准确性和间距跟驰策略的准确性。     

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。     

非匀质车辆队列的分布式控制

提出了对称通信拓扑下具有不同参数摄动的非匀质车辆队列鲁棒稳定性分析方法和分布式控制器设计方法。通过反馈线性化技术求得队列节点的线性动力学响应,结合分布式控制策略和静态状态反馈控制律,建立了具有范数有界参数不确定性的车辆队列高维状态方程。利用矩阵不等式将队列系统内稳定性转化为线性方程的H∞性能,证明了队列系统在不同参数摄动下保证鲁棒稳定性的充分条件,并给出了控制器增益的低维度求解方法。最后,基于非线性车辆模型进行了数值仿真,验证了所提出方法的有效性。     

基于TrueTime的分布式主动转向网络控制的仿真研究

为揭示网络的介入对系统控制性能的影响,首先基于MATLAB/Simulink和滑模控制理论,建立了2自由度线性车辆模型和8自由度非线性车辆模型,设计了主动转向控制器.接着,提出了基于CAN网络通信的分布式主动转向控制网络架构,应用仿真工具箱TrueTime建立了网络控制系统模型,在不同网络服务品质下对网络控制性能进行了仿真分析.结果表明,不同网络环境对系统控制性能具有不同程度的影响,通信负载一定时,通信时延和数据丢包是网络产生不良影响的主要因素,在系统设计时应予以考虑.     

基于自适应动态滑模控制的智能汽车纵向巡航控制

为消除参数不确定性和外部干扰等因素对智能汽车纵向巡航控制的影响,提出一种基于自适应动态滑模的纵向巡航控制方法.建立以广义纵向力导数项为控制输入的车辆纵向动力学模型,基于反步法构建保证车速与纵向加速度同时收敛于期望值的新型滑模函数;在此基础上,设计了期望广义纵向力的动态滑模控制律,并利用RBF神经网络对控制律中的未知干扰...     

具有量化误差反馈的车辆纵向跟随控制

针对自动跟随车辆间信息传输存在无线网络量化误差的情况,研究了车辆跟随系统的纵向控制问题.假定每个跟随车辆能够通过无线网络获得相邻车辆及领头车辆的状态信息,并且信息在对数量化器传输下存在量化误差.基于车辆非线性纵向动力学耦合模型和车辆固定间隔跟随策略,应用向量Lyapunov函数方法得出的指数稳定性判据,将量化误差处理为系统状态的不确定性,给出补偿量化误差的滑模控制律,并设计满足系统群稳定性的控制器参数.仿真结果表明:相较于不考虑量化误差的控制器,本控制器能够显著提高车辆跟随误差的收敛速度,确保了自动车辆纵向跟随系统的稳定性.     

分布式驱动无人车路径跟踪与稳定性协调控制

针对无人车路径跟踪过程中跟踪效果与车辆稳定性这一多目标控制问题,基于分层控制理论提出了一种分布式驱动无人车辆路径跟踪与稳定性协调控制策略。建立了车辆动力学模型和路径跟踪模型,利用滑模控制方法设计了上层控制器,旨在减小路径跟踪过程中的航向偏差和横向偏差的同时确保车辆自身的稳定性。在下层控制器中,设计了一种四轮轮胎力优化分配方法,根据上层控制器需求,结合车辆横摆与侧倾稳定性情况,实现四轮轮胎力的定向控制分配。基于CarSim和Simulink搭建了联合仿真模型并进行仿真实验,结果表明,提出的协调控制策略能够有效地控制车辆路径跟踪中的航向偏差和横向偏差,同时确保车辆的侧倾与横向稳定性。     

基于抗饱和与自适应的3种车道线保持方法研究

针对车辆自主驾驶中的车道线保持问题,基于车辆横向动力学简化线性模型,采用积分滑模、抗饱和与自适应控制思想,提出了3类滑模保持方法,并分别构造Lyapunov函数证明了方法的稳定性。尤其是其中的抗饱和滑模控制方法,通过引入柔化函数与Sigmoid函数,不仅消除了传统滑模的颤振,而且利用上述函数的有界性特点,解决了车前轮的输出抗饱和问题。该方法具有控制律简单,控制参数调节选取物理意义明确的优点。最后,通过随机摄动的详细仿真分析,就文中3种方法以及以往文献中3种方法进行比较,验证了文中方法的有效性。     

分布式电驱动车辆电子差速控制算法研究

基于修正的车辆转向模型,提出一种分布式电驱动车辆电子差速控制算法,以车辆的稳定性确定左右驱动轮滑转率控制目标,然后通过滑模控制进行目标跟随.仿真结果表明,该控制算法能够保证低附路面转弯工况下的车辆稳定性.     

多轮分布式电驱动车辆双重转向分层控制系统设计

为了提高多轮分布式电驱动车辆在复杂机动环境下的转向能力,设计了一种基于直接横摆力矩控制的双重转向系统。该控制系统采用分层结构,上层为横摆力矩决策层,下层为驱动力分配层。在控制系统上层,基于无迹卡尔曼滤波和递归最小二乘结合算法进行路面辨识;根据车辆状态信息和路面条件自适应调节滑移转向比,由车辆动力学模型和滑移转向比确定双重转向参考模型;针对滑模面附近非连续特性造成的控制信号抖动现象,将滑模控制算法进行改进,设计了滑模条件积分控制器,使车辆实际横摆角速度追踪双重转向参考模型计算出期望横摆角速度。系统下层在保证车辆总驱动力的前提下,基于控制分配规则将上层广义目标控制力需求分配至各执行器。最后,利用硬件在环实时仿真平台进行控制策略验证。结果表明,分层控制系统较好地实现了路面识别功能和车辆双重转向功能,针对不同路面工况对车辆进行了有效地行驶控制,减小了车辆在狭小弯曲地区的转弯半径,抑制了车辆状态参数及电机转矩的颤振和抖动,改善了车辆小半径行驶的转向机动性和高速行驶稳定性。     

自动驾驶车辆纵向速度控制策略及仿真

针对自动驾驶车辆纵向速度的跟踪控制问题,提出了基于模型预测控制和微分先行比例-积分-微分（PID）的双层闭环控制策略：基于模型预测控制原理设计速度上层控制策略,采用层次分析法确定目标函数中的权重系数,计算出适应行驶条件的期望加速度;通过车辆逆纵向动力学模型计算对应的驱动力和制动力,控制车辆速度,采用微分先行 PID 进行反馈调节。结果表明：在该策略下车辆加速或减速行驶时,车辆具有较好的跟踪控制性能。     

基于预测恒定车头时距策略的自适应巡航控制研究

为了进一步提高车辆跟车过程中的跟踪性、安全性、舒适性和燃油经济性，针对已有间距策略表现过于保守或反应过于激烈等不足之处，提出了一种预测恒定车头时距策略。该策略考虑了相对加速度，建立了一种预测型期望车间距模型，进而应用于模型预测控制的多目标自适应巡航控制系统中，能进一步提高模型预测控制对多个控制目标的综合协调能力。搭建上层控制器、下层PID控制器、油门制动切换、逆纵向动力学模型。在多工况下仿真，通过建立性能评判指标对多目标进行量化分析。结果表明，所提出的间距策略在保证安全性的前提下，提升了自适应巡航控制系统的综合性能。在不同驾驶风格的车头时距下，跟踪性、舒适性和燃油经济性均有良好表现。     

汽车动力系统的滑模控制

汽车动力系统是一个非常复杂的系统，不仅系统的参数较多，而且有着非常严重的非线性，这使得汽车动力系统不易在线辨识，只能选用鲁棒性控制，本文采用滑模控制理论进行控制器设计，对基于循环的增压柴油发动机离散平均值模型和基于时间的传动系平均值模型进行了多级滑模面的串级滑模变结构控制，最终使车速信号能精确地跟踪给定的车速参考信号。     

非理想车载网络状况下四轮独立电驱动车辆的动力学控制

以直接横摆转矩控制为例,通过仿真初步分析了四轮独立电驱动车辆分布式控制系统中车载通信网络的非理想状况(延时、丢包等)对车辆动力学控制的影响。仿真结果表明,通信延时等非理想网络状态会对车辆动力学的控制效果和稳定性产生显著影响,而基于网络预测的直接横摆转矩控制算法,可有效补偿通信延时和丢包等的不利影响,获得较好的控制效果。     

基于制动与悬架系统的车辆主动侧翻控制的研究

为提高车辆抗侧翻能力,建立了10自由度整车侧翻动力学模型,应用车辆动力学和轮胎力耦合特性,提出了一种基于差动制动和半主动悬架协同工作的车辆主动抗侧翻控制策略。通过对制动力矩的差动调节和半主动悬架阻尼力的适时匹配,实现对车辆侧翻的有效控制。根据子系统运动特性,设计了制动系统基于滑移率的积分滑模控制器和悬架系统灰模糊控制器。分别对制动、悬架控制及综合控制进行的鱼钩试验仿真结果表明,综合控制策略可有效降低危险时域车辆的侧倾角,相对于单一系统控制进一步提高了车辆抗侧翻能力。     

通信时延和感知时延对车辆编队稳定性的影响

通信时延和传感器感知时延对智能车辆协同动作和行车安全至关重要。针对2类车辆编队控制策略(定常间距双向不对称控制和定常时距多前车跟车控制),引入通信时延和感知时延，并计算编队系统保持稳定性的通信时延阈值和感知时延阈值。首先，考虑到信息获取的便捷性和准确性，在直接相邻车辆的位移和速度分量上引入感知时延，在直接相邻车辆的加速度分量以及非直接邻居车辆的状态信息引入通信时延。将具有时延的信息用于反馈控制器。其次，对双向不对称控制下的同质车队及对多前车跟车控制下的异质车队进行模态分解得到多个低阶的双时延模态子系统。然后，基于双时延微分方程结构特性，提出了几何构型分析方法用于确定单个模态子系统保持稳定性的通信时延阈值和感知时延阈值。从而，车队系统稳定的通信时延阈值和感知时延阈值取决于解耦后的多个模态子系统。最后，进行了MATLAB数值仿真，研究通信时延和感知时延对2类编队系统稳定性的影响。仿真结果表明：在双向不对称控制下，当不对称度较大时，车队系统对时延具有较高容忍度；在定常时距单前车及两前车跟车控制下，车队系统的感知时延阈值和通信时延阈值随时距的增大整体上呈下降趋势。