基于分数阶理论的车辆ABS控制研究

针对车辆制动过程中出现制动失稳问题及对控制安全、稳定性的要求,结合车辆动力学模型,提出一种基于分数阶比例积分微分理论的车辆制动防抱死分数阶PID主动控制方法,并利用Oustaloup滤波器和遗传优化算法对分数阶PID控制器进行有理化和参数整定处理,得到优化后的分数阶PID控制器,最后采用MATLAB/Simulink对车辆制动防抱死分数阶PID控制器进行了离线仿真分析。通过仿真分析表明,当车辆以20m/s的速度在路面上制动时,路面参数一定,采用遗传算法优化的分数阶PID控制相对于模糊自适应控制、传统整数阶PID控制,在制动时间上下降了2.1%和3.1%,制动距离缩短了3.86%和5.82%,其具有较低的超调量、较快的响应和较小的稳态误差。     

驾驶机器人车辆的多模式切换控制EI北大核心CSCD

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

驾驶机器人车辆的多模式切换控制

为实现不同驾驶工况下精确的车速与轨迹跟踪,提出了一种驾驶机器人车辆多模式切换控制方法。通过分析驾驶机器人操纵自动挡车辆踏板与转向盘的运动,建立了驾驶机器人加速与制动机械腿和转向机械手的运动学模型和车辆纵横向动力学模型。在此基础上,设计了加速/制动机械腿切换控制器、模糊PID/模糊PID+Bang-Bang车速切换控制器和模糊PID/模糊PID+Bang-Bang转向切换控制器。加速/制动机械腿切换控制器以目标车辆加速度为切换规则,协调控制加速和制动机械腿,车速切换控制器以车速误差作为Bang-Bang控制器的模式决策准则和模糊PID控制器的输入,转向切换控制器以轨迹跟踪侧向误差作为Bang-Bang控制器的模式决策输入,并以当前与下一个控制时刻横摆角速度之差作为模糊PID控制器的输入。仿真和试验结果验证了所提出方法的有效性。     

基于模糊PID控制的汽车防抱制动系统控制算法研究

提出一种基于模糊PID控制的防抱制动系统控制方式。针对简化的汽车纵向双轮模型,设计了模糊PID控制器,讨论了模糊 PID控制切换参数的选取,并具体介绍了模糊控制器的设计。仿真对比试验验证了模糊PID控制性能优于单一的PID控制和模糊控制。     

一种叶轮式MRF汽车制动器结构设计与性能仿真

设计了一种汽车轮内叶轮式磁流变液制动器,推导出该制动器的制动力矩计算方法,并在Matlab/Simulink环境下建立仿真模型,分析了制动器结构参数对制动力矩的影响。结果表明,叶轮式磁流变液制动器工作模式为剪切与流动的混合模式,其制动力矩与磁感应强度呈现对数变化规律,与工作间隙呈现负指数变化规律;叶片的径向尺寸、叶片数量和叶片厚度对制动力矩都有较大影响。所设计的汽车磁流变液制动器能够满足一般小型汽车的制动力矩需求。     

驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。     

汽车制动器试验制动管压伺服系统建模与仿真

汽车制动器试验制动管压伺服系统是一个电气液的强非线性时变系统，是汽车制动器台架试验的重要内容。该文在分析了制动管压伺服系统的工作原理的基础上，建立了制动管压电气液伺服系统数学的模型。为了实现制动管压的快速和高精度伺服控制，结合PID控制和模糊控制的优点．提出了一种Fuzzy—PID复合控制器的设计方法，并进行了计算机仿真。Matlab仿真结果表明，该控制器具有响应快、超调小、适应性好、鲁棒性强等优点．较好的满足了控制要求。     

基于磁流变阻尼器的发动机振动模糊PID控制

在对发动机激振力及动力学模型分析的基础上,提出一种模糊PID控制方法,设计出了基于磁流变阻尼器的发动机振动控制的半主动模糊PID控制器,并运用MATLAB/Simulink对隔振控制系统进行了对比仿真.仿真结果显示,与橡胶隔振垫和PID控制相比,采用模糊PID控制的磁流变阻尼器的发动机有更明显的隔振效果,表明了磁流变阻尼器在汽车发动机上运用的可行性.     

大扭矩商用车EPS系统回正补偿策略研究

车辆回正控制是决定转向系统好坏的一个重要因素。针对新能源大扭矩商用车存在回正不足或回正超调问题,文章提出了基于多种群遗传算法（MPGA）优化的模糊比例-积分-微分（PID）控制算法,建立了电动助力转向（EPS）系统动力学模型、方向盘转角估计模型与回正补偿控制策略,根据估计的方向盘转角确定电机的期望输出扭矩,以此确定电机电枢电压,从而实现回正补偿。利用MPGA优秀的全局寻优性能,对模糊PID控制器参数进行优化。经Simulink仿真试验证明,提出的基于MPGA优化的模糊PID控制算法,相较于PID控制与模糊PID控制,回正性能得到改善。     

风帆助航船舶帆角控制系统分析与设计

针对风帆助航船舶装置帆角控制问题,基于模糊PID控制理论实现了对风帆助航船舶帆角的控制.针对风帆助航船舶装置双闭环控制结构特点,分别设计了P控制器对内回路位移量和外回路帆角进行控制,采用劳斯稳定判据方法给出了帆角控制系统稳定性条件.在此基础上,对于主回路分别设计了经典P控制器和模糊P控制器,基于模糊控制理论对模糊P控制器参数进行了自适应选取.仿真结果表明,所设计的模糊PID控制器能获得较快的响应速度,并且无超调.      

纯电动汽车制动避撞系统的建模与分析EI北大核心CSCD

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

基于自适应模糊PI的汽车直接摆力矩控制研究

针对汽车直接横摆力矩控制,论文研究了基于自适应模糊PI的控制方法。设计了基于自适应模糊PI的附加横摆力矩决策控制器和基于规则分配的制动力分配器。横摆力矩决策控制器根据汽车横摆角速度期望值和车辆状态决策出所需的附加横摆力矩,通过规则制动力分配方法进行主动差动制动实现,并采用Matlab/Simulink与CarSim联合仿真对控制方法进行仿真试验验证。结果表明:基于自适应模糊PI的横摆力矩控制方法相对于未控制能够使汽车较好地跟踪期望,有效提高汽车操纵稳定性。     

纯电动汽车制动避撞系统的建模与分析

针对纯电动汽车制动避撞系统,提出了基于反馈线性化的跟车距离、速度跟踪误差的滑模控制方法;考虑了模型非线性、系统参数不确定性和外部干扰的因素,建立车辆纵向动力学模型;采用指数趋近律的控制方法,设计了一种双输入双输出的汽车避撞系统控制器;并进行了跟车场景下制动避撞控制器的仿真。结果表明:该控制器避撞控制效果明显,在保证汽车行驶的舒适性的同时,跟车过程的跟踪误差小。     

基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制.首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度.接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种...     

制动器台架试验系统中的双闭环模糊PI控制

汽车制动器台架试验系统是一个电气液的强非线性、时变和滞后的复杂系统,恒力矩制动是汽车制动器台架试验的重要内容,采用传统的单闭环控制无法满足要求.文中在建立系统非线性数学模型的基础上,主缸驱动力内环采用常规PI控制器,力矩外环采用模糊PI控制器,实现了制动力矩的快速和高精度伺服控制.Matlab仿真结果表明,该控制方案具有良好的动态性能和稳态精度.     

面向智能车的电子液压制动系统研究

面向智能车设计了一款并联式电子液压制动系统,并针对智能车在紧急制动时易失稳的问题,基于车辆制动时的载荷转移特性,提出一种制动力分配控制策略。根据车辆在制动时前、后轴载荷转移量调节前、后轴车轮制动力,并将此时前、后轴车轮制动力矩作为基准制动力矩,基于径向基神经网络和PID算法设计附加制动力矩控制器,以此调节各车轮的制动力。最后搭建模型并与PID控制进行了仿真对比,结果表明,在车辆紧急制动工况下,提出的附加制动力矩融合控制器可以有效缩短制动距离并显著提高车辆稳定性。     

无人驾驶机器人机械腿模糊监督控制

为实现对无人驾驶机器人机械腿运动的精确控制,提出了一种模糊监督控制方法。通过对驾驶机器人机械腿操纵自动挡汽车油门/制动踏板的运动分析,描述了机械腿各杆件的运动学关系,并建立了机械腿的拉格朗日动力学模型。在此基础上,设计了一种模糊监督控制器,并通过Lyapunov稳定性分析原理,验证了跟踪误差的收敛性,保证了机械腿对位移跟踪的稳定性。模糊监督控制器以机械腿的位移跟踪误差及误差变化率为输入,位移跟踪过程中,实时监测跟踪误差的变化趋势,当误差不超过给定值时,模糊控制器单独作用,当误差超出给定值,采用模糊监督控制器。最后,设计了一种油门/制动机械腿切换控制器,搭建了油门/制动机械腿车速跟踪仿真模型,仿真结果与实车试验数据比较,验证了提出方法的有效性。     

基于蚁群算法的EPS系统仿真研究

针对车辆电动助力转向系统(EPS)的特点,提出了基于蚁群算法的电动助力转向系统控制策略,将蚁群算法与模糊PID控制器相结合,根据车辆不同运行工况,通过实时在线优化模糊PID控制器中的控制参数,进一步提高EPS系统的控制精度与收敛速度,通过Matlab/Simulink进行了各种运行工况下整车EPS系统的仿真实验。实验结果表明,与常规PID控制相比,采用基于蚁群算法的控制策略,EPS系统的控制精度高、超调量小、调整时间短,该控制策略具有蚁群算法收敛响应速度快和PID控制精度高的优点,适合应用于车辆EPS系统。     

基于遗传算法的ABS模糊控制器的设计

针对汽车防抱死制动系统(ABS)的强非线性,采用基于滑移率的模糊控制策略建立了ABS的仿真模型。利用遗传算法具有全局并行搜索能力的特点,对模糊控制器的隶属度函数进行优化设计。通过仿真对优化结果与原设计值的控制效果比较,表明遗传算法可以有效地用于模糊控制器的设计过程。     

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。