基于深度强化学习的协同式自适应巡航控制

针对传统的协同式自适应巡航控制的算法响应慢、无法快速准确地对突发危险路况做出反应的问题,设计了基于深度强化学习的协同式自适应巡航控制框架,提出了双经验池和优化评价的深度确定性策略梯度算法.在传统算法基础上新建了2个包含车辆状态信息的经验池(优先价值经验池和撒普列经验池),训练数据样本分别从2个经验池按比例选取;critic评价模块采用多维向量对输出的踏板开度策略精确评价.结果表明,该算法在正常行驶工况和突发危险工况下:平均跟车间距误差分别下降1.8 m和1.5 m,跟车调节时间分别降低30%和25%,可以提升控制的准确性和系统紧急反应能力.     

基于并线行为识别的自适应巡航控制方法

本文中针对自适应巡航控制系统受旁车并线影响产生的制动干预时机不确定性问题,提出了一种采用旁道车辆并线行为进行优化的自适应巡航控制策略,以获得制动干预的最佳时机.首先,建立了以历史行驶数据和周围环境为输入、基于长短时记忆网络的驾驶行为识别模型,实现对旁道车辆驾驶行为类别的有效识别.当识别出并线行为后,根据并线车辆运动状态...     

基于多模式切换的智能汽车自适应巡航控制研究

针对前车运动状态和驾驶意图的不可预知性导致传统自适应巡航控制(ACC)系统应用受限的问题,设计了一种多模式切换的自适应巡航控制方法。根据自车与前车的运动学关系划分行驶模式,采用紧急系数表征各行驶模式下的危险程度;设计模糊控制器调节模型预测控制(MPC)中目标函数的权重值,以满足不同工况下跟车性和舒适性的需求差异,实现不同控制模式间的切换。仿真结果表明,多模式切换控制方法有效提高了车辆跟车性和舒适性,在各种工况下取得了优良的控制效果。     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法.在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题.进一步在滚...     

基于驾驶员特征的汽车自适应巡航控制研究

汽车自适应巡航控制系统(ACC)是当前汽车驾驶员辅助系统研究中的热点课题之一。在介绍ACC原理和对驾驶员行为特征进行分析的基础上，建立了2自由度ACC控制模型，并对模型跟随前车和前车切入情况进行了模拟分析。     

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。     

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...     

汽车自适应巡航控制系统

随着电子技术发展,越来越多的新电子系统在整车中使用,自适应巡航控制被广泛认为是智能汽车的关键系统。文中介绍自适应巡航控制系统概述、控制原理、以及在整车中实现。     

汽车自适应巡航控制系统

随着电子技术发展,越来越多的新电子系统在整车中使用,自适应巡航控制被广泛认为是智能汽车的关键系统.文中介绍自适应巡航控制系统概述、控制原理、以及在整车中实现.     

车辆巡航自适应控制研究

对模型参考自适应控制进行了深入研究,分析了其在实际应用过程中存在的问题,在此基础上提出一种基于最小二乘辨识的模型参考自适应控制方案,并将其应用到车辆巡航速度控制中。改进方案在被控对象两端加入最小二乘辨识环节对系统参数进行在线辨识,利用辨识得到的信息修正由自适应律计算得到的可调参数模型,从而使其能够快速收敛于真值。改进的控制方案有效地降低了自适应初始阶段和被控系统受到外界扰动时系统的震荡以及过渡时间。理论分析和实验仿真结果表明,该控制系统结构简单,系统的响应速度快,超调量少,过渡过程时间短,振荡次数小,具有较强的鲁棒性,有一定的实际应用价值。     

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,...     

基于驾驶员行为特性的自适应巡航控制的研究

为了获取驾驶员跟车行为特性并以此为基础设计自适应巡航控制系统,建立驾驶员控制增益随车速变化的动态跟车模型。引入驾驶员追踪误差敏感度,定量分析控制增益与车速的动态变化关系。为了准确描述驾驶员行为特性,定义速度误差敏感系数SVE(Sensitivity to Velocity Error)和距离误差敏感系数SDE(Sensitivity to Distance Error),基于非线性优化算法求解模型参数。最后通过Matlab搭建自适应巡航系统,进行仿真试验,并与驾驶员试验结果对比,验证控制算法。     

面向混合自动驾驶车流的协同自适应巡航控制EI北大核心CSCD

车联网V2V环境下能实时获取自车和周围车辆的运动状态、驾驶工况和道路环境,为汽车自适应巡航控制系统提供更准确的信息。为消除自动驾驶汽车(AV)和人工驾驶汽车(MV)混合行驶工况下的车头时距干扰对汽车纵向巡航控制的影响,提出了一种基于车联网V2V的协同自适应控制方法。通过车联网V2V实时采集车辆跟驰过程中车辆基本安全信息(basic safety message,BSM),进而获得车辆相对运动状态和驾驶行为序列;应用线性最优二次型方法建立驾驶操纵序贯链优化目标函数,再对扰动作用下的汽车运动状态改变量进行短时预测;在此基础上,以混合车流车头时距的最优均衡状态为目标,构建了车辆跟驰间距的滚动优化模型和协同自适应控制方法。实验结果表明,在头车加/减速行驶工况下,改进后的车辆控制器能更快响应前车运动状态的变化量,并在保证车辆安全跟驰间距的情况下,降低了车头时距,提高了道路通行能力。     

插电式混合动力汽车自适应巡航系统控制策略研究

文章首先介绍了插电式混合动力汽车自适应速巡航系统的功能及术语定义,其次列举了自适应巡航的功能进入和退出条件,定义了自适应巡航的功能要求和性能要求,最后详细说明了进入超越驾驶工况的条件及处理措施。     

车辆自适应巡航控制系统的模糊PID实现

建立了适合于车辆自适应巡航控制系统精确的车辆纵向动力学模型,简化了自动变速器模型,采用混合模糊PID控制算法实现了车辆自适应巡航系统"定速"和"跟驰"两个控制目标.仿真结果表明,该控制算法具有响应速度快、超调量小、能够消除系统偏差等优点.     

基于C-V2X自适应巡航仿真研究

在传统的自适应巡航(Adaptive Cruise Control ACC)控制中,主要依靠雷达或视觉对车辆周围环境的感知,但是在一些情况,比如:下雨、雾天或者在弯道行驶时,因为传感器对外界感知能力的不足,造成自适应巡航体验不佳;为克服雷达和视觉传感器的不足,文章主要基于C-V2X(Cellular Vehicle to Everything)技术,结合RSU(Road Side Unit)发送局部地图,实现车辆对周边车辆的感知。在弯曲道路下,ACC利用车车通信V2V(Vehicle to Vehicle)和RSU发送的MAP消息集,实现对不同车道的目标车辆进行实时切换,保障车辆在弯道上的ACC行驶安全。通过Matlab/Simulink搭建基于C-V2X的ACC算法,通过仿真表明利用C-V2X的ACC在弯道上能够根据RSU提供的MAP消息集,针对不同车道远车RV(Remote Vehicle)进行实时的目标切换,同时主车HV(Host Vehicle)能够与跟踪目标车辆保持安全距离,实现车辆安全行驶。     

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。