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。     

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。     

无人驾驶车辆的底层动力学控制研究

在考虑车辆动力学特性和执行器饱和约束的前提下,将无人驾驶车辆的运动控制问题转化为纵向和横向的渐进跟踪问题,以上层的期望车速和期望道路曲率为控制目标,利用反馈线性化的思想,设计了一种前馈加抗饱和积分的动力学控制算法,并且基于李雅普诺夫函数证明了闭环系统平衡点的渐进稳定。实车试验表明,该动力学控制算法能够快速准确地实现车速和道路曲率的跟踪,从而验证了其有效性。     

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。     

低附着下分布式驱动车辆的路径跟踪与横向稳定性控制方法

由于车辆在低附着工况（如积雪、潮湿）下跟踪性与横向稳定性的耦合关系,这使得二者之间的控制难以同时满足跟踪精度及良好的稳定性需求,因此,研究了基于分布式独立驱动电动汽车平台的路径跟踪与横向稳定性联合控制模型。对于路径跟踪问题,采用了横纵向解耦控制;对于横向跟踪控制问题,模型采用基于Frenet坐标系的模型预测控制（model predictive control,MPC）路径跟踪控制方法,并引入了转角补偿策略以提升路径跟踪的准确性;对于纵向车速控制问题,模型利用MPC求解期望加速度,并根据行驶平衡方程和保证路面附着最大利用率的条件下确定电机扭矩输出,实现对纵向车速的控制。对于横向稳定性控制问题,提出了基于稳定性增强系统（stability augmentation system,STA）的横摆力矩控制模型,在获得附加力矩后,以二次规划方法将其合理分配到各个车轮上,从而增强了车辆的横向稳定性。最后,通过CarSim/Simulink联合仿真平台,在双移线道路工况下进行了仿真验证。结果表明：在积雪路面,改进模型相比传统MPC在保证横向误差接近的条件下,最大的质心侧偏角降低了83.1%;在潮湿...     

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。     

基于轮胎合力计算与分配的车辆横向稳定性控制研究

鉴于轮胎合力计算与分配算法只适用于四轮独立制动/驱动和四轮独立转向车辆,以及路面附着系数对轮胎纵向合力和横摆力矩可实现范围的限制,提出一种对轮胎纵向合力和横摆力矩进行实时计算调整和动态分配的车辆横向稳定性控制策略。针对线性反馈计算的误差,采用离线数值优化和非线性规划方法实时确定轮胎纵向合力和横摆力矩的可实现范围,将计算的合力和力矩调整至可实现范围内并进行动态分配。设计滑移率和前轮侧偏角控制器使轮胎摩擦力跟踪各分力,在保证精度的同时避免对车辆后轮侧向力的估计。最后进行了仿真分析与基于LabVIEW PXI和veDYNA的驾驶员在环试验验证。结果表明,基于合力计算与分配的车辆横向稳定性控制可有效地提高车辆轨迹保持能力,改善低附着路面上车辆的稳定性,控制效果优于滑模变结构控制。     

面向全矢量线控车辆极限运动的分层式协同控制

装配四轮分布式驱动-转向（4WID-4WIS）底盘的全矢量线控车辆具备多可控自由度、高速稳定性强的特点,是极限工况稳定裕度和安全性较高的理想车型。为了解决全矢量线控车辆在极限工况下纵横向控制冲突危害行车安全的问题,提出一种基于模型预测控制 （MPC） 的分层式车辆纵向和横向运动协同控制方法。建立基于单轨模型的期望运动状态识别方法,设计模型预测控制器转换动力学目标,采用泰勒展开和前向欧拉方法对预测模型进行线性离散化处理;设计基于负荷率的轮胎力优化分配方法,利用反正切轮胎逆模型求解控制执行量。仿真结果表明,协同控制方法能显著提高车辆在不同路面下的极限运动稳定性,更精准地跟踪期望运动状态,扩大稳定裕度,保障行车安全。     

自动驾驶汽车横向运动控制方法综述

对自动驾驶汽车的横向运动控制技术进行了介绍,从车辆模型、控制策略、控制方法 3个方面分析了横向运动控制的国内外研究现状。针对目前横向运动控制研究中存在的问题,提出未来自动驾驶横向运动控制的研究应趋向于横/纵向运动控制耦合、车辆底盘控制技术与自动驾驶运动控制技术结合,以及车联网模型下的新型运动控制技术探索几个方向,以实现横向运动控制技术综合性能的进一步提高。     

基于制动转向协同控制的智能车紧急避障研究

为使车辆在紧急情况下能够快速稳定地完成换道避障,本文中将车辆纵向控制和侧向控制结合在一起,综合考虑车辆在紧急制动转向避障的过程中由于路面附着条件的限制可能会造成车辆失稳问题,在上层进行避障规划过程中加入基于哈密顿能量函数的理想纵向力和侧向力分配,并搭建稳态预测动态校正驾驶员模型跟踪规划的期望路径。然后利用Matlab/Simulink搭建3自由度车辆动力学模型,并基于Carsim和Labview的硬件在环试验对理想纵向力和侧向力的分配进行验证,仿真结果表明,所计算的纵、侧向力分配规律能够在车辆紧急制动转向避障时,在较短的时间和纵向距离条件下行驶到相邻车道。最后通过实车试验进一步验证了所提出方法的有效性。     

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。     

基于模糊滑模控制算法的分布式驱动电动汽车横向稳定性控制研究

针对分布式驱动电动汽车转向工况下系统参数摄动以及外界环境干扰影响车辆横向稳定性的问题,以横摆角速度为控制量,设计模糊滑模控制算法,得到车辆维持稳定所需的附加横摆力矩并进行分配。基于CarSim与Simulink联合仿真,验证所提出的横向稳定控制算法能够有效地提高车辆的横向稳定性,减轻驾驶员操作负担。     

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。     

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,...     

车辆转向与驱动综合控制及横向速度观测器的设计

为了实现复杂工况下车辆自动跟踪控制,建立了纵横向耦合车辆模型,研究了车辆在弯道变速行驶工况的动力学耦合控制问题,根据滑模控制以及动态表面控制理论,提出了一种基于车辆转向与驱动控制的综合控制器,并针对横向车速不可测,设计了横向速度观测器。仿真结果表明该综合控制器具有良好跟踪性能,在复杂工况下表现出较好的动、静态特性。     

独立轮驱动电动汽车驱动力分配策略仿真研究

为实现高速状态下驱动转向工况的车辆稳定性,采用层次化控制结构,上层控制器为运动控制器,计算总的纵向力和横摆力矩需求,其中计算横摆力矩采用滑模变结构控制方法;下层控制器为实现所需求的纵向力和横摆力矩,同时提高轮胎力利用率以增加横向操纵稳定裕度,并满足轮胎力极限、电机输出性能等约束条件,采用优化算法计算分配到各个车轮的驱动力。进行高速行驶汽车单移线仿真试验,验证本文提出的控制策略的性能。     

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...     

车辆自动驾驶系统纵向和横向运动综合控制

为提高车辆自动驾驶系统的运动性能,基于模糊逻辑和滑模控制理论设计了一种车辆纵向和横向运动综合控制系统。该控制系统通过对前轮转向角度、发动机节气门开度、制动液压及主动横摆力矩进行协调控制,使车辆能够以期望速度在理想道路轨迹上行驶,并提高车辆在行驶过程中的操纵稳定性。仿真结果表明:纵向和横向运动综合控制系统能够提高车辆在不同行驶工况下的跟踪性能和运动性能,在车辆自动驾驶过程中是有效的。     

基于组合间距策略的自适应车辆队列纵向控制

针对车辆队列被外部车辆换道超车的场景,外部车辆与队列中的车辆存在异质性,不同车辆适用的间距策略也存在差异性。此外,不同的车辆队列间距策略在道路适应性、车辆队列系统稳定性和串稳定性等方面均存在优势和缺陷。基于此提出一种基于组合间距策略的智能网联车辆队列控制方法,以优化队列车辆的间距。现有的协同/分布式队列控制方法大多基于精确的车辆动力学模型,这要求获得完整的车辆动力学先验知识,并进行非线性-线性模型的转换。然而,在实践中获取精确的先验知识信息往往具有挑战性,且在车辆间进行信息交互的过程中,不可避免地会产生通信时延。因此,在考虑网络环境通信时延的基础上,提出了一种基于自适应积分滑模车辆队列控制器的分布式后向控制方案,该方案可以在线识别和估计未知参数,从而解决三阶车辆节点动力学模型中参数不确定性影响系统稳定性的问题。在设计的积分滑模面中,采用饱和函数替代传统滑模面的符号函数,进一步解决了控制结果中容易出现抖振的问题。然后,利用Lyapunov-Krasovskii定理和无穷范数进行了组合间距策略和间距策略切换下车辆队列系统的内部稳定性和串稳定性分析。最后,通过与现有控制算法进行仿真比较分析,...