无人驾驶车辆自适应巡航控制策略

为匹配无人驾驶车辆安全性需求,设计适用于不同行驶场景的自适应巡航系统。设计分层控制架构。上层控制器运用考虑前车加速度变化的模型预测控制策略,求解出巡航车辆期望加速度,并传递给下层控制器。下层控制器计算出车辆期望加速度与节气门开度或制动压力间的转换关系,据此控制车辆实际加速度。将自适应巡航系统模型分为平稳起停、稳变速、急变速3种行驶模式,基于MATLAB/Simulink与Carsim联合仿真平台进行仿真模拟。结果表明：控制策略能在各行驶模式下稳定跟随前方车辆同时保持合理的车间距离。     

智能电动汽车自适应巡航分层控制研究

针对前车频繁变速而引起的电动车跟踪性差的问题,建立基于分层控制的自适应巡航控制系统。首先,考虑前车加减速变化的影响,采用可变时距策略作为期望安全车距,利用多项式拟合法分析不同车间时距对线性二次型最优控制算法的反馈增益矩阵的影响,建立基于改进线性二次型最优控制的上层控制器;然后,应用分数阶PID控制理论建立下层控制器,对期望驱动转矩和制动压力进行精确跟踪,并采用遗传优化算法寻优整定分数阶PID参数。研究表明：基于分层控制建立的自适应巡航控制器能保证车辆行驶安全性和舒适性,对前车频繁加减速工况具有较好的适应性,跟踪性能好。     

不同车辆工况对协同自适应巡航控制车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

不同车辆工况对协同自适应巡航控制 车队行驶安全的影响

基于横向控制器和纵向控制器模型,包括校正的预瞄驾驶员模型、加速度控制模型、节气门控制模型和制动器控制模型,建立Matlab/Simulink 和CarSim 车辆联合仿真平台,并对其可行性进行分析与验证.利用平台分别仿真协同自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)车队车辆紧急刹车,通信延时,起步加、减速工况和车队前方插入换道车辆4 种情况下CACC车辆的行驶状况.仿真发现：紧急刹车时车队能够实现较好的紧急避撞;在通信延时的情况下,车队仍能保证行车安全;车队起步、减速工况运行较平稳,但加速度并不平稳,不利于车队后方车辆的乘坐舒适性;车队对前方插入不同速度的车辆能够及时响应并最终恢复安全行车间距.     

纯电动汽车纵向跟车动力学建模与分层控制

为提升电动汽车的纵向跟车性能,进行电动汽车纵向动力学建模和分层控制策略研究。建立包括电动机、变速器、主减速器、车轮及整车纵向运动模型的电动汽车纵向动力学模型。设计纵向跟车系统决策层与实施层分层控制架构,在决策层建立纵向跟车运动学控制模型,综合考虑实际车距与期望车距误差、自车与前车相对车速、自车加速度和加速度控制量限值的二次型性能指标,基于线性二次最优控制理论优化得到期望的跟车加速度;基于驱动电机和制动器切换逻辑,实施层控制器设计比例积分微分加速度校正器跟踪期望加速度。Matlab/Simulink多工况仿真结果表明:所设计的跟车控制器能够有效控制自车跟踪前车,具备良好的自适应性。     

车辆自适应巡航控制算法的设计与仿真

为实现智能车辆的自适应巡航功能,基于车速跟踪及PID控制理论设计了具有上下两层结构的自适应巡航控制系统.下层控制器根据上层控制器计算出的期望车速对节气门开度和制动力矩进行协调控制.在保证控制精度的前提下简化了算法.多种工况下的仿真实验表明控制器的控制效果良好.     

基于模型预测控制的智能车横纵向控制器设计

针对智能车横纵向控制中路径跟踪精度、行驶稳定性以及乘坐舒适性等问题,提出了基于模型预测控制(MPC)的横纵向综合控制方法.速度规则系统根据参考路径曲率与车辆跟踪位移误差计算出期望速度曲线,速度跟踪控制采用分层式控制器,上层控制器利用MPC算法计算期望加速度,下层控制器利用车辆逆纵向动力学模型对车辆的驱动和制动进行协调控...     

融合稳定性的高速无人驾驶车辆纵横向协调控制方法

提出了一种纵横向协调控制的路径跟踪控制方法; 建立了车辆预瞄误差模型和考虑路面地形的高速车辆等效动力学模型, 以此引入道路曲率地形因素; 基于模糊规则设计了预瞄距离发生器, 解决预瞄误差模型中固定预瞄距离的问题; 建立了预测时域与道路曲率的函数关系, 运用模型预测控制算法求解前轮转角, 从而建立路径跟踪控制器; 运用指数模型表示车辆期望车速, 设计了比例积分微分纵向控制器控制车速以改善路径跟踪精度; 运用质心侧偏角相平面图表征车辆稳定性特征, 设计比例积分微分稳定性控制器以改善车辆稳定性。研究结果表明: 提出的控制方法能在不同附着系数路面上对车辆跟踪性能进行优化, 在干燥沥青路面以车速90 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少33%;在潮湿沥青路面以车速70 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少30%;在冰雪路面以车速55 km·h-1行驶时, 与只运用模型预测控制算法进行路径跟踪控制的车辆相比, 最大横向误差可减少16%。可见, 所提出的控制方法能有效改善路径跟踪精度。      

前馈多源信息下异构动力学卡车队列协同控制系统

针对目前卡车队列动力学异构性所导致的系统弦稳定性、内部稳定性以及队列耦合性降低的问题,提出了一种异构协同自适应巡航系统控制器设计方法,建立了基于前馈多源信息的异构动力学卡车队列闭环耦合系统;考虑由异构车型所构成的卡车队列存在发动机执行器的饱和态异构问题,建立了发动机饱和性和状态约束条件;在上层协同控制器的基础上,建立了一种非线性下层异构发动机扭矩输出控制模型,用于控制车辆动力学仿真软件TruckSim中的真实车辆模型;建立了基于三维燃油特性图的车辆能耗模型,用于计算实时车辆油耗和节能性分析;通过频域分析法,结合已知异构动力学参数量化标定了协同自适应巡航系统控制器的增益,确保系统满足弦稳定条件。分析结果表明：相比同构动力学控制器,异构协同自适应巡航系统控制器可以确保距离误差在-0.01～0.15 m内,优于同构控制器作用下的-0.3～0.5 m,且当领航车进入匀速行驶状态时,跟随车辆能立刻收敛至相同的行驶状态,收敛性能优于同构协同自适应巡航控制系统;卡车队列节油率最大可达8.15%,随着车头时距减小至0.5 s,平均节油率最大可达8.10%。由此可见,多源前馈信息异构控制系统能有效降低车...     

基于模型预测控制的智能汽车轨迹跟踪方法比较

针对智能汽车轨迹跟踪问题,基于模型预测控制原理分别采用运动学模型和动力学模型为预测模型,通过对非线性系统进行线性化和离散化处理,根据约束条件、目标函数设计了2种轨迹跟踪控制器。基于Carsim与Matlab/Simulink联合仿真平台,在不同附着系数、不同车速下进行典型轨迹跟踪仿真试验。结果表明:不同工况下,2种模型预测控制器都有良好动态跟踪特性,动力学模型的跟随效果和控制平滑度略优于运动学模型。     

混行环境下CACC系统驾乘舒适性优化控制

为提升协同式自适应巡航（cooperative adaptive cruise control，CACC）系统在由自动网联汽车（connected automated vehicle，CAV）和人工驾驶汽车（manual vehicle，MV）构成的混行交通流下的驾乘舒适性，提出考虑驾乘舒适性的双层控制策略（dual-layer control strategy considering ride comfort，RC-DCS）. 上层控制器从宏观角度出发，采用两状态空间模型调整跟车间距及车速，并利用代价函数改善车队的整体稳定性和舒适性；下层控制器从微观角度出发，优化单车的油门和制动踏板切换逻辑，稳定实际加速度输出，降低车辆频繁加减速引起的自身俯仰. 试验结果表明:RC-DCS在跟随MV工况中跟车间距误差和加速度分别降低了72.44%和24.87%；在MV插入CACC车队工况中通过增大跟车时距0.4 s以减少加速度波动；在跟车、紧急制动、旁车切入3种典型工况中，单车加速度标准差分别降低了9.6%、10.4%、2.9%.      

基于自适应模型预测控制的智能车轨迹跟踪

针对传统模型预测算法在智能车辆轨迹跟踪的局限性,引入随道路曲率变化的速度自适应调节算法,设计轨迹跟踪控制器.设计目标函数及添加约束条件,通过Matlab/Simulink软件,在不同车速下与传统算法进行比较,仿真结果表明:不同的纵向车速对传统算法的轨迹跟踪有一定的影响,而对改进后的算法影响较小.尤其当车速较高时,改进后...     

具有输入时滞的二轮自平衡车自适应滑模控制

对具有输入时滞的二轮自平衡车系统, 设计了一种自适应滑模控制算法; 采用拉格朗日函数建立二轮自平衡车系统的动力学数学模型, 并在系统模型中考虑实际中存在输入时滞, 以及在处理输入时滞时所引入的未知扰动; 对变换后的输入矩阵做奇异值分解, 进一步设计了对扰动参数具有自适应估计能力的自适应滑模控制器; 基于Lyapunov稳定性理论, 保证了闭环系统鲁棒渐近稳定; 试验采用陀螺仪MPU-6050以及加速度传感器构成小车姿态检测装置。分析结果表明: 当控制参数较小时, 系统的超调量较小, 然而系统的调节时间较长; 当控制参数较大时, 系统产生了较明显的超调量, 然而系统的调节时间缩短了; 当外加扰动较小时, 车体速度变化小于0.08 m·s-1, 倾角角速度变化小于0.6°·s-1; 当外加扰动较大时, 车体速度变化小于0.10 m·s-1, 倾角角速度变化小于0.8°·s-1; 初始倾角为5°时, 车体速度保持在0.005 m·s-1范围内, 倾角角速度保持在0.022°·s-1范围内; 初始倾角为10°时, 车体速度保持在0.007 m·s-1范围内, 倾角角速度保持在0.031°·s-1范围内。可见, 自适应滑模控制算法能在引入适量干扰和不同初始车体倾角的情况下, 使小车自主调整并迅速恢复稳定状态。      

考虑多前车作用势的混行交通流车辆跟驰模型

基于自动驾驶车辆(AV)和常规人驾车辆(RV)混合行驶的情况，在全速度差(FVD)模型的基础上考虑了多前车和一辆后车的车头间距、速度、速度差、加速度差等因素，建立了适用于AV和RV 2种车辆的混行车辆跟驰模型；引入分子动力学理论定量化表达了周围车辆对主体车辆的影响程度；利用RV和AV混行场景跟车数据，以模型拟合精度最高为目标，对所有参数遍历寻优，进行标定；对比分析了混行车辆跟驰模型和FVD模型控制下交通流的稳定性，解析了车速对交通流稳定性的影响；设计了数值仿真试验，模拟了城市道路和高速公路2种常见场景，分析了混行车辆跟驰模型的拟合精度。研究结果表明:考虑周围多车信息有利于提高交通流的稳定性；车辆速度越低交通流稳定性越差；考虑多车信息的分子动力学混行车辆跟驰模型可以提前获得整个车队的运行趋势，更好地模拟AV的动力学特征；与FVD模型相比，在城市道路条件下混行车辆跟驰模型中的RV平均最大误差与平均误差分别减小了0.18 m·s-1和13.12%，拟合精度提高了4.47%；与PATH实验室的ACC模型相比，在高速公路条件下混行车辆跟驰模型中的AV平均最大误差和平均误差分别减小了7.78%和26.79%，拟合精度提高了1.21%。可见，该模型可用于混行环境下AV的跟驰控制与队列控制，以及AV和RV的跟驰仿真。