考虑系统复杂扰动的智能车模型预测路径跟踪控制

智能车路径跟踪控制面临系统模型简化、参数不确定、执行器与传感器信号延时及道路曲率变化等干扰,将产生系统扰动误差,导致跟踪精度降低。本文针对性提出一种考虑跟踪系统复杂扰动的模型预测控制方法（model predictive control,MPC）,首先以单轨车辆动力学模型为基础建立模型预测跟踪系统,并依据实时规划的路径和速度信息设计预瞄距离动态调整方法,获取最佳预瞄点,以改善智能车底盘执行器与传感器信号延时扰动问题;而后引入扩张状态观测器（extended state observer,ESO）实时估计因简化车辆模型对系统产生的未知扰动量并用于前馈补偿;同时,考虑道路参考曲率变化对系统产生的确定性稳态扰动,设计一种含曲率约束的前馈控制（feedforward control,FFC）方法用于消除该干扰;最终形成MPC控制器反馈输入、ESO抗干扰补偿输入及FFC前馈输入相叠加的转向角控制律。最后,以某品牌智能车平台在低速园区场景进行了实车测试对比分析,验证了本文所改进的融合扰动补偿的模型预测控制方法具备可行性和优越性。     

坡度和整车质量识别及其在AMT换挡规律中的应用

针对带两挡AMT变速箱的纯电动客车在实际运行时因整车质量和道路坡度的变化导致最佳换挡点发生变化的问题,采用多遗忘因子递推最小二乘法对道路坡度和整车质量进行了在线辨识,将识别的道路坡度作为换挡控制参数,制定了以加速踏板开度、车速、车辆纵向加速度和道路坡度为控制参数的四参数换挡控制策略,采用Simulink和AVLCruise软件搭建了控制策略模型和整车模型,两软件联合仿真对平路空载得到的三参数动力性换挡规律和新制定的四参数换挡策略进行了仿真计算,结果表明:多遗忘因子递推最小二乘法能准确识别道路坡度,与平路空载得到的三参数动力性换挡规律相比,新制定的四参数换挡策略能够适应道路坡度的变化。