基于路面识别的汽车稳定系统滑模控制

深入分析了质心侧偏角、横摆角速度和路面附着系数与汽车稳定性之间的关系,根据汽车线性2自由度模型获得了汽车期望质心侧偏角和期望横摆角速度的稳定值,并提出了基于递归最小二乘法的路面附着系数识别算法。在此基础上,基于滑模控制理论采用指数趋近律分别设计了横摆角速度、质心侧偏角和两者联合为控制变量的汽车稳定滑模控制器,获得附加横摆力矩。Car Sim/Simulink仿真验证了所提出的路面附着系数估算算法的正确性和对应路面附着系数下汽车稳定控制策略的有效性。同时,基于Car Sim/Lab VIEW RT的硬件在环仿真试验,验证了所提出控制策略的可行性。     

基于强化学习的智能车辆路径跟踪变参数MPC多目标控制

为了解决智能车辆在工况变化时跟踪精度下降和稳定性变差的问题,提出基于强化学习的变参数模型预测控制(MPC)算法多目标控制策略,实现智能车辆路径跟踪控制系统的参数自适应整定。基于车辆动力学模型设计其线性时变MPC控制器,获得最优前轮转向角和附加横摆力矩。基于Actor-Critic强化学习架构,设计进行控制参数整定的深度确定性策略梯度(DDPG)智能体和双延迟深度确定性策略梯度(TD3)智能体,构造以跟踪精度和稳定性为目标的收益函数,并搭建对接工况和变曲率工况2种典型仿真场景进行算法性能验证,当车辆处于对接工况时,根据路面附着系数的变化及时调整控制器的预测时域和权重矩阵;当车辆处于变曲率工况下时,针对道路曲率变化及时调整控制器的预测时域和权重矩阵。通过MATLAB/SimuLink、CarSim和Python联合仿真分析,将强化学习方法参数整定MPC与固定参数MPC和模糊控制方法参数整定MPC进行对比,结果表明：强化学习方法更能够在保证车辆安全性的前提下,尽可能提高智能车辆在不同路面条件下的路径跟踪精度。在对接工况下,强化学习方法参数整定MPC相较于固定参数MPC和模糊控制方法参数整定M...     

基于频率加权左互质分解的汽车悬架H∞控制器降阶研究

建立了7自由度汽车整车悬架模型,考虑人体对垂直和旋转方向振动的敏感频率范围,设计频率加权的H∞控制器。进而在选取特定加权矩阵保证降阶闭环系统稳定前提下,应用基于频率加权左互质分解的控制器降阶方法,对所设计的高阶H∞控制器进行降阶。仿真结果表明,控制器的阶数能够被较大程度地降低,而闭环控制效果损失很小,证明了频率加权左互质分解控制器降阶方法的有效性。     

采用最小信息损失方法的汽车主动悬架控制器降阶研究

针对汽车悬架系统控制器阶数高、工程上难以实现的问题,建立了整车7自由度主动悬架模型,考虑人体对振动的敏感频段,设计了H∞加权控制器,以保证闭环系统稳定且具有较好的抗干扰性能.基于最小信息损失方法对20阶主动悬架控制器进行降阶研究.通过对降阶前后主动悬架闭环控制系统频域特性和乘坐舒适性的对比表明,将20阶主动悬架控制器降至8阶后,控制器状态的能控与能观信息损失之和小于50％,且悬架控制系统仍具有十分相近的控制性能.     

基于AT89C2051的汽车超声波防盗报警系统设计

介绍一种由AT89C2051控制、利用超声波敏感器件作为发射与接收装置并依据多普勒效应制作的汽车防盗报警系统。使用时把此系统安装在汽车驾驶室内,当有人非法进入车内时,报警系统开始报警并且能够切断汽车点火电路。